Come Creare un Business Case per l’Investimento in una Tecnologia di Supply Chain Planning Scarica la guida >

menu-close

Caso One Stop
Come la Pianificazione della Domanda Basata sull’Intelligenza Artificiale Migliora la Precisione della Previsione, la Disponibilità e le Vendite

icon-checkmark

3.2 pp

aumento nell'accuratezza della previsione a livello di prodotto-settimana

icon-checkmark

1.8 pp

aumento nell'accuratezza della previsione a livello di prodotto-negozio-settimana

icon-checkmark

8.5%

aumendo della disponbilità dei prodotti ultra-freschi senza aumentare lo spreco

One Stop, catena leader di convenience store posseduta da Tesco, conta oltre 900 punti vendita in tutta la Gran Bretagna, tra negozi di proprietà e in franchising. Propone alle comunità locali una vasta scelta di articoli per la casa di uso quotidiano, prodotti freschi, pasti pronti, proposte sfiziose per la cena. Molti negozi One Stop offrono anche servizi aggiuntivi, tra cui bancomat, uffici postali, PayPoint, lotterie e molto altro.

One Stop utilizza le soluzioni RELEX per l’ottimizzazione degli spazi e dell’assortimento dal 2010. Nel 2019, l’azienda ha esteso la collaborazione con RELEX includendo la previsione della domanda e il riordino automatico di punti vendita e centri di distribuzione.

L’implementazione della soluzione di pianificazione della supply chain end-to-end di RELEX ha portato a ottimi risultati:

  • 1,9 pp di aumento della disponibilità nei negozi
  • 4% di riduzione del valore dello spreco dei prodotti freschi
  • Aumento delle vendite

Visto il successo di questa implementazione iniziale, One Stop ha scelto di perseguire un ulteriore miglioramento con l’aggiunta del machine learning alla propria soluzione di previsione della domanda.

Una Supply Chain guidata dall’intelligenza artificiale per gestire la complessità dell’assortimento

One Stop ha scelto la soluzione di previsione della domanda completamente basata sul machine learning di RELEX per gestire più efficacemente le sfide legate alla previsione della domanda, specifiche per un assortimento caratterizzato da:

  • ampia offerta che spazia da prodotti ultra-freschi con scadenza ravvicinata a prodotti a temperatura ambiente con tempi di conservazione più lunghi.
  • domanda di molti articoli influenzata da fattori esterni, come le condizioni meteorologiche.
  • vendite di alcuni prodotti facilmente cannibalizzate da promozioni su articoli simili.

Scenari di previsione complessi come questo, in cui più fattori possono sovrapporsi e interagire per influenzare la domanda, richiedono l’utilizzo dell’intelligenza artificiale e degli algoritmi di machine learning per ottenere un risultato ottimale.

“La previsione basata sul machine learning di RELEX è fondamentale per la nostra capacità di prevedere con precisione le categorie più difficili, come gli articoli a breve scadenza o quelli che presentano una domanda influenzata dalle condizioni atmosferiche”, afferma Richard Turton, Head of Supply Chain di One Stop. “Su di essa si fondano anche i nostri piani per supportare una crescita sostenuta e migliorare la nostra resilienza di fronte a condizioni di mercato in rapida evoluzione”.

Gli obiettivi di One Stop per l’implementazione della soluzione di gestione della supply chain guidata dall’IA includevano:

  • Aumentare l’accuratezza della previsione giornaliera per i prodotti con una domanda influenzata dal meteo e dalla cannibalizzazione.
  • Migliorare la disponibilità dei prodotti freschi senza un corrispondente aumento dello spreco.

