language

Machine Learning (ML) ile Unilever tamamen satış öngörümüne geçmeyi başardı

Müşteri
Unilever
Endüstri
FMCG
Fonksiyonel alan
ML-Tahmini, Satış planlama
Çözüm
ML
Machine Learning (ML) ile Unilever tamamen satış öngörümüne geçmeyi başardı

Satış öngörümü gibi temel bir süreçte yapay zeka (AI) teknolojilerine geçiş, dijital iş dönüşümü gündeminde önemli bir önceliktir. Uzun ve zorlu bir yoldan geldik ve şu anda Machine Learning (ML) öngörüm sürecini düzenli bir çalışma döngüsüne (business as usual) entegre etme aşamasındayız.

Entegre Operasyon Geliştirme Başkanı, Unilever ABD
01
ARKA PLAN

Unilever ABD, dünyadaki Unilever işinin operasyonel yönetimi açısından en büyük ve en karmaşık olanıdır (200’den fazla marka). Kişisel bakım ve güzellik ürünleri, yiyecek, içecek ve dondurma ve ev bakım ürünlerini içeren böylesine çeşitli bir portföye sahip olan şirketin, karmaşık ve yüksek oranda kaynak yoğun bir satış öngörüm sürecini sürdürmesi gerekiyor.

Çeşitli satış kanalları ve dağıtım ağlarındaki binlerce SKU için satış öngörümü, her zaman geleneksel istatistiksel yöntemler kullanılarak oluşturulmuştur ve belirli planlamacıların ve satış yöneticilerinin uzmanlığına büyük ölçüde bağımlı olmuştur. Sonuç olarak, öngörümün hedef doğruluğuna ulaşmada süregelen sorunlar vardı ve bu da hep işletme için olumsuz finansal sonuçlara yol açtı.

Unilever ABD, dünyadaki Unilever işinin operasyonel yönetimi açısından en büyük ve en karmaşık olanıdır (200’den fazla marka). Kişisel bakım ve güzellik ürünleri, yiyecek, içecek ve dondurma ve ev bakım ürünlerini içeren böylesine çeşitli bir portföye sahip olan şirketin, karmaşık ve yüksek oranda kaynak yoğun bir satış öngörüm sürecini sürdürmesi gerekiyor.

Çeşitli satış kanalları ve dağıtım ağlarındaki binlerce SKU için satış öngörümü, her zaman geleneksel istatistiksel yöntemler kullanılarak oluşturulmuştur ve belirli planlamacıların ve satış yöneticilerinin uzmanlığına büyük ölçüde bağımlı olmuştur. Sonuç olarak, öngörümün hedef doğruluğuna ulaşmada süregelen sorunlar vardı ve bu da hep işletme için olumsuz finansal sonuçlara yol açtı.

02
ÇÖZÜM

Danışmanlar, Machine Learning (ML) (ML) algoritmalarına dayalı satış öngörüm modelleri geliştirerek, işletmenin en gelişmiş ML algoritmalarını kullanarak istatistiksel öngörümden yeni bir sürece geçmesini sağladı.

Proje kapsamında ABD ve dünyanın en büyük perakendecileri için ayrı satış öngörüm modelleri oluşturuldu. Aynı zamanda, modellerin her biri, belirli bir ağdaki öngörümü belirleyen kendi benzersiz giriş parametreleri kümesine sahipti: hazır satış verilerinden stok seviyelerine, promosyon maliyetlerinden benzersiz promosyon etkinlikleri listesine, satış noktalarından ulusal bayramlara kadar. Mevcut dahili ve harici verilerin çeşitliliği ve eksiksizliği, Machine Learning (ML) algoritmalarının örneklerden daha iyi öğrenmesine ve sonuç olarak daha az çabayla daha doğru öngörümler oluşturmasına olanak sağladı.

Yeni süreci desteklemek ve geliştirmek için Domo BI platformu ve Anaplan entegre planlama platformu seçildi: tüm modellerin algoritmalarını güncelleme olasılığından, alınan öngörümün gerekli seviyeye ayrıştırılması ve son kullanıcılar için görselleştirilmesi. Yeni öngörümün ayrıntılarını içeren etkileşimli panolar (gösterge tablosu), planlayıcıların ve analistlerin, onu etkileyen tüm mevcut faktörler için ML öngörümü bileşenlerini daha iyi anlamalarını sağladı. Bu, özellikle yeni süreç ve teknolojinin çalışanlar arasında benimsenmesini hızlandırdı.

Belirli perakendeciler için özel modellere ek olarak, kalan tüm perakende zincirleri ve iş kategorileri için ML algoritmalarını kullanarak temel satış çizgisini öngörebilmek için evrensel bir model oluşturuldu. Anaplan’da ML öngörüm ayrıştırılması için oluşturulan çözüm sayesinde, planlama yöneticileri, Müşterideki belirli bir SKU’ya kadar öngörüm kalitesini doğru bağlamda kolayca değerlendirebilir, önceki dönemlerdeki öngörülerle karşılaştırabilir, senaryo planlaması yapabilir ve çok daha fazlasını yapabilir.

Danışmanlar, Machine Learning (ML) (ML) algoritmalarına dayalı satış öngörüm modelleri geliştirerek, işletmenin en gelişmiş ML algoritmalarını kullanarak istatistiksel öngörümden yeni bir sürece geçmesini sağladı.

