Presentatie bakkersland big data expo (1)

12
Hein Boersma

Transcript of Presentatie bakkersland big data expo (1)

Page 1: Presentatie bakkersland big data expo (1)

Hein Boersma

Page 2: Presentatie bakkersland big data expo (1)

• Grootste brood en banketbakker van Nederland (65% van de NL supermarkt markt + B).

• 1.600 man werkzaam in 15 grote industriële bakkerijen – de 16e en grootste van Europa wordt nu gebouwd in Aalsmeer

• naast heel veel supermarkt gebak, dagelijks 2 miljoen broden op 50 lijnen.

• Bakkersland innoveert ieder dag en ontwikkelt steeds betere bakkersproducten en processen

Page 3: Presentatie bakkersland big data expo (1)
Page 4: Presentatie bakkersland big data expo (1)

Bakkerijen starten productie vanaf de avond op basis van dagprognose(1.700 verschillende soorten).

Planning verdeelt om 12:00 de dan binnenkomende definitieve EDI klantorders van de 1.300 supermarkten over de bakkerijen.

Dit ‘finaal’-plannen samen met

lijnstoringen zijn stevige verstoorders.

300 grote vrachtwagens rijden vanuit de bakkerijen vanaf 03:00 rechtstreeks (naar elkaar en) naar de 1.400 supermarkten met hun smalle tijdsvensters.

Page 5: Presentatie bakkersland big data expo (1)

• In NL liggen er dagelijks tot 100 duizend broden te veel in de winkel, tegelijkertijd blijven vele 10 duizenden potentiele broodverkopen onbenut.

• Het niet verkochte winkelbrood wordt volgende dag weer opgehaald en gaat grotendeels naar de veevoer industrie.

Heel veel x

Page 6: Presentatie bakkersland big data expo (1)

Deze ontvangt brood net voor opening, bakt meer keer per dag broden af, en vult een paar keer per dag de schappen, stickert PLU brood en

scant derving en verkopen

Teveel dagvers brood over bij winkel-sluit is waste, maar men ziet de kosten niet van herhaald misgrijpen.

Aan het einde van de verkoopdag telt en bestelt de broodafdelingen voor iedere soort van de vele soorten broodartikelen. Hopelijk registreert de winkel dit samen met een van de 3 eventuele uitverkoop-time-slots in

de conventionele Web Order Entry adviesapplicatie

Page 7: Presentatie bakkersland big data expo (1)

• Ruim voor winkel sluit geen brood.• Tevens houdt men van bepaalde broden te veel over.

• Replenishmentsystemen van retailers zijn vaak niet ontwikkeld voor de complexe dagverse artikelen zonder houdbaarheid en dus zonder winkelvoorraad.

• De filiaalhouder stuurt met name op de ‘zichtbare’ KPI van derving.

• Acties, weer, verlof, lokale gebeurtenissen veroorzaken een grillig verloop.

Page 8: Presentatie bakkersland big data expo (1)
Page 9: Presentatie bakkersland big data expo (1)

• Verlaag je eigen mogelijke drempel. Bepaal een potentieel domein en ga gewoon

beginnen met analyses

• Spreek met proces deelnemers van hoog tot laag om snel suspects te vernemen en

dan via analyse invloedfactoren te detecteren en op te nemen in model

• Onderzoek de datakwaliteit, schoon, en automatiseer dit schoningsproces

• Definieer een goede gedragen meetdefinitie van voorspelkwaliteit en corrigeer

fouten tijdig in het model en blijf verbonden met de resultaten in de business

• Gebruik AB testen om versneld te leren / zorg voor voldoende deelnemers

• Verbeter het zelflerende systeem continu met nieuwe data en optimaliseer met

nieuw ontdekte invloedfactoren

• Bepaal de eventuele mogelijkheden voor nieuwe business ops en pricing models

Page 10: Presentatie bakkersland big data expo (1)

• Broodbestelrobot blijvend optimaliseren

• Product en proces kwaliteit. Productieprocesparameters meten en komen tot

perfecte set van voor-ingeregelde procesinstellingen om hogere en

constantere productkwaliteit te realiseren met minder verstoring in proces.

Page 11: Presentatie bakkersland big data expo (1)
Page 12: Presentatie bakkersland big data expo (1)

Hein Boersma

[email protected]

06 – 22 90 24 28