Utilisation de modèles d’IA pour optimiser les stocks les plus vendus

Nous avons créé un nouveau data mart pour consolider plusieurs sources de données, y compris l’ERP, le point de vente, l’inventaire d’entrepôt, les ventes en ligne et les informations sur les programmes de fidélisation, le tout dans un seul référentiel de données unique.

Nous avons implanté IBM Planning Analytics pour rehausser la solution ERP actuelle de notre client. Le résultat a été une solution collaborative de planification, de budgétisation et de prévision avec un algorithme plus sophistiqué pour le réapprovisionnement. La solution améliorée a permis à l’organisation d’interpréter la saisonnalité et les ventes extrêmes avec une interface utilisateur conviviale et une vision à long terme de ses performances commerciaux.

Nous avons utilisé l’outil de métadonnées IBM Cognos Analytics Framework pour charger des données de data mart dans des modèles qui pouvaient ensuite être extraits manuellement vers Excel pour des fournisseurs spécifiques. En automatisant cette tâche et d’autres processus manuels, nous avons permis à détaillant de réduire l’erreur humaine et d’améliorer l’efficacité des frais généraux.

Cette série de solutions sur mesures nous a permis de développer une compréhension approfondie de l’infrastructure, de la culture d’entreprise et des objectifs financiers du client. De plus, notre solution a amélioré la satisfaction de la clientèle.
Le leader canadien nous a demandé conseil sur la façon d’optimiser les inventaires d’entrepôt pour faire face aux problèmes tels que la saisonnalité, l’économie au sens large, l’évolution des préférences des clients, les marges brutes et la disponibilité des produits. Nous avons recommandé l’ajout de l’analyse prédictive, de l’IA et de l’apprentissage automatique pour générer des modèles prédictifs plus précis et obtenir des aperçus sur la façon dont la sélection des inventaires et le comportement des clients contribuent aux ventes.

Nous avons conseillé à l’entreprise de mettre en place une solution d’IA et d’automatisation. Notre stratégie s’est concentrée sur le développement de sept modèles statistiques d’IA en utilisant les données existantes pour créer des prévisions d’inventaire plus précises.

Grâce à l’apprentissage automatique, ces résultats prévoient les conditions jusqu’à 24 mois dans le futur. Nous avons également créé un lien pour faciliter la planification des stocks, la budgétisation et les prévisions, ainsi qu’un lien vers des rapports analytiques avancés.

Nous avons fourni des informations exploitables sur l’analyse du panier de consommation, ce qui a permis aux décideurs de filtrer et de suivre les promotions et les retours. En utilisant l’analyse du panier, nous fournissons des informations en temps réel sur la valeur de produit de l’entreprise, ce qui aide notre client à mieux gérer les ventes globales et à augmenter les marges tout en contrôlant les coûts des stocks.

La fermeture temporaire d’un magasin phare et l’impact sur l’inventaire magasin.
KPI Digital a immédiatement répondu et modifié l’ETL (Extract-Transform-Load) pour prédire un inventaire de produits validé dès la réouverture du magasin. Nous avons créé une interface utilisateur (IU) pour définir le magasin en tant que référence pour alimenter les prévisions de l’IA. Cela permettait de saisir les ventes des différents magasins par classe et sous-classe de produits, en fonction du pourcentage d’ajustements et multiplié par le taux de clients attendus lors de la réouverture du magasin.