CARREFOUR GROUP Hoe voedselverspilling verminderen in de bakkerij- en patisserieafdeling?

Het zo nauwkeurig mogelijk voorspellen van de vraag is een van de fundamenten van de detailhandel. Deze uitdaging wordt echter steeds complexer naarmate de gewoonten van de consument evolueren. Voortaan moet rekening worden gehouden met het gecombineerde gebruik van verschillende verkoopkanalen (van e-commerce over buurtwinkels tot supermarkten) en de toenemende vraag naar sociale en milieuverantwoordelijkheid. Bovenaan de lijst van MVO-kwesties in verband met de grootdistributie: voedselverspilling.

In Frankrijk is brood na fruit en groenten het meest verspilde product. Brood, gebak en cake zijn verse producten met een zeer beperkte houdbaarheid. Maar het zijn ook producten die voor veel frustratie bij klanten kunnen zorgen als ze aan het eind van de dag niet meer op voorraad zijn. Daarom heeft Carrefour Group, samen met Artefact, geprobeerd om machine learning en data science te gebruiken om de verkoopvoorspelling in de bakkerij-banketafdeling van zijn supermarkten te optimaliseren.

Dit project beantwoordt aan een dubbele doelstelling: voldoende produceren om aan de vraag te voldoen en tegelijk de "schroot", d.w.z. het volume van onverkochte producten, verminderen.

Het succes van deze use case berust met name op de teams die zowel de betrokken "banen" (afdelingsmanagers) als de verschillende technische profielen van Artefact en Carrefour Group omvatten.

In de detailhandel is elke dag anders. De verkoop is sterk afhankelijk van de context: feestdagen, het weer, lopende promoties, merchandisinghoogtepunten, enz. Om rekening te houden met alle variabelen die een invloed hebben op de vraag, moeten we de petabytes aan data kunnen analyseren die worden gegenereerd door de miljarden transacties die elk jaar bij Carrefour worden uitgevoerd, waaraan we externe data moeten toevoegen die de consumptie beïnvloeden. Deze berekeningen zijn alleen mogelijk met Artificial Intelligence.

De teams van Carrefour Group en Artefact zijn dus begonnen met data van de kassabonnen van meer dan 200 supermarkten in Frankrijk. Elke dag wordt deze data verzameld, opgeschoond en verrijkt met externe bronnen - zoals bijvoorbeeld kalender data- om een verkoopgeschiedenis over meerdere jaren op te bouwen. Dit vertegenwoordigt duizenden configuraties voor één dag, afhankelijk van het assortiment, productprijzen, promoties, enz.

Deze data wordt gebruikt om gesuperviseerde machine-learningmodellen te trainen, gebouwd op basis van beslisbomen, die de relaties bepalen tussen de doelvariabele (toekomstige verkoop) voor elk product en de verklarende variabelen (promotie, kannibalisatie, enz.).

Vanuit organisatorisch oogpunt werd het project geleid door multidisciplinaire teams. Twee teams aan de kant van Artefact en Carrefour combineerden technische en zakelijke profielen. De operationele vaardigheden van de detailhandelprofessionals van Carrefour speelden een cruciale rol. Zij waren in staat om hun business en hun behoeften uit te leggen en hun visie over te brengen, om zo het succes en de aanvaarding van de oplossing "in het echte leven" te garanderen.

Zo werden de aanbevelingen van het algoritme eerst getest in proefwinkels, alleen op gebak, om feedback te krijgen van de teams in het veld. Hun opmerkingen werden gebruikt om de modellen te verbeteren, voordat de oplossing werd ingezet voor alle bakkerij- en banketproducten in de supermarkten.

Alle data-gestuurde use cases van Carrefour worden gevoed door een gecentraliseerd platform in de cloud, dat de data toegankelijk, geformatteerd en gedocumenteerd maakt. De resultaten van de verwerking worden vervolgens teruggevoerd naar de informatiesystemen van Carrefour en gedeeld door een groot aantal medewerkers. Verschillende teams, bestaande uit data wetenschappers, data ingenieurs, maar ook data vertalers (spilprofielen, die fungeren als link tussen business en data), zullen deze waarschijnlijk raadplegen, transformeren en verwerken voor specifiek gebruik.

Enkele maanden na de invoering van dit nieuwe voorspellingsmodel zijn de resultaten zeer positief.

In de laatste vijf maanden van 2021 werd zelfs ongeveer 100 ton gebak bespaard. Tegelijkertijd is de verkoop gestegen doordat er minder tekorten zijn aan het eind van de dag.

Ten slotte is de Net Promotor Score, een prestatie-indicator die door Carrefour nauwlettend wordt gevolgd, zeer positief geëvolueerd.

Voor de groep volgen toekomstige experimenten hetzelfde model: inspelen op zakelijke behoeften, samenwerken met operationele teams om de klantervaring te voeden. Deze versnelling van de digitale transformatie van Carrefour werd mogelijk gemaakt door de oprichting van complete en deskundige data teams binnen de organisatie, en de inzet van data platforms in alle landen waar de groep actief is.

Het volume en de rijkdom van data die Carrefour verzamelt, biedt een unieke kans om de belangrijkste uitdagingen voor de retailsector te onderzoeken: omnichannel, e-commerce, anticiperen op consumentengewoonten, enz. Carrefour heeft onlangs andere voorbeelden onthuld van hoe data kan worden gebruikt om de klantervaring te verbeteren: winkelen in vijf minuten op Carrefour.fr, de implementatie van gepersonaliseerde assortimenten voor lokale winkels en de personalisatie van promoties.

Bedankt voor het lezen van ons artikel over "Hoe voedselverspilling verminderen in de bakkerij-pasteurafdeling?"

Vind al onze artikelen in de News Room en al onze data projecten op onze blog.