For en bakerikjede som driver flere dusin salgssteder, produserte arbeidet med MAWEB en 58 % færre returer (til bokpriser) ved siden av en 10 % høyere omsetning. Den kombinasjonen betyr noe, for i denne bransjen er den enkleste måten å kutte returer å produsere og levere mindre – noe som vanligvis ender i tomme hyller og fallende salg. Her holdt ikke omsetningen bare; den vokste, noe som viser at modellen traff reell etterspørsel i stedet for bare å trimme leveranser.
Utover reduksjonen i returer, peker klienten på en annen fordel med arbeidet: salgsdataene deres ble satt i orden. Tall fra individuelle salgssteder, tidligere spredte og inkonsekvente, ble samlet og ble et grunnlag for å styre hele kjeden — ikke bare for prognoser.
Klienten
En bakerikjede som opererer på flere dusin salgssteder. Før implementeringen hviler produksjons- og leveringsplanlegging på erfaringen til ansatte ved hvert enkelt utsalgssted, som i den skalaen ga inkonsistens mellom lokasjoner og vanskeliggjorde sentralisert lagerstyring.
Servicepakke
Demand Prediction – en AI-modell som forutsier salg for individuelle utsalgssteder og produkter, og støtter beslutninger om produksjon og leveringsvolum.
Mål
- Redusere returer og tap fra overproduksjon uten å svekke varetilgjengeligheten i butikkene.
- Beholde eller øke omsetningen – færre returer skulle ikke gi lavere salg.
- Samle og organiser salgsdata fra alle utsalgssteder som grunnlag for bedre styring av kjeden.
Målemetode: en sammenligning av returer til bokført verdi og omsetning før og etter innføringen av prognosemodellen.
Leveranse
MAWEB samlet inn og organiserte kundens historiske salgsdata fra hvert salgssted — salg, leveranser, returer og de eksterne faktorene som beveger etterspørselen (kalender, ukedager, helligdager blant dem). På dette grunnlaget bygde vi en prediktiv modell som anslår salg separat for hvert utsalgssted og hvert produkt, og genererer daglige anbefalinger for produksjons- og leveringsvolumer.
Et nøkkelelement i modellen var sikkerhetstiltakene som begrenser risikoen for at optimalisering av returer ville redusere produkttilgjengelighet og omsetning – modellen kutter ikke leveranser mekanisk, den matcher dem til etterspørselen som forventes på det bestemte stedet.
Ved siden av implementeringen ble data fra de enkelte utsalgsstedene – tidligere holdt forskjellig avhengig av lokasjonen – samlet til et felles format. Uavhengig av selve prognosene ga det kunden et sammenhengende bilde av salget over hele kjeden, som de også bruker til daglig ledelse.
Resultater
- 58 % færre returer (til bokpriser, mot perioden før implementering).
- Omsetning opp 10 % samme periode – færre returer førte ikke til lavere salg.
- Salgsdata organisert på tvers av kjeden – utpekt av klienten som en ekstra fordel ved arbeidet, som går utover selve forutsigelsen og støtter bedre ledelse av virksomheten.