Una migliore accuratezza della previsione ha portato a una maggiore disponibilità senza incidere sullo spreco

Risultati a colpo d’occhio

  • 3,2 pp di aumento dell’accuratezza della previsione a livello di prodotto-settimana
  • 1,8 pp di aumento dell’accuratezza della previsione a livello di prodotto-negozio-settimana
  • 1,5 pp di aumento della disponibilità in tutto l’assortimento
  • 8,5% di aumento della disponibilità dei prodotti ultra-freschi senza un corrispondente aumento dello spreco

In soli quattro mesi dall’introduzione della previsione della domanda guidata dall’intelligenza artificiale, One Stop ha visto grandi miglioramenti. L’azienda ha ottenuto un aumento di 3,17 punti percentuali nell’accuratezza della previsione a livello di prodotto-settimana e un aumento di 1,82 punti percentuali nell’accuratezza della previsione a livello di prodotto-negozio-settimana.

Poiché One Stop gestisce sia la previsione che il riordino all’interno della soluzione RELEX, ha sfruttato la maggiore accuratezza della previsione per migliorare anche i risultati del riordino. Sfruttando previsioni della domanda più accurate nella pianificazione del riordino dei punti vendita, RELEX ha migliorato la disponibilità in negozio di One Stop di 1,5 punti percentuali per l’intero assortimento, contribuendo al contempo a un aumento significativo delle vendite.

L’azienda ha visto miglioramenti ancora maggiori nella disponibilità dei prodotti le cui vendite risentono delle condizioni meteorologiche, come i cubetti di ghiaccio, che prima costituivano per loro una categoria molto difficile da prevedere. La domanda di cubetti di ghiaccio è generalmente alta durante le stagioni calde, ma è anche influenzata dai cambiamenti meteorologici quotidiani. Il machine learning ha permesso a One Stop di elaborare enormi quantità di informazioni e di estrarre dai propri dati storici di vendita quei fattori legati al tempo meteorologico in grado di influenzare la domanda. Applicando automaticamente queste informazioni e le previsioni meteo locali alla previsione di vendita, One Stop ha ottenuto un miglioramento dell’11% della disponibilità di cubetti di ghiaccio durante le settimane “calde” con domanda forte.

Il machine learning di RELEX ha anche aiutato One Stop a gestire la cannibalizzazione dei prodotti, contribuendo a previsioni più accurate per gli articoli la cui domanda è fortemente influenzata dal cambiamento dei prezzi di prodotti simili – ad esempio, bibite e dolciumi. “Ora abbiamo una comprensione molto migliore delle dinamiche della domanda all’interno di ogni categoria di prodotti, così possiamo ottimizzare il livello delle scorte in modo più efficiente e ridurre le rotture di stock”, afferma Turton.

“Il valore che le previsioni basate sull’intelligenza artificiale apportano all’ambiente retail è inestimabile. Il machine learning di RELEX ha portato a un miglioramento immediato nell’accuratezza delle previsioni. L’abbiamo percepito in tutta la supply chain e nelle operazioni dei punti vendita e dei centri di distribuzione”, afferma Turton. “I miglioramenti rilevati includono un aumento dell’8,5% della disponibilità per i prodotti ultra-freschi con data di scadenza inferiore a 3 giorni, senza un corrispondente aumento dello spreco“. Nonostante la soluzione sia cresciuta in sofisticazione e complessità, gli utenti di One Stop sono rimasti sorpresi dalla sua facilità di utilizzo. “A One Stop, abbiamo dimostrato che non c’è bisogno di un team di esperti di statistica e di data scientist per implementare con successo il machine learning, con benefici misurabili in tutta l’azienda”, afferma Turton.

Risultati

icon-checkmark

Tutti gli obiettivi sono stati raggiunti

I risultati hanno mostrato miglioramenti nell'accuratezza previsionale a livello di giorno per i prodotti con domanda influenzata dalle condizioni meteorologiche o da cannibalizzazione e nella disponibilità dei prodotti freschi senza un aumento dello spreco.

icon-checkmark

Maggiore disponibilità in negozio

La disponibilità in negozio di One Stop è aumentata di 1,5 pp sull'intero assortimento, contribuendo al contempo a un aumento significativo delle vendite.