7 minut zamiast 2 godzin. Bricomarché automatyzuje zatowarowanie sklepów z Occubee – podsumowanie etapu Proof of Value
- Klient:
- Bricomarché (MGI Polska sp. z o.o.)
- Okres współpracy:
- styczeń 2025 – nadal
- Branża:
- home & decor
Bricomarché to sieć marketów budowlanych oferujących wyposażenie do domu i ogrodu. Należy do Grupy Muszkieterów, która jest największym europejskim zrzeszeniem niezależnych przedsiębiorców. Asortyment marketów Bricomarché stanowią materiały budowlane i wykończeniowe, w tym stolarka drzwiowa, meble, oświetlenie, dekoracje i artykuły ogrodowe. Sieć realizuje sprzedaż w ponad 200 sklepach stacjonarnych i w sklepie online.
Wprowadzenie
Dotychczasowe rozwiązanie wspierające proces decyzyjny przy tworzeniu zamówień w sklepach nie spełniało oczekiwań, w związku z czym polska centrala firmy poszukiwała systemu do optymalizacji zatowarowania sklepów franczyzowych. Celem było zapewnienie odpowiedniej dostępności produktów poprzez redukcję out-of-stocków i overstocków, a dzięki temu zwiększenie sprzedaży. Dążono także do przyspieszenia rotacji zapasów, co miało umożliwiać efektywniejsze wykorzystywanie kapitału. Istotnym usprawnieniem miała być automatyzacja procesów replenishmentu, w tym składania zamówień.
Po analizie dostępnych rozwiązań nawiązano współpracę z Occubee. Projekt wdrożenia modułu Replenishment rozpoczął się od etapu Proof of Value (PoV). Celem tej fazy współpracy było dostarczenie wartości biznesowej w możliwie najkrótszym czasie.
To wstęp do właściwego rolloutu, który pozwolił:
- 1. wprowadzić do systemu dane Klienta – w tym informacje o produktach, sklepach, magazynach – i odpowiednio skonfigurować kluczowe parametry (np. minimum/ optimum /maksimum pojemności sekcji sklepowej),
- 2. dopasować procesy zdefiniowane w Occubee – w zakresie prognozowania sprzedaży, generowania zapotrzebowań sklepowych i zamówień do magazynu – do specyfiki biznesu Klienta,
- 3. szybko ocenić działanie systemu i jego potencjalny wpływ na biznes, na podstawie faktycznie generowanych wyników, opartych na rzeczywistych danych.
W ramach Proof of Value (PoV) skoncentrowano się na jednej kategorii produktowej. Jednocześnie wytypowanych zostało 8 sklepów o różnej charakterystyce, dla których system generował zamówienia na produkty z wybranej kategorii. Taka próbka towaro-lokalizacji spośród całego asortymentu i wszystkich sklepów Bricomarché pozwoliła zidentyfikować konkretne wyzwania operacyjne i pokazać możliwości, jakie daje Occubee.
Przebieg Proof of Value
Na podstawie danych historycznych dostarczonych przez Klienta, zespół Occubee przeanalizował sprzedaż artykułów we wszystkich sklepach Bricomarché. Z analizy tej wyłoniły się dwie cechy charakterystyczne: sprzedaż rzadka oraz sezonowość.
Większość produktów z wybranej kategorii sprzedawała się sporadycznie, średnio raz na 4 tygodnie. Dane odzwierciedliły także działanie reguły Pareto – w tym przypadku ok. 10% kombinacji produkt-sklep odpowiadało za ok. 60% sprzedaży liczonej w sztukach sprzedanych produktów. Ponadto, wolumen sprzedaży różnił się istotnie w zależności od pory roku.
Skala sporadycznych transakcji pozwalała sądzić, że prognozowanie z pomocą modelu uczenia maszynowego (ang. Machine Learning, ML) będzie utrudnione, ponieważ w przypadku sprzedaży rzadkiej często nie ma przesłanek pomagających wytypować, w którym konkretnie tygodniu produkt się sprzeda. Specjaliści Data Science z Occubee zmierzyli się jednak z tym wyzwaniem. Przygotowali model ML, który wyliczał prognozy tygodniowe na 5 tygodni do przodu. Mimo że prognozy na etapie Proof of Value były generowane dla 8 sklepów, to model był trenowany na danych ze wszystkich sklepów w sieci. Oznacza to, że analizował ok. 400 000 towaro-lokalizacji (SKU-PoS).
