Effectief inkopen is een uitdaging, er wordt al snel te veel of te weinig ijs ingekocht. IJswinkel IJs en Zopie in Utrecht wil hier graag meer grip op krijgen.
IJs en Zopie wordt geleid door een groep studenten die het ijs niet zelf maken, maar tweemaal per week bestellen bij een ijsmeester uit Eindhoven. Het doel is om de vriezer met voorraad optimaal te gebruiken. Is er te weinig ijs op een zomerse dag? Dan lopen de studenten omzet mis. Wordt er te veel ijs besteld? Dan zit de vriezer vol en smelt het ijs. Dat willen de studenten graag voorkomen.
Watson Analytics
Watson Analytics bood een simpele oplossing voor dit probleem. Hoeveel ijs er verkocht wordt heeft natuurlijk met het weer te maken. Daarom zijn de dagomzetten van de afgelopen 3 jaar onder elkaar gezet, met daarnaast alles wat het KNMI bijhoudt over het weer op die betreffende dag. Deze interne en externe data heeft Advanced Programs in Watson geladen voor een analyse. Er zijn verschillende mogelijkheden met Watson Analytics. De functie die voor deze use case het meest interessant bleek, was predictive analysis. Watson Analytics heeft aan de hand van de gegevens een beslissingsboom opgesteld waarmee de dagomzet met 70% nauwkeurigheid kan worden voorspeld!
Boomstructuur van Watson Analytics
De Referentiegewasverdamping
Een predictive analyse uitvoeren is natuurlijk niet uniek, andere Business Intelligence applicaties zijn ook in staat een vergelijkbare beslissingsboom te maken. Watson Analytics onderscheidt zich echter van de rest door zelf te bepalen welke factoren relevant zijn in de beslissingsboom. Uit de analyse voor de ijswinkel bleek dat de Referentiegewasverdamping van Makkink de meest relevante driver is voor de ijsverkoop. Dat lijkt op het eerste gezicht een toevalligheid maar de Refererentiegewasverdamping wordt berekend uit de maximale temperatuur en de zonkracht. Het is dus helemaal niet raar dat er een sterke relatie is met de ijsverkoop.
De resultaten van deze analyse worden nu gebruikt om veel nauwkeuriger ijs in te kopen, waardoor er geen ijs meer verloren gaat en de winkel ook niet zonder ijs komt te zitten. Dit allemaal om ervoor te zorgen dat op de drukste dagen veel ijs op voorraad is en op rustige dagen geen ijs verloren gaat.
