ML-baserad efterfrågeprognos för detaljhandelns leveranskedja
En butikskedja med 200 butiker upplevde i genomsnitt 12 % slutsaldo och höga förluster i samband med säsongsavslut på grund av felaktiga efterfrågeprognoser. Deras befintliga statistiska modeller tog inte hänsyn till lokala evenemang, vädermönster eller kampanjkalendrar.
Klient
Confidential, Retail Chain Client
Industri
Detaljhandel, D2C och e-handelTeamledare
Sophie Müller
Datum
Q1 2024
Affärsutmaning
En butikskedja med 200 butiker upplevde i genomsnitt 12 % slutsaldo och höga förluster i samband med säsongsavslut på grund av felaktiga efterfrågeprognoser. Deras befintliga statistiska modeller tog inte hänsyn till lokala evenemang, vädermönster eller kampanjkalendrar.
Lösning och tillvägagångssätt
Vi byggde en ensembleprognosplattform som kombinerar Facebook Prophet för trend-/säsongsvariationer med LightGBM för funktionsrik SKU-platsprognos. Modellen integrerar externa signaler (väder, lokala evenemang, konkurrentkampanjer) och omtränas varje vecka via Airflow.
Förmågor levererade
- Sammanställd efterfrågeprognoser med hjälp av Prophet och LightGBM
- Integrering av externa signaler (väder, evenemang, kampanjer)
- Veckovis omskolningspipeline på SKU-platsnivå i Airflow
- Kontrollpanel för påfyllningsrekommendationer riktad mot köparen
- Spårning av prognosnoggrannhet och övervakning av modellprestanda
Affärsresultat
Den genomsnittliga andelen slut i lager minskade från 12 % till 4,3 %, och förluster vid säsongsavslut minskade med 28 %. Inköpsteamets prognosnoggrannhet (mätt med MAPE) förbättrades från 31 % fel till 11 %.
4.3%
Slut i lager-grad (ned från 12 %)
28%
Minskning av förluster i prisnedsättningar
11%
Prognos MAPE (ned från 31 %)
Relaterade projekt
AI-driven bedömnings- och lärandeanalysplattform för utbildningsteknik
Andelen kursslutförda ökade från 38 % till 61 % inom en termin. Nöjdhetsindexet för elever ökade från 31 till 58, och plattformen minskade den månatliga omsättningen av prenumeranter med 2,8 procentenheter.
61%
Kursavslutningsgrad (upp från 38 %)
58
Elev-NPS (upp från 31)
Digitaliseringsplattform för sjukhusverksamhet
Utskrivningstiden för patienter minskade från 4,5 timmar till 1,8 timmar. Den kliniska dokumentationens fullständighet förbättrades från 67 % till 96 %, vilket eliminerade de datagap som utlöste avslag på försäkringsanspråk. Personalens produktivitet förbättrades med 34 %.
4.5h→1.8h
Patientutskrivningstid
96%
Klinisk dokumentations fullständighet
Plattform för optimering av logistikrutter för sista milen
Efterlevnaden av SLA för leveranser förbättrades från 76 % till 94 %, bränslekostnaderna per leverans minskade med 18 % och förarproduktiviteten nådde 88 % av den teoretiska kapaciteten. Kunden expanderade till 3 nya städer inom 6 månader med samma plattform.
94%
Leverans-SLA-efterlevnad
18%
Minskning av bränslekostnaden per leverans
AR-baserad träningssimulering för tillverkningsverksamhet
Utbildningstiden per operatör minskade med 40 % och utbildningsrelaterade säkerhetsincidenter sjönk till noll. Kompetenscertifieringspoängen förbättrades med i genomsnitt 22 procentenheter. Kunden utökar plattformen till ytterligare två anläggningar.
40%
Minskning av träningstiden
0
Utbildningsrelaterade säkerhetsincidenter
ML-baserad efterfrågeprognos för detaljhandelns leveranskedja
Den genomsnittliga andelen slut i lager minskade från 12 % till 4,3 %, och förluster vid säsongsavslut minskade med 28 %. Inköpsteamets prognosnoggrannhet (mätt med MAPE) förbättrades från 31 % fel till 11 %.
4.3%
Slut i lager-grad (ned från 12 %)
28%
Minskning av förluster i prisnedsättningar
Helhetsinsyn i leveranskedjan och kontrolltorn
Svarstiden för störningar i leveranskedjan förbättrades från 4 dagar (detekteringsfördröjning) till 6 timmar. Lagerbrister hänförliga till brister i leveranskedjans synlighet minskade med 71 %. Inköpsteamet undvek 1,8 miljoner dollar i expressfraktkostnader under det första året.
4d→6h
Svarstid för störningsdetektering
71%
Minskning av lagerförseglingar vid siktgap