Datagestuurd in plaats van op onderbuikgevoel: hoe AI-prognoses voedselverspilling en omzetverlies verminderen

Twee kanten van hetzelfde probleem

Bij ultraverse levensmiddelen wordt er elke dag veel gepland, en vaak wordt een deel daarvan niet verkocht. Afschrijvingen, retouren en overproductie zijn voor veel bakkerijen, retailers en horecabedrijven aan de orde van de dag. Hoeveel daarvan had voorkomen kunnen worden?

De cijfers laten zien hoe groot het probleem is. Wereldwijd wordt er elk jaar voor ongeveer 400 miljard euro aan voedsel weggegooid. Tegelijkertijd gaat er ongeveer 1 biljoen euro aan omzet verloren omdat producten te vroeg uitverkocht zijn. Beide verliezen hebben dezelfde oorzaak: een onnauwkeurige volumebepaling.

Het verraderlijke is dat beide verliezen op een andere manier zichtbaar zijn. Overproductie zie je terug in de balans. Ontbrekende voorraad zie je daarentegen helemaal niet, omdat deze verdwijnt als gemiste omzet.

Waarom ervaring alleen niet genoeg is

"Dat doen we al jaren zo." Deze zin hoor je vaak, en toch klopt de hoeveelheid regelmatig niet.

Een voorbeeld uit de praktijk: een bakkerij met bijna 30 filialen, waar elke verkoopmedewerker op basis van eigen gevoel bestelt. Het gevolg is dat producten ofwel te vroeg uitverkocht zijn, of 's avonds moeten worden weggegooid.

Dit is geen uitzondering. Ook in de levensmiddelenhandel en de horeca leiden beslissingen op basis van onderbuikgevoel tot onnauwkeurige bestelhoeveelheden. Ervaring is waardevol, maar loopt tegen grenzen aan zodra er meerdere factoren tegelijkertijd een rol spelen. Een warme dag die samenvalt met het begin van de vakantie, verandert de vraag plotseling. Dat is op basis van gevoel nauwelijks te voorspellen.

Zo werkt de AI van foodforecast

De AI van foodforecast verwerkt historische verkoopgegevens samen met externe invloedsfactoren, en dat allemaal tegelijkertijd, voor elk filiaal en elk artikel:

•      Weer

•      Dag van de week

•      Feestdagen en vakanties

•      Seizoensinvloeden

Daarbij kijkt de AI vooral naar twee periodes: de afgelopen 8 weken en telkens ±4 weken rond dezelfde periode in de afgelopen 2 jaar. Zo herkent het systeem seizoensgebonden patronen net zo nauwkeurig als actuele trends.

Van prognose naar besteladvies

Op basis van deze gegevens berekent de besteloptimalisatie van foodforecast elke dag een verkoopprognose voor elke locatie. Hieruit volgt een concreet besteladvies per artikel, dat is ingedeeld op basis van de individueel instelbare voorraadstrategie. Elke vestiging bepaalt dus zelf hoe belangrijk de beschikbaarheid van producten is, bijvoorbeeld volle schappen tot sluitingstijd of zo min mogelijk derving.

Hiermee is giswerk verleden tijd en is er geen sprake meer van over- of onderproductie. De bestelhoeveelheden zijn betrouwbaar. Bovendien houdt het team meer tijd over voor de essentie: de klant.

Het resultaat in cijfers:

•      tot 11% meer omzet

•      tot 35% minder derving

Minder voedselverspilling betekent ook lagere kosten

Voedselverspilling wordt meestal gezien als een ecologisch thema. Voor onze klanten is het net zo goed een kostenpost. Wie minder voedselverspilling produceert, bespaart op:

•      grondstofkosten

•      personeelskosten, dat anders in onverkochte voorraad zou verdwijnen

•      Energiekosten voor productie en opslag

•      in de detailhandel bovendien Opslagkosten, omdat de bestelprocessen verbeteren

De belangrijkste hefboom bevindt zich aan het begin van de keten, niet aan het einde. Grondstoffen en energie worden pas echt bespaard als voedselverspilling door nauwkeurige afzetprognoses helemaal niet ontstaat. Oplossingen die overschotten hergebruiken zijn zinvol, maar ze halen de middelen die al in de productie zijn gestoken niet terug.

Vooruitblik:

Wilt u weten wat AI-gestuurde prognoses voor uw bedrijf kunnen betekenen? Neem nu contact op! https://meetings-eu1.hubspot.com/philipp-bartholomaios/foodforecast-erstgespraech?uuid=3ea900b5-59c1-4f7e-85da-23e712f533dc

‍