Voorspellen en plannen
Voorspellen en plannen

Voorraad en inkoop voorspellen met AI

Een voorraadmodel voorspelt wat je de komende weken verkoopt, uit je eigen verkoopgeschiedenis, seizoenen, acties en het weer, en maakt daar een inkoopvoorstel van. Je inkoper beslist, maar begint niet meer bij een lege spreadsheet.

Het handelskantoor van een AGF-importeur boven de loods: de eigenaar aan de telefoon met een prijslijst, sinaasappels beneden op pallets.

Wat het doet

  • De vraag per product en per week voorspellen
  • Een inkoopvoorstel maken, met levertijden en minimale afnames erbij
  • Waarschuwen voor dreigende tekorten en overschotten
  • Laten zien waarom een voorspelling hoger of lager uitvalt
  • Leren van wat er echt verkocht is

Bijvoorbeeld

Een importeur van groente en fruit koopt elke ochtend in op gevoel en ervaring. Een model voorspelt per product wat de klanten deze week afnemen, met het weer en de feestdagen erbij, en zet een voorstel klaar. De inkoper past aan waar hij meer weet, en ziet hoe vaak het model gelijk had.

Hoe het werkt

  1. 01

    Je gegevens bij elkaar

    Verkopen, voorraad, inkopen en levertijden uit je systemen, liefst een paar jaar terug.

  2. 02

    Een model per productgroep

    We testen welke voorspelling het beste werkt op jouw data, van eenvoudige seizoensmodellen tot machine learning.

  3. 03

    Meten tegen nu

    We vergelijken de voorspellingen met wat er echt gebeurde, en met hoe jullie het nu doen.

  4. 04

    Een voorstel in je proces

    Het inkoopvoorstel verschijnt waar je inkoper al werkt, met de uitleg erbij.

Wat je nodig hebt

  • Verkoop- en voorraadgegevens, liefst van meer dan een jaar
  • Levertijden, minimale afnames en houdbaarheid
  • Een inkoper die meekijkt en zegt wat het model mist

Zo begin je

Elke kleine stap telt mee als je doorgaat. Alle instappen.

Het hele traject loopt in de route AI aan het werk zetten.

Vragen

Hoeveel data heb ik nodig?

Liefst een paar jaar verkoopgegevens, zodat seizoenen erin zitten. Met minder kan het ook, maar dan is de voorspelling minder zeker; dat zie je aan de cijfers in de eerste sprint.

Is dit machine learning?

Soms. Voor veel producten werkt een goed seizoensmodel al beter dan gevoel. Machine learning zetten we in waar het aantoonbaar beter voorspelt, en dat meten we.

Beslist het model zelf?

Nee, het doet een voorstel. Je inkoper beslist, en ziet waarom het model tot dat getal komt.

De eigenaar van een horecagroothandel in het gangpad van zijn distributiecentrum, een klembord met een orderbon in zijn hand.

Een halfuur gratis sparren over slimmer inkopen met je eigen cijfers?

Waar loop jij tegenaan in je bedrijf? Wat kan beter? Wat kan sneller? Wat gaat nog met de hand en moet nodig geautomatiseerd worden?

  • Een halfuur sparren over jouw idee, gratis
  • Je weet direct welke route het is, hoeveel weken, en wat het kost
  • Ruwe inschatting over de prijs en het aantal weken
Wat is jouw idee?

„Een Google Maps voor ons magazijn, met filemelding bij stelling 12.”

Distributiecentrum, Waalwijk

Alexander Kaan, zwart-witfoto.

Vertel me je probleem, je geniale idee of stel gewoon wat vragen!

Alexander Kaan, product designer

Mogen we met cookies meten hoe je deze site gebruikt? Meer