Predictive AI bespaart dit bedrijf honderden vierkante meters en tienduizenden euro's

Als er één proces is dat AI beter kan uitvoeren dan de mens, dan is het wel de bevoorrading. Een industrie waarin dat ook essentieel is, is de mode-industrie, een industrie waar ruim twee biljoen dollar in omgaat. Jaarlijks wordt er meer dan 90 miljoen ton textiel verbrand of weggegooid: een vuilniswagen vol nieuwe kleding per seconde. Het is niet alleen vervuilend, maar kost ook nog eens bakken met geld. Dat er zoveel wordt weggegooid, komt mede doordat lang niet alle kleding die in de winkel ligt, wordt verkocht. Als je nou eens kon voorspellen wat de klant gaat kopen... Laat dát nou precies zijn wat Shoeby voor elkaar krijgt met Predictive AI.

'Voorraadmanagement is een grote uitdaging'

Adrie Kappen is Manager Operations bij het Nederlandse kledingmerk Shoeby. ,,We werden helemaal gek van die retourstromen, dus we zijn echt superblij met minder restanten. Voorraadmanagement, zorgen dat de juiste spullen op de juiste plek komen, is een grote uitdaging. Dat komt enerzijds door het veranderde klantengedrag, waarbij klanten steeds op andere momenten kopen. Dat zien we ook terug in hogere restvoorraden, wat weer heel arbeidsintensief is en zorgt voor minder marge. De kracht is om op het juiste moment de juiste voorraad op de juiste plek te krijgen. En dat is waar wij nu AI voor gebruiken."

Wij zagen een sterke terugloop in de restvoorraad: van zeven naar vier procent. Dan praten we over 120.000 stuks minder restvoorraad per jaar

Voorraadmanagement met AI gaf al snel resultaat

,,Om AI in te kunnen zetten om ons voorraadmanagement op orde te brengen, zijn we eerst begonnen met het testen van één productgroep: Tamas T-shirts. In een aantal winkels hebben we voor het voorraadbeheer AI gebruikt en in een aantal winkels niet. We zagen al snel betere resultaten in de winkels waar de voorraad werd bijgehouden door AI. Hierna zijn we van één productgroep naar een hele sector gegaan en hebben we dat vervolgens langzaam uitgebreid. We zijn het wel continu blijven volgen en zagen op alle fronten een betere doorverkoop en een sterke terugloop in de restvoorraad: van zeven naar vier procent. Dan praten we over 120.000 stuks minder restvoorraad per jaar."

Met dit datamodel ging Shoeby aan de slag

Steven Witteveen is Senior Partner bij het Amsterdamse techbedrijf WAIR, dat gespecialiseerd is in het ontwikkelen van AI-systemen en onder andere Shoeby als klant heeft. ,,Zie het gebruik van Predictive AI voor je als een spreadsheet met 3,2 miljard rijen aan data. Dat is door een mens niet te behappen. In het geval van Shoeby hebben we hun dagelijkse data als belangrijke input genomen. Niet alleen productdata, maar ook voorraadinformatie en salestransacties per winkel. Wij stoppen al die data in een pooled datamodel. Dat is gecombineerde data. De data van die retailers is niet openbaar, maar die krijgen wij omdat onze klanten ons vertrouwen. Wij vullen dat aan met bijvoorbeeld weersvoorspellingen en aankomende evenementen zoals een voetbalwedstrijd. Ons model neemt dat allemaal mee om voorspellingen rond de verkoop te doen."

Wij voorspellen hoeveel er verkocht gaat worden en dat vertalen we naar een nieuwe streefvoorraad per week

Door het goed toepassen van AI vraag en aanbod beter op elkaar afstemmen

,,Voordat we AI toepasten werd op basis van de verkoop in elke week de dingen die verkocht werden weer aangevuld, zodat de streefvoorraad steeds hetzelfde bleef. Dat noemen we het statische model. Dus dat betekent dat de verhouding van hoeveel artikelen per maat altijd hetzelfde is. Of in ieder geval wordt aangevuld, zodat het weer diezelfde verhouding heeft. Toen we AI toepasten leidde dat tot een dynamisch model. Wij voorspellen eigenlijk hoeveel er verkocht gaat worden en dat vertalen we naar een nieuwe streefvoorraad per week. Zo kunnen we per winkel niet alleen aangeven welke producten weer op voorraad moeten komen, maar ook in welke maat. Met het oude model zagen we bijvoorbeeld in februari dit jaar bij Shoeby een mismatch in de voorraad van 66.000 stuks, goed voor 2,5 miljoen euro. Dat is het speelveld waarin wij verbeteringen kunnen aanbrengen door het goed toepassen van AI en vraag en aanbod beter op elkaar af te stemmen."

LEES OOK deze expertblog van Job van den Berg (AI.nl): hoe AI-taalmodellen ook jouw data structureren

'Dankzij AI besparen we 1200 vierkante meter magazijnruimte'

,,Ons restantenmagazijn is tegenwoordig halfvol; voor AI was het altijd vol en dan hadden we zelfs nog een tweede ruimte", vertelt Adrie Kappen. ,,We besparen 1.200 vierkante meter magazijnruimte, dat scheelt ons ruim 50.000 euro per jaar. En dat is nog los van de restvoorraad. De impact van AI is voor ons dus heel duidelijk." Steven Witteveen: ,,Als we het opnieuw zouden mogen doen, hadden we eigenlijk nog eerder moeten beginnen met het samenvoegen van al die data van onze verschillende klanten. Het heeft namelijk aangetoond dat we daardoor op een veel hoger niveau qua accuratesse komen. We zijn nu heel goed in het voorspellen en kunnen dat zo'n zeven dagen vooruit doen, maar we zijn ons model al aan het trainen om dit zes weken vooruit te kunnen. Uiteindelijk is ons doel dat we met ons AI-model zes maanden vooruit kunnen plannen, want met zes maanden vooruit hebben we een heel kledingseizoen te pakken. Als we dat kunnen, dan maken we écht impact op de fashionindustrie."

Meer over AI, over technologie? BusinessWise Weekly!

In onze wekelijkse nieuwsbrief vind je het beste van BusinessWise die week, ook over AI, ook over technologie. Abonneer je gratis en blijf altijd op de hoogte.