Soluzione

Miglioramento delle previsioni di vendita per linea di prodotto e area geografica attraverso l’analisi dei processi di forecast attuali (automatici e manuali) e lo sviluppo di algoritmi “ad hoc” in Python / R.

Benefici

Riduzione del tempo per una previsione. Più reattività ai cambiamenti esterni. Riduzione dell’indisponibilità/eccedenza delle scorte. Miglioramento dell’11,6% in media degli errori di previsione nell’area logistica e produttiva.

Il Cliente ha intrapreso da diversi anni un processo di previsione della domanda di vendita dei propri prodotti per migliorare la programmazione produttiva, ottimizzare i tempi di consegna al punto vendita e i relativi costi logistici e ridurre l’indisponibilità o eccedenza delle scorte a magazzino. Tale processo è stato condotto principalmente da due differenti gruppi di lavoro interni, rispettivamente per l’introduzione di nuovi prodotti (NPI) e la gestione ottimale dei prodotti preesistenti.

In questo contesto, il contributo di Abstract ha consentito al Cliente di potenziare il proprio precedente mix di prodotti di mercato e soluzioni interne sviluppate “ad hoc” (e.g. Metodo Delphi) con la positiva implementazione di nuovi scenari predittivi ottenuti attraverso lo sviluppo di algoritmi di Machine Learning personalizzati rispetto alle particolari esigenze espresse dalla Supply Chain del cliente. Si è inoltre garantita la scalabilità funzionale e dei volumi unendo alle soluzioni specifiche indicazioni di contesto tecnologico.

L’approccio di Abstract ha messo a disposizione del Cliente un team di Data Scientist e informatici specializzati grazie ai quali si sono raggiunti miglioramenti di tempi e costi sui 16 indicatori di riferimento in area logistica e produzione.

Statements

“Questo progetto ha risposto alle necessità cliente e molto rafforzato le nostre relazioni con importanti istituzioni in area Data Science.”E. Di Nicola Carena, Applied Data Science Leader - Abstract

RIFERIMENTI ABSTRACT

Direzione Go-to-market & Alliance 
+39 02 72 00 70 47 | gotomarket@abstract.it