Oplossingen

groei door ai

Onze oplossingen
APEX Data Platform for Category Management

Dit is een h1

Lorem ipsum

Dit is een H2

Lorem ipsum

Dit is een H3

Lorem ipsum

Dit is een H4

Lorem ipsum

Dit is een H5
Lorem ipsum
Dit is een H6

Lorem ipsum

  • Dit is een bullet list
  • Nog een item
  1. Dit is een ordered list
  2. Nog een item
Dis is een afbeelding bijschrift

Bekijk hier onze nieuwe website voor APEX

> APEXdataplatform.com

Nieuwe website APEX
Click the image for our new website

Category Management Assistent in FMCG

Retail verandert sneller dan ooit. Alleen sterke retail formules met professioneel Category Management en de juiste executie zijn in staat om succesvol te groeien. Category Management is het samen laten groeien van de categorie tussen retailer en leverancier. Het is een vakgebied dat berust op data. Door data om te zetten in inzichten kan je als Category Manager de retailer meenemen in jouw strategisch plan om de categorie te laten groeien. Met data onderbouw je jouw visie, op de feiten gebaseerd. Daarmee kom je niet tegenover een retailer te zitten, maar schuif je naast hem aan.

Daarom vinden wij dit vakgebied bijzonder interessant. Inmiddels hebben wij meerdere FMCG bedrijven geholpen om de gigantische hoeveelheden data om te zetten in inzichten, op de meest efficiënte manier. Want dat is nog best lastig en bovenal zeer tijdsintensief. Leveranciers kopen markt(retail)data in bij verschillende bronnen, denk aan Nielsen, Circana maar ook GFK, Roamler, 7Even en SIS data van Albert Heijn. Deze data moet vervolgens worden omgezet in inzichten, want data kopen is niet moeilijk. Maar hier de juiste inzichten uithalen kan best pittig en tijdrovend zijn. Vaak worden er nog verschillende analyses gemaakt in Excel. daarvoor moet eerst de data worden geëxporteerd, ingeladen, gematched met de eigen categorie-definitie van de leverancier om daarna je analyse te kunnen maken. Als laatste wil je hier een presenteerbare strategie van maken met de juiste visuals. Dit hele proces van data harmonizeren uit verschillende bronnen en het omzetten in de juiste inzichten die voor jullie relevant zijn, dat is wat onze tooling (APEX) voor je doet. APEX is de assistent van de Category Manager, die het corvee werk van je overneemt. Minder kopiëren plakken en rommelen met de data en meer tijd voor diepere analyses. Daardoor kan de Category Manager kwalitatievere strategien ontwikkelen en daarmee de categorie laten groeien. Dat is goed voor de retailer én de leverancier. APEX helpt jou als leverancier om Category Captain te worden doordat jij inzichten kan delen van hoge kwaliteit.

Voor de ontwikkeling van APEX maken wij gebruik van verschillende AI technieken. Het matchen van data tussen de verschillende bronnen tot een Single Source of Truth. Het prepareren van standaard dashboard met inzichten. Het herkennen van product(verpakkingen) via foto's. Om uiteindelijk in één overzichtelijke plek de inzichten te kunnen analyseren voor jouw categorie, vanuit verschillende invalshoeken. Wij gebruiken de nieuwste technieken beschikbaar in de wereld van Data Science. Gecombineerd met de kennis van Category Managers door uitgebreid onderzoek ontstaat er een krachtig nieuw platform. Gebruik APEX voor Category Management 2.0, jouw eigen AI gedreven assistent.

Verse producten

Steeds veranderende trends en productinnovaties, variërend per land en zelfs werrelddeel, maken de markt van verse producten een dynamische wereldmarkt. De waardeketen bestaat uit verschillende en soms vele schakels. Hoe dieper in de keten, hoe minder zicht er is op het eindstadium. Zo is het voor een veredelaar lastiger om te voorspellen waar en wanneer zijn Monstera stek wordt verkocht, dan voor de retailer die een stuk dichter bij de consument staat. Om efficiëntie te vergroten vraagt de markt om steeds meer vraag-gestuurde productie in plaats van aanbod-gestuurde productie. Met andere woorden: wat wil de consument? Waar, wanneer en hoeveel? En hoe kunnen we onze productie stroomlijnen om daar het beste op aan te sluiten met zo min mogelijk verspilling?

En daar ligt de uitdaging: vraag-gestuurd produceren met een beperkt inzicht in het eindstadium van een product en de wens van de consument. Data en Artificial Intelligence [AI] spelen een cruciale rol in deze nood om dichter bij de consument te komen. Steeds meer informatie over consument en retailer komen online beschikbaar en dat kan gebruikt worden. Denk aan data over het assortiment, prijzen en reviews. Deze externe data brengt nieuwe inzichten door dit, met behulp van AI, te combineren met bedrijfseigen data.

