Ekomenu Foodtech & AI
Van globale schattingen naar een zelflerende inkoopprognose.
Bekijk de live website
Drie weken vooruit. Steeds dichter bij de waarheid.
Voor Ekomenu ontwikkelde PNKX een prognosetool op basis van Python en machine learning. De tool voorspelt welke menukeuzes klanten over drie weken doorgeven en vertaalt dat naar een zo efficiënt mogelijke inkoop.
Het vertrekpunt
Ekomenu koopt drie weken vooruit in, voor bestellingen die op dat moment nog niet binnen zijn. Tot nu toe gebeurde dat op basis van globale schattingen. Die zaten geregeld te ver naast de werkelijke vraag, met te veel of juist te weinig inkoop als gevolg.
60%
nauwkeurigere voorspellingen dan voorheen
100+
soorten datapunten per voorspelling
3 weken
vooruit voorspeld, op tijd voor de inkoop
Elke week
opnieuw getraind op de nieuwste resultaten
Data, voorspelling en inkoop in samenhang.
Vier onderdelen maken van losse datapunten een betrouwbare inkoopprognose.
Data De basis
Meer dan 100 soorten datapunten.
Profielen De klant
Anonieme klantprofielen en hun keuzes.
Prognose De vraag
Menukeuzes drie weken vooruit voorspellen.
Inkoop Het resultaat
Efficiënt inkopen op de verwachte vraag.
De disciplines achter Ekomenu.
Deze diensten maken deel uit van onze bijdrage aan dit project.
04afgenomen disciplinesAI & Machine Learning
Het voorspelmodel in Python, van de selectie uit meer dan 100 soorten datapunten tot de klantprofielen en de wekelijkse hertraining.
Back-end
De datapijplijn achter de tool: gegevens verzamelen, voorbereiden en de prognose omzetten naar bruikbare inkoopcijfers.
Delivery Lead
Regie over de planning en de afstemming tussen het inkoopteam van Ekomenu, de datavraagstukken en de technische realisatie.
QA
Voorspellingen toetsen aan de werkelijke bestellingen, zodat elke verbetering meetbaar is.
Van datapunt naar inkooporder.
Meer dan 100 signalen. Eén voorspelling.
Waar eerst een globale schatting de basis was, kijkt de prognosetool nu naar meer dan honderd soorten datapunten. Samen geven ze een veel scherper beeld van wat er over drie weken besteld gaat worden.
- Python
- Machine learning
- Datapijplijn
Anonieme profielen. Herkenbare patronen.
Op basis van die data maakt het model anonieme klantprofielen. Daarmee voorspelt de tool welke menukeuzes klanten waarschijnlijk doorgeven, zonder dat individuele klanten in beeld komen.
- Klantprofielen
- Anonimisering
- Voorspelmodel
Inkopen op wat er echt komt.
De voorspelde menukeuzes worden vertaald naar een inkoopprognose. Zo koopt Ekomenu drie weken vooruit zo efficiënt mogelijk in op de verwachte vraag. De voorspellingen zijn nu al 60% nauwkeuriger dan voorheen.
- Inkoopprognose
- Vraagvoorspelling
- Efficiëntie
Elke week een stukje slimmer.
Na iedere prognoseronde legt het model zijn voorspelling naast de werkelijke bestellingen en traint het zichzelf opnieuw. Zo wordt de tool week na week nauwkeuriger en komt de prognose steeds dichter bij de werkelijkheid.
- Zelflerend
- Wekelijkse hertraining
- Doorontwikkeling
Een AI-toepassing met direct effect op de inkoop: minder giswerk, betere voorspellingen en een model dat elke week bijleert.
Ontdek EkomenuEen ander merk. Dezelfde aandacht.
Alle casesPrime Combat TV
De energie van de ring. Een compleet digitaal platform.