Proje kapsamında ABD ve dünyanın en büyük perakendecileri için ayrı satış öngörüm modelleri oluşturuldu. Aynı zamanda, modellerin her biri, belirli bir ağdaki öngörümü belirleyen kendi benzersiz giriş parametreleri kümesine sahipti: hazır satış verilerinden stok seviyelerine, promosyon maliyetlerinden benzersiz promosyon etkinlikleri listesine, satış noktalarından ulusal bayramlara kadar. Mevcut dahili ve harici verilerin çeşitliliği ve eksiksizliği, Machine Learning (ML) algoritmalarının örneklerden daha iyi öğrenmesine ve sonuç olarak daha az çabayla daha doğru öngörümler oluşturmasına olanak sağladı.

Yeni süreci desteklemek ve geliştirmek için Domo BI platformu ve Anaplan entegre planlama platformu seçildi: tüm modellerin algoritmalarını güncelleme olasılığından, alınan öngörümün gerekli seviyeye ayrıştırılması ve son kullanıcılar için görselleştirilmesi. Yeni öngörümün ayrıntılarını içeren etkileşimli panolar (gösterge tablosu), planlayıcıların ve analistlerin, onu etkileyen tüm mevcut faktörler için ML öngörümü bileşenlerini daha iyi anlamalarını sağladı. Bu, özellikle yeni süreç ve teknolojinin çalışanlar arasında benimsenmesini hızlandırdı.

Belirli perakendeciler için özel modellere ek olarak, kalan tüm perakende zincirleri ve iş kategorileri için ML algoritmalarını kullanarak temel satış çizgisini öngörebilmek için evrensel bir model oluşturuldu. Anaplan’da ML öngörüm ayrıştırılması için oluşturulan çözüm sayesinde, planlama yöneticileri, Müşterideki belirli bir SKU’ya kadar öngörüm kalitesini doğru bağlamda kolayca değerlendirebilir, önceki dönemlerdeki öngörülerle karşılaştırabilir, senaryo planlaması yapabilir ve çok daha fazlasını yapabilir.

03
İŞLETME DEĞERİ
  • Öngörüm doğruluğunda %20 artış.
  • Uzmanların satış öngörümü için harcadıkları zamanın %50 oranında azaltılması.
  • Satış ve Operasyon Planlama (S&OP) sürecini, özellikle ” Öngörüm Oluşturma ve Onaylama” (Demand review) aşamasında basitleştirme ve hızlandırma.
  • Öngörüm doğruluğunda %20 artış.
  • Uzmanların satış öngörümü için harcadıkları zamanın %50 oranında azaltılması.
  • Satış ve Operasyon Planlama (S&OP) sürecini, özellikle ” Öngörüm Oluşturma ve Onaylama” (Demand review) aşamasında basitleştirme ve hızlandırma.

BİZE NASIL ULAŞABİLİRSİNİZ?

Join us in LinkedIn

    ЕСТЬ ВОПРОС?

    Да, у меня есть вопрос!

    Имя
    Фамилия
    Страна
    Компания
    Позиция
    Email
    Телефон
    Было бы интересно узнать больше о следующем:

      ASK A QUESTION

      I have a question in mind

      First Name
      Last Name
      Country
      Company
      Position
      Email
      Phone
      I'm particularly interested in hearing more about:

        FRAGE STELLEN

        Ich habe eine spezielle Frage

        Vorname
        Nachname
        Land
        Firma
        Position
        Email
        Telefon
        Es wäre interessant, mehr über die folgenden Punkte zu erfahren:

          BİR SORU SORUN

          Aklımda bir soru var

          İlk isim
          Soyadı
          Ülke
          Şirket
          Pozisyon
          Email
          Telefon
          Özellikle şunun hakkında daha fazla şey duymak istiyorum:

            НАПИСАТЬ НАМ

            Имя
            Фамилия
            Компания
            Телефон
            e-mail
            комментарий

              CONTACT US

              FIRST NAME
              LAST NAME
              COMPANY
              PHONE
              e-mail
              COMMENTS

                SCHREIB UNS

                VORNAME
                NACHNAME
                UNTERNEHMEN
                TELEFON
                e-mail
                KOMMENTAR

                  BİZE YAZIN

                  İLK ADI
                  SOY İSİM
                  ŞİRKET
                  TELEFON
                  e-mail
                  YORUM

                    ЗАПРОСИТЬ ДЕМО

                    Хотелось бы посмотреть демо

                    Имя
                    Фамилия
                    Страна
                    Компания
                    Индустрия
                    Позиция
                    Email
                    Мне было бы интересно пообщаться и увидеть быструю демонстрацию:

                      BOOK A DEMO

                      I'd be interested in seeing a quick demo

                      First Name
                      Last Name
                      Country
                      Company
                      Industry
                      Position
                      Email
                      I'd be interested in having a chat and seeing a quick demo:

                        DEMO BUCHEN

                        Ich würde gerne eine kurze Demo sehen

                        Vorname
                        Nachname
                        Land
                        Firma
                        Industrie
                        Position
                        Email
                        Ich wäre an einem Gespräch und einer kurzen Demo interessiert:

                          DEMO İSTEYİN

                          Hızlı bir demo görmek isterim

                          İlk isim
                          Soyadı
                          Ülke
                          Şirket
                          Endüstri
                          Pozisyon
                          Email
                          Sohbet etmek ve hızlı bir demo görmek isterim: