Sådan måler vi Sweet 1.3, AI'en til lagerstyring i Sway One
Før Sweet 1.3 blev udgivet, genspillede vi otte butikker over et års salg: prognoser, lagermangel, lageromkostninger og beslutninger, målt før og efter.
En AI til lagerstyring skal bedømmes på salg, den aldrig har set. For at kunne udgive Sweet 1.3 byggede vi en testbænk, der genspiller fortiden og sammenligner hver prognose og hver beslutning med det, der faktisk blev solgt bagefter.
Testbænken i overblik
| Trin | Hvad vi gør |
|---|---|
| 1. Butikker | 8 demobutikker, over 23.000 varenumre, et års salg |
| 2. Skæring | 4 datoer, fra maj til august: modellen ser kun fortiden |
| 3. Prognose | Sammenlignet med de efterfølgende 28 dage: interval, fejl, dækning |
| 4. Genopfyldning | Simuleret ved 90 % servicegrad: lagermangel, tabt avance, lageromkostninger |
| 5. Beslutninger | Hver fravalgt handling bedømmes igen på sin reelle gevinst |
Butikkerne dækker herre- og dametøj, outdoor, løb, rideudstyr, tennis og padel, et børnemærke og et tekstilmærke. Deres kataloger stammer fra rigtige butikker; deres salg er simuleret og identisk ved hver kørsel, så to versioner kan sammenlignes på lige vilkår.
Fra Sweet 1.1 til Sweet 1.3
Sweet er den AI-familie, der driver Sway One: Echo til dagens status, Flow til løbende produktion, Horizon til lagerprognoser, Orbit til den fulde analyse og Reserve til forudbestillinger.
Sweet 1.3 tilføjer tre knudepunkter:
- Horizon, som lader den statistiske model konkurrere mod en prognose dag for dag, produkt for produkt;
- Sweet Instinct, som afgør mellem disse prognoser og fisker de gode handlinger op igen, som filtrene havde fravalgt;
- et nyhedsresumé for branchen, med kilder, til at teste hypoteser om efterspørgslen.
Hver butik har sine egne indstillinger, i sin konfiguration.
Resultaterne står i to artikler: Horizon, lagerprognosen produkt for produkt og Sweet Instinct.
Ofte stillede spørgsmål
Hvorfor demobutikker?
For at sammenligne to versioner skal præcis det samme salg genspilles, uden at røre en kundes data. Hos jer gentager vi målingen på jeres egen historik.
Hvad måler vi først og fremmest?
Den reelle omkostning for forhandleren: salg, der går tabt ved lagermangel, og penge, der ligger bundet i lager. En mere præcis prognose har kun værdi, hvis den forbedrer de to tal.