Problembeskrivning
En ledande dryckestillverkare, med över 120 artikelnummer och distributionsnätverk som täckte över 7 500 butiker i Nordamerika, stod inför betydande utmaningar med sina försäljningsprognoser . Teamet ansvarade för att generera prognoser för varje produkt, men processen var försvårad av behovet av att hämta och manuellt analysera stora mängder data från flera, ofta inkonsekventa källor.
Prognosteamet, bestående av 10 analytiker, lade ner nästan 60 % av sin tid på datautvinning och rensning, och hämtade information från över 15 olika system. Detta ledde inte bara till förseningar utan skapade också utrymme för fel och inkonsekvenser i data, vilket i sin tur påverkade prognosernas noggrannhet.
På grund av dessa utmaningar var företagets försäljningsprognoser ofta felaktiga med 10–15 %, vilket ledde till antingen lagerbrist eller överskott i lager, vilket påverkade företagets resultat.
Även om informationen var tillgänglig hade ledningsgruppen svårt att förena de varierande utdataformaten från dataanalytiker, dataforskare och andra team, vilket hämmade beslutsfattandet.
Lösning implementerad
- Multialgoritmisk metod skräddarsydda prognoser per produktkategori.
- Datavetenskapsteamet säkerställde noggrannhet trots inkonsekvenser.
- PAI-chatbot integrerad i datasystem och Microsoft Teams.
- Aktiverade interaktiva, visuella säljprognoser i Teams.
- Rullande prognoser hjälpte försäljningen att prioritera produkter med hög marginal.
Några utmaningar?
Våra branschexperter kan lösa ditt problem.