Bovendien zien we een nieuwe trend: schakels in de keten die kansen zien om ook direct aan de consument te leveren en daarbij schakels overslaan. Om als vroege schakel in de keten, te kunnen aansluiten op dit eindstadium, is retaildata een cruciale bron van informatie voor het maken van beslissingen. AI kan helpen om alle data samen te brengen en jou te ondersteunen in het nemen van deze beslissingen.

Web scraping & product matching

Web scraping is een techniek waarbij, met behulp van algoritmes, data van websites wordt uitgelezen. Hiermee kan er op grote schaal relevante informatie worden opgeslagen. APEX kan daarmee data verrijken door websites van retailers te scrapen. Dit geeft veel inzicht in actuele ontwikkelingen in het schap van de retailer.

Voor een veredelaar is dit bijvoorbeeld informatie over de type producten die in verschillende landen worden aangeboden om nieuwe marktintroducties te doen. Voor een distributeur is dit prijsinformatie om te achterhalen of hij de retailer een beter aanbod kan doen. Voor FMCG leveranciers is dit zeer relevante data als onderdeel van Category Management om samen met de retailer de categorie te laten groeien.

Door de data met eigen productinformatie te combineren kan de koppeling direct worden gelegd met het eigen assortiment.

Om externe data met interne productie-informatie te koppelen wordt een algoritme gebruikt dat een similarity score berekent. Dat is een score die uitdrukt hoe dicht bepaalde woorden tot elkaar gerelateerd zijn. Met behulp van de similarity score kan er gemakkelijk een match worden gevonden tussen dezelfde producten.

Voorbeelden
Digitalisering
Keten verkorting
Vraaggestuurd produceren
Neem contact op
Prijszetting

Dit is een h1

Lorem ipsum

Dit is een H2

Lorem ipsum

Dit is een H3

Lorem ipsum

Dit is een H4

Lorem ipsum

Dit is een H5
Lorem ipsum
Dit is een H6

Lorem ipsum

  • Dit is een bullet list
  • Nog een item
  1. Dit is een ordered list
  2. Nog een item
Dis is een afbeelding bijschrift

Prijszetting

De invloed van prijs

Er zijn verschillende mogelijkheden waarmee je de verkoop van een product kunt beïnvloeden. Een belangrijke factor daarin is de prijs van het product. De prijs die je kiest kan bepalen of het product je magazijn uitvliegt of dat je blijft zitten met pallets aan restvoorraad.

Binnen de Food & Agri sector worden producten steeds vaker van producent naar distributeur of retailer verkocht. En ook de distributeur zelf probeert steeds dichter tot de consument te komen. Dat betekent dat zij zelf de prijs moeten zetten van hun producten.

Door de prijszetting in eigen hand te hebben ontstaan er kansen om hier intelligent mee om te gaan. Prijs kan namelijk vaak worden ingezet als middel om de klant te sturen en hier een voordeel mee te behalen. Met intelligente prijszetting kan een strategisch voordeel worden behaald ten opzichte van de concurrent.

Prijselasticiteit

De invloed van prijs wordt uitgedrukt in prijselasticiteit. Als de verkoop sterk reageert op een prijsverandering spreek je van een hoge prijselasticiteit, indien er weinig of geen reactie is van een lage prijselasticiteit. Voor ieder product is deze prijselasticiteit anders. Dat vraag om een invididuele prijsstrategie die past bij het product.

Historische data en Machine Learning algoritmes maken het mogelijk om van ieder product de prijselasticiteit te voorspellen. De uitkomst hiervan geeft je vervolgens de juiste handvatten om de optimale prijs te bepalen om jouw doelstelling te behalen.

Voorbeelden
Digitalisering
Keten verkorting
Neem contact op
Productie voorspelling

Dit is een h1

Lorem ipsum

Dit is een H2

Lorem ipsum

Dit is een H3

Lorem ipsum

Dit is een H4

Lorem ipsum

Dit is een H5
Lorem ipsum
Dit is een H6

Lorem ipsum

  • Dit is een bullet list
  • Nog een item
  1. Dit is een ordered list
  2. Nog een item
Dis is een afbeelding bijschrift

Productie voorspelling

Anticiperen op de oogst van morgen

Als producent is de teelt verwoven in het gros van de bedrijfsprocessen. De teelt bepaalt je verkoopstrategie, de planning, inkoop en andere belangrijke beslissingen. Door vooruit te kijken in wat er komt, kