Gå til hovedinnhold

ferskvare-prognoser-bedervelige-ordre-administrasjon

Etterspørselen etter mat og dagligvarer er over alt. Næringsmiddelindustrien har alltid hatt sesongmessige prognoseutfordringer, selv før koronaviruset slo til. Nå er det rent kaos. Spesielt hvis du leverer ferske produkter og lett bedervelige varer.

Sjekk ut disse ubehagelige statistikkene om matsvinn :

  • Den globale kostnaden for matsvinn er nå 2,6 billioner dollar per år!
  • Den amerikanske detaljhandelsnæringen genererer 8 millioner tonn avfall årlig i distribusjonssentre og butikker, eller 18 milliarder dollar i året i tapt verdi for detaljister på grunn av ødeleggelse

Matservering: Det er bom eller byst

Avhengig av om du driver med dagligvarehandelen eller restaurantområdet, er etterspørselen etter matservering høy eller brast – med NEI i mellom.

Kanskje på grunn av Shelter-in-Place, har du en uoppfyllbar fjørfebestilling fra Kroger (høy etterspørsel). Eller på baksiden, råtnende avokadoer i DC fordi fjorårets historie fortalte deg at 18 000 enheter ville selges til en restaurant i første kvartal av 2020...

Det er den samme smaken av problemet: sen, unøyaktig informasjon.

Er det virkelig en måte å forutsi dette på? Eller er ødeleggelse bare et havari av bedervelige produkter du er villig til å leve med?

Foodservice-grossistdistribusjonsbedrifter kan enkelt stabilisere jo-jo-etterspørselen etter restaurant- og dagligvarekunder med maskinlæringsdrevne, bedervelige ordreadministrasjonsløsninger .

Fresh Product Prognostisering er komplisert

Det blåser meg hvor mange selskaper som fortsatt bruker utdaterte prognosemetoder som regneark og til og med lager guttejusterte "beste gjetninger". Disse strategiene kan ikke holde tritt med de unike volatilitetene rundt fersk mat og andre produkter med kort holdbarhet.

Av de største lovbryterne:

  • Strenge sporbarhetskrav
  • Uregelmessige kjøpsvaner for forbrukere
  • Lange eller varierende leveringstider
  • Sesongvariasjoner, høytider og værhendelser
  • Kampanjer og nye varer
  • Bredere sortiment inkludert "ultrafriske" varer med ikke mer enn 1-2 dagers holdbarhet
  • Regionale etterspørselsavvik

Maskinlæring i påfyll av fersk mat

Stikkordet her er ferskt.

Ferske produkter står for opptil 40 % av dagligvareinntektene og en tredjedel av varekostnadene. Så JA… å få det riktig er viktig.

Bedrifter har stor suksess med bedervelige ordrestyringsløsninger. Disse løsningene er drevet av maskinlæring og hjelper foodservice-bedrifter med å beregne de vanskelige avveiningene når de bestiller påfyll av ferske matvarer: Kjøp for mye og tap av ødeleggelse, eller kjøp for lite og tap av salg og tapte kunder.

Forgjengelige ordreadministrasjonsløsninger eliminerer kostbar risiko ved å samle inn, analysere og justere store datasett fra en lang rekke kilder, uten å kaste ekstra ansatte på problemet. Disse systemene ser ikke bare på historiske data, men sanntidsparametere – med muligheten til å justere på farten og bli smartere med hver beregning.

Maskinlæring forteller påfyllingssystemet de optimale prognoseanbefalingene på tvers av et svært detaljert nivå (SKU), for hver kanal og hvert sted.

Resultatene er dramatiske

I følge en rapport fra McKinsey & Company,

"Bedrifter som bruker maskinlæringsteknologi for etterfylling har sett reduksjoner på opptil 80 % i utsolgte priser, nedgang på mer enn 10 % i avskrivninger og dager med beholdning på hånden, og bruttomarginøkninger på opptil 9 %."

Lær mer om Fresh Product Forecasting og Perishable Order Management for å stabilisere jo-jo-etterspørselen innen mat og dagligvarer.