Big_Data_Expo_sept_2023_-_AH.pptx.pdf

Transcript

1. AI in retail: hoe Albert Heijn data en AI inzet om voedselverspilling te reduceren
2. Jeroen Edeling Director Data Science & Analytics Commerce Noortje van Genugten Director Data Science & Analytics Operations
3. Voedselverspilling
4. ? van al het voedsel wordt verspild
5. 1/3 van al het voedsel wordt verspild
6. 1/3 1/3 van al het voedsel wordt verspild van alle CO2 uitstoot wordt veroorzaakt door voedsel productie
7. 1/3 1/3 van al het voedsel wordt verspild van alle CO2 uitstoot wordt veroorzaakt door voedsel productie X = 1/9 Onnodige CO2 uitstoot
8. Bron: samentegenvoedselverspilling.nl Als we wereldwijd geen voedsel zouden verspillen… 1,4 mld hectare land 250 km3 water voldoende voedsel voor 1,26 mld mensen
9. ? Voedselverspilling in Nederland
10. 2.000.000.000 kg Bron: samentegenvoedselverspilling.nl Voedselverspilling in Nederland
11. Bron: Eurostat, 2020 (NL data) PRIMAIRE INDUSTRIE VERWERKERS RETAIL/HORECA CONSUMENTEN Waar wordt het meeste verspild? Oorzaak voedselverspilling
12. Bron: Eurostat, 2020 (NL data) PRIMAIRE INDUSTRIE VERWERKERS RETAIL/HORECA CONSUMENTEN 17% 37% 10% 36% Oorzaak voedselverspilling
13. Welk assortiment in welke winkel? Hoeveel brengen we iedere dag naar iedere winkel? Hoe gaan we om met teveel voorraad? De 3 dagelijkse retail beslissing die voedselverspilling beïnvloeden 1 2 3
14. Welk assortiment in welke winkel? Hoeveel brengen we iedere dag naar iedere winkel? Hoe gaan we om met teveel voorraad? We ontwikkelen data producten om iedere beslissing te optimaliseren 1 2 3 Smart Assortment Tactics Winkelspecifieke planogrammen ML Forecasting Slimmere order algorithms Bakplan Dynamisch afprijzen %
15. Het ecosysteem is in verandering COMPLEXER INTEGRALER SNELLER PERSOONLIJKER
16. Strategisch Tactisch (SAT) Operationeel AH strategie Targets Categorie strategie M&S “pool assortiment” Floorplannin g Inzicht in performanc e vs target Prioriteiten bepalen Optimalisati e & scenario’s Trade-offs inzichtelijk & beslissen Trigger & track acties & impact Maak schetsen BE aanpassinge n Overige aanpassinge n Winkel-aanp assingen Automatisch waar het kan Finetune “guardrails” Smart Assortment Tactics
17. Voorbeeld optimalisatie
18. Dynamisch afprijzen Hoe dichter bij sluitingstijd, hoe hoger de korting
19. Minder voedselverspilling op bijna overcode artikelen Voor
20. Na Minder voedselverspilling op bijna overcode artikelen
21. Onze uitdaging Beschikbaarheid Voedselverspillin g
22. Onze uitdaging
23. Experimenteren de sleutel van succes 4 pilots 3 modelle n 2-8 assortiment groepen
24. Model 1: LightGBM Iedere 15 min voorspelling slimste beslissing Voorspel max verkocht 1 Kans op verkoop zonder korting Houdbaarheidsdatum Voorspelde klant vraag Artikel kenmerken Voorraad
25. Model 1: LightGBM Iedere 15 min voorspelling slimste beslissing Voorspel max verkocht 1 Bereken KPI 2 Voorraad Kans op verkoop zonder korting Artikel kenmerken Houdbaarheidsdatum Voorspelde klant vraag
26. Model 1: LightGBM Iedere 15 min voorspelling slimste beslissing Voorspel max verkocht 1 Bereken KPI 2 Parameter voedselverspilling 3 Kans op verkoop zonder korting Houdbaarheidsdatum Voorspelde klant vraag Artikel kenmerken Voorraad
27. Model 1: LightGBM Resultaat
28. Controle groepen 1 Model 2: Rule Based Model Een stap terug
29. Controle groepen 1 Drempelwaardes obv % verkocht 2 Model 2: Rule Based Model Een stap terug Verkoopkans 25% <0.3 Verhogen naar 40%
30. Controle groepen 1 Drempelwaardes obv % verkocht 2 Aanpassing voor voorraad 3 Model 2: Rule Based Model Een stap terug Verkoopkans 25% <0.3 Verhogen naar 40% Voorraad/ vraag >2 Uur eerder omhoog
31. Model 2: Rule Based Model Resultaat 250 ton minder voedselverspillin g in 2023
32. Model 2: Rule Based Model Maar ook niet helemaal blij Niet zo’n slim model
33. Definiëren reward functie 1 Model 3: Reinforcement Learning Work in progress
34. Definiëren reward functie 1 Model met least explored states 2 Model 3: Reinforcement Learning Work in progress
35. Definiëren reward functie 1 Model met least explored states 2 Toevoegen features / hoe retrainen 3 Model 3: Reinforcement Learning Work in progress Voorraad Voorspelde klant vraag Artikel kenmerken Houdbaarheidsdatum
36. Lessons learned
37. Vragen?