Model uwzględniał szereg informacji, w tym dane sprzedażowe (historyczne i bieżące), zmienne kalendarzowe (m.in. pory roku, święta i dni specjalne), atrybuty produktowe oraz promocje marketingowe. Te ostatnie dostarczały wiedzy na przykład o tym, w jakim okresie czasu będą emitowane reklamy telewizyjne marki, jakie produkty zostaną w nich pokazane i w których sklepach te produkty będą dostępne.
Pomimo sprzedaży rzadkiej, charakterystycznej dla większości analizowanych artykułów, przygotowany przez nas model uczenia maszynowego wykrywa sezonowość i generuje zadowalające prognozy. Kiedy porównaliśmy wyniki obliczane za pomocą średnich ruchomych o różnych zakresach okna czasowego z wynikami modelu, okazało się że miary dokładności MAE i RMSE, czyli średni błąd bezwzględny i błąd średniokwadratowy, są o ok. 20% lepsze na korzyść modelu machine learningowego
– mówi Adrian Brodowicz, Senior Data Scientist w Occubee S.A.
Na podstawie prognoz sprzedaży system wyliczał zapotrzebowania sklepowe, a następnie generował zamówienia. Zamówienia te były tworzone codziennie, dla ok. 10 000 aktywnych SKU w 8 sklepach. W skali tygodnia do Bricomarché trafiało średnio ok. 4000 zamówień, po ok. 500 dla każdego marketu.
Osiągnięte korzyści i plany dalszej współpracy
Automatyzacja zamówień okazała się game changerem. Eksperci Bricomarché porównali czas potrzebny do wykonania zamówień na objęte testem produkty – bez Occubee i ze wsparciem systemu. Ręczne zamówienia pochłaniały ok. 2-3 godzin pracy, podczas gdy weryfikacja wyników generowanych przez Occubee zajmowała od 7 do 15 minut. Wnioski są jednoznaczne: skrócenie czasu tworzenia zamówień o średnio 90-95% to przełom na poziomie operacyjnym. A mowa tu tylko o jednej spośród ok. 100 kategorii produktowych, więc potencjał do optymalizacji jest ogromny.
Wnioski z Proof of Value dla Bricomarché potwierdziły szereg możliwości w zakresie optymalizacji zapasów sklepowych – w oparciu o automatyzację oraz wyniki działania zaawansowanych algorytmów sztucznej inteligencji i uczenia maszynowego. Odkryty w ten sposób potencjał zostanie zagospodarowany poprzez kompleksowe wdrożenie modułu Replenishment w ramach systemu Occubee. W pierwszej kolejności kluczowe będzie powielenie osiągniętych efektów dla innych kategorii produktowych. Natomiast kolejne kroki będą zmierzały do jeszcze głębszej optymalizacji biznesowej – zredukowania overstocków, przyspieszenia rotacji najlepiej sprzedających się produktów oraz uwolnienia kapitału z zapasów.
Sięganie po nowoczesne, wykorzystujące AI, rozwiązania wpisuje się w strategię Bricomarché. Współpraca z Occubee w zakresie zatowarowania sklepów jest jej konsekwencją. Już na etapie Proof of Value widzimy wymierne efekty. Potwierdzają to opinie naszych właścicieli sklepów, którzy z pełnym zaangażowaniem dołączyli do testu. W krótkim czasie zobaczyliśmy, jakie korzyści możemy osiągnąć w zakresie automatyzacji i optymalizacji procesów. Chcemy skalować wypracowane rozwiązanie na kolejne kategorie produktowe i sklepy. Liczę na to, że to dopiero początek bardzo owocnej współpracy
– mówi Magdalena Wiśniewska, Dyrektor Pionu Wdrażania Innowacji w MGI Polska Sp. z o.o.
