Yükleniyor...
Haftalık sipariş dalgalanmaları nedeniyle stok yönetimi ve fire oranları kontrol edilemiyordu.
Geçmiş sipariş verileri, hava durumu ve özel günleri analiz eden yapay zeka tabanlı talep tahmin sistemi geliştirdik.
Fire oranı %40 azaldı
Stok maliyetleri %25 düştü
Müşteri memnuniyeti %35 arttı
İstanbul'da 5 şubesi olan bir restoran zinciri, haftalık sipariş dalgalanmaları nedeniyle ciddi stok yönetimi sorunları yaşıyordu. Bazı haftalar fazla stok fire oluyor, bazı haftalar popüler ürünler tükeniyordu.
Restoranın mevcut stok yönetimi tamamen şube müdürlerinin sezgilerine dayanıyordu. Hava durumu, özel günler, okul tatilleri gibi talebi etkileyen faktörler sistematik olarak hesaba katılmıyordu. Sonuç: fire oranı %22, müşteri şikayetleri artıyor.
Önce 2 yıllık geçmiş sipariş verilerini topladık. Bu verileri hava durumu API'si, resmi tatil takvimi ve bölgesel etkinlik verileriyle birleştirdik.
Geliştirdiğimiz makine öğrenmesi modeli (XGBoost tabanlı), 7 günlük talep tahmini yapıyor. Model her gün güncel verilerle yeniden eğitiliyor.
3 aylık pilot uygulama sonrası:
Fire oranı: %22'den %13'e düştü ( %40 iyileşme)
Stok maliyetleri: Aylık ortalama %25 azaldı
Müşteri memnuniyeti: "Ürün kalmadı" şikayetleri %35 azaldı
ROI: Sistem kendini 4 ayda amorti etti
İşletmenizin potansiyelini ortaya çıkarmak için bugün iletişime geçin.
Hemen Başlayalım