SÅ MINSKADE VI SVINNET I BUTIKERNAS BAKE-OFF (MED ÖPPEN DATA!)

Data används för att driva teknik som artificiell intelligens, affärsinsikter och prediktiv analys, precis som olja används för att driva maskiner. Och precis som olja blir mer värdefull när den raffineras, är data också mer värdefull när den bearbetas. Men där tar likheterna slut. För ju mer data som används, desto större värde får den. Om du dessutom kombinerar olika data, så kan magiska insikter skapas som kan öppna upp helt nya världar.

Vad är öppen data?

Öppen data är data som vem som helst kan använda fritt, till i princip vad som helst utan hinder i form av kostnader eller licenser – helt enkelt data som kan nås, användas och distribueras av vem som helst. Öppna data kan vara av olika slag som till exempel finansiell, statistisk, geografisk eller meteorologisk. Öppna data kan skapa möjligheter för innovation, driva intäkter och ekonomisk tillväxt, påskynda utveckling och mycket mer – om den används på ett smart sätt.

Kanelbullar

Var kommer öppen data ifrån?

De vanligaste distributörerna av öppen data är den offentliga sektorn. Sveriges regering har gett Myndigheten för digital förvaltning (Digg) i uppdrag att främja offentliga aktörers förmåga att dela och nyttiggöra data så att den kan frigöras för forskning och innovation. Även i den privata sektorn börjar fler och fler organisationer få upp ögonen för möjligheterna i att använda och dela såväl extern som intern data. 

Öppen data – effektivt för att minska svinn.

För att illustrera tillämpningen av öppen data i praktiken ska vi dela med oss av ett exempel där vi tagit hjälp av öppen data för att minska svinn. I livsmedelsbutiker är butiksbakat bröd (så kallad bake-off) en stor möjliggörare för merförsäljning, men bake-off kan dessvärre också bidra till stora mängder svinn.

I vårt exempel sålde en butikskedja bake-off för 50 miljoner/år och svinnet motsvarade ca 10% av försäljningsandelen. Problemet verkade ligga i att man inte erbjöd det kunden ville köpa, eller i alla fall inte vid rätt tillfälle… 

Det saknades med andra ord en optimeringsmodell för att effektivisera vad som skulle bakas och när på dagen det skulle bakas för att minimera svinnet. Så vi startade ett projekt för att se om vi kunde optimera butiksbakningen med hjälp av dataanalys.

Kunden i fråga hade aldrig kikat på vad som skulle kunna sälja bra utifrån andra parametrar, utan man hade helt enkelt bara slutat baka det som inte gått bra för stunden. För att lösa problemet behövde vi veta vad som spelar roll vid försäljning av bake-off. Vi började med att analysera de stora datamängder som kunden själv besatt och tittade på det man intuitivt tittar på först: 

  • Försäljningsdata från olika dagar och tidpunkter under dygnet
  • Kampanjdata 
  • Cross-promotional sales (tex kaffe på samma kvitto som bake-off, har försäljning av bake-off ökat vid kampanj på kaffe? tex) 
  • Analys av mönster på olika dagar som kanelbullens dag, lön, säsongsvariationer osv. 
fika

För att bättre förstå…

…vad som var viktigt för en specifik livsmedelsbutik adderade vi sedan en stor mängd öppna data. Vi viktade försäljningen mot demografiska data utifrån DeSo-data (Demografiska Statistikområden) i varje enskild butiks upptagningsområde. På så sätt kan man identifiera eventuella mönster bland de boende i området som till exempel:

  • Olika ålder
  • Familjeförhållande
  • Socioekonomisk bakgrund mm

Ett exempel på ett mönster som man letar efter skulle kunna vara äldre som köper bake-off tidigt på morgonen, eller unga som köper fler munkar än kanelbullelängder osv.

Vi viktade även befintliga försäljningsdata mot Googlemaps-api:er för att få mer information om utbudet för övrigt i respektive DeSo-område. Finns det till exempel:

  • Fikaställen i området, caféer och eller restauranger som är högt rankade, det vill säga väldigt populära?
  • Finns det kanske ett väldigt bra café i området? I så fall kanske butiken inte ska sälja bake-off kanelbullar i butiken.
  • Arbetsplatser och skolor – ser man mönster i att det finns arbetsplatser som köper fredagsfika? Skolor som genererar försäljning på lunchraster tex?

Områdets demografi analyserades och jämfördes med butikens egna data för att identifiera eventuella mönster i försäljningen. Dataanalysen skapade på så sätt en förståelse för vad som faktiskt påverkade både mängd och val av bakverk som såldes – och vad som inte påverkade.

Vi byggde sedan en optimeringsmodell som butiken kunde använda för att berätta vad, när och hur man skulle baka under dagen.

Det resulterade också i att kedjan som tidigare alltid bakat hela plåtar av allt, för det är ju så man alltid har gjort, började baka ”blandplåtar” på butikerna, vilket gjort att svinnet har minskat betydligt.

Öppen data, öppna dörrar

Det här är bara ett exempel på hur öppen data och kombinationer av olika data kan användas för att förbättra eller utveckla produkter och tjänster. 

I takt med att mängden öppna data blir större ökar även möjligheterna i det oändliga!

NYHETER. INSIKTER. KÄRLEK.

Elvenite och Lantmännen vinner Årets Affärssystemsprojekt

Elvenite och Lantmännen vinner Årets Affärssystemsprojekt

Elvenite och Lantmännen har tilldelats utmärkelsen för årets affärssystemsprojekt som varje år delas ut på Forum Affärssystem & HR i Göteborg av Herbert Nathan & CO. Projektet som prisats är Lantmännen Agroetanol – Division Energi som med hjälp av Elvenite har implementerat Infor M3.

read more
Varför expertis + domänkunskap + teknik = framgång

Varför expertis + domänkunskap + teknik = framgång

Förr var IT-avdelningens främsta och viktigaste uppgift att se till att skrivaren fungerade. Men med åren har IT-avdelningens roll förändrats. Den snabba utvecklingen av data och teknik har visat att IT har en allt viktigare del i organisationers framgång. IT kan till och med idag ha en central roll i att vägleda företaget till att utvecklas och skapa vinst.

read more