Så mäter vi Sweet 1.3, AI:n för lagerhantering i Sway One
Innan vi levererade Sweet 1.3 spelade vi om åtta butiker över ett års försäljning: prognoser, restningar, lagerkostnad och beslut, mätt före och efter.
En AI för lagerhantering ska bedömas på försäljning som den aldrig har sett. För att kunna släppa Sweet 1.3 byggde vi en testbänk som spelar upp det förflutna och jämför varje prognos och varje beslut med det som faktiskt såldes efteråt.
Testbänken i korthet
| Steg | Vad vi gör |
|---|---|
| 1. Butiker | 8 demobutiker, över 23 000 artiklar, ett års försäljning |
| 2. Snitt | 4 datum, från maj till augusti: modellen ser bara det förflutna |
| 3. Prognos | Jämförd med de följande 28 dagarna: intervall, fel, täckning |
| 4. Påfyllning | Simulerad vid 90 % servicenivå: lagerbrist, förlorad marginal, lagerkostnad |
| 5. Beslut | Varje avfärdad åtgärd bedöms på nytt utifrån sin verkliga vinst |
Butikerna täcker herr- och damkläder, outdoor, löpning, ridsport, tennis och padel, ett barnvarumärke och ett textilvarumärke. Katalogerna kommer från riktiga butiker; försäljningen är simulerad och identisk vid varje körning, så att två versioner kan jämföras på lika villkor.
Från Sweet 1.1 till Sweet 1.3
Sweet är den AI-familj som driver Sway One: Echo för dagens lägesbild, Flow för löpande produktion, Horizon för lagerprognoser, Orbit för den fullständiga analysen och Reserve för förbeställningar.
Sweet 1.3 lägger till tre noder:
- Horizon, som låter den statistiska modellen tävla mot en prognos dag för dag, produkt för produkt;
- Sweet Instinct, som väger dessa prognoser mot varandra och plockar tillbaka bra åtgärder som filtren hade avfärdat;
- en sammanfattning av branschnyheterna, med källor, för att testa hypoteser om efterfrågan.
Varje butik har sina egna inställningar, i sin konfiguration.
Resultaten finns i två artiklar: Horizon, lagerprognosen produkt för produkt och Sweet Instinct.
Vanliga frågor
Varför demobutiker?
För att jämföra två versioner måste exakt samma försäljning spelas upp, utan att röra en kunds data. Hos er gör vi om mätningen på er egen historik.
Vad mäter vi främst?
Den verkliga kostnaden för handlaren: försäljning som går förlorad vid lagerbrist och pengar som ligger bundna i lager. En mer exakt prognos har bara värde om den förbättrar de två siffrorna.