כיצד למידת מכונה ו-BI הגדילו את המכירות של רשת חנויות

ניסים אלאלוף

רשת קמעונאית גדולה נלחמה 💣 בבעיית ניהול המלאי אי אפשר היה להתעלם ממנה יותר - חוסרים כרוניים בחנויות אחדות לצד עודפי מלאי בלתי רצויים באחרות. 

המצב הוביל לאובדן הכנסות משמעותי ותסכול לקוחות. 

בתור התחלה עוד בשלב הייזום הועלתה השערה שיש בעיה שמתרכזת בעולם הרכש, שלא מתעדים נכון דרישות רכז חדשות ולא מכניסים למערכות את המלאים בזמן וכך בזמן שיושבים מלאים במחסן פיזית נפתחות עוד דרישות ועוד הזמנות 😅 למרות שאין בהם צורך

---

הצוות האנליטי שלנו החל בשילוב נתונים ממקורות מגוונים

✔️ מכירות לפי חנויות, 

 ✔️ אחוזי תיעוד מלאים במחסן,

✔️ היסטוריית הזמנות, 

 ✔️ נתוני ספקים ועוד.

רצינו לבחון מתי התחיל כל הבלאגן ?

מה קרה באתו זמן ?

האם יש איזה קצה חוט שיכול לגרום למצב לצאת משליטה...

לראשונה יכולנו לקבל מבט כולל על "תמונת המלאי" המלאה ברשת. 

---

לאחר איסוף ושילוב נתונים ממקורות מרובים ברשת, החלנו ביישום טכנולוגיות מתקדמות של ביג דאטה, BI ולמידת מכונה. תחילה רכזנו את כל הנתונים במאגר נתונים מרכזי (Data Warehouse) באמצעות כלי ETL שאיפשרו לנו לטהר, לעבד ולהעשיר את הנתונים הגולמיים מהמקורות השונים. 

🪄🪄🪄🪄🪄🪄🪄🪄🪄🪄

לצורך הניתוח והדיווח הפעלנו את פתרון ה-Power BI של מיקרוסופט. יצרנו תהליך אוטומטי של דשבורדים BI אינטראקטיביים ודינמיים למעקב על נקודות קריטיות כמו

 ✔️ מצב המלאי בחנויות השונות,

 ✔️ דפוסי מכירות היסטוריים, 

✔️ תיעודים של עובדים, 

✔️ מגמות עונתיות ועוד.

במקביל, הטמענו מודלים של למידת מכונה מבוססי Azure Machine Learning לצורך חיזוי דפוסי ביקוש ומכירות עתידיים.

המודלים עברו תהליכי התאמה והטמעה באמצעות נתוני העבר וההיסטוריה מהמאגר המרכזי. הם כללו מגוון רחב של אלגוריתמים, כולל רגרסיות, עצי החלטה, רשתות נוירונים ועוד.

החיזויים שחולצו ממודלי הלמידה עוגנו ישירות לתוך הדשבורדים של Power BI.

כך יכלו מנהלי הרשת לצפות לא רק בנתוני העבר, אלא גם בתחזיות עתידיות מפורטות ברמת הסניף והמוצר הבודד ! 👏🏼

חיזוי מכירות, צפי ביקושים, התראות לחוסרים או עודפים צפויים ועוד. 

זה אפשר לנו לספק למנהלי הרשת תמונה עשירה ורב-ממדית לראשונה,

שכללה לא רק מצב קיים אלא גם חיזוי והערכות עתידיות מבוססות נתונים וממוחשבות.

התובנות שחולצו מהנתונים גרמו למהפכה אמיתית בתפיסת ניהול המלאי ברשת.

למנהלים היו סוף סוף הכלים לקבל החלטות מבוססות על עובדות ולא על תחושות בטן. תוכניות רכש חדשות והזמנות התקבלו בצורה חכמה ומדויקת יותר. 

בתוך זמן קצר התוצאות דיברו בעד עצמן - ירידה דרסטית במלאי העודף, לצד גידול של 15% בהכנסות מחנויות שבהן המלאי תמיד היה בחוסר. כל זאת הודות לשילוב 

של אנליטיקה עם מחשבה אנושית 

אני קורא לזה ✨Artificial Intuition✨

לא לדאוג בהקדם אקדיש פוסט שלם להגדרה החדשה הזו 

מעוניינים ללמוד עוד איך ניתוח נתונים חכם ומשולב יכול לפתור בעיות עסקיות משמעותיות ולהוביל לתוצאות חיוביות עבור הארגון שלכם?

צרו איתנו קשר!

#BI #DataDriven #RetailSuccess

פורסם במקור ב

https://www.linkedin.com/posts/nissim-elaluf-bi_bi-datadriven-retailsuccess-activity-7208694952980054016-IKc1/?utm_source=share&utm_medium=member_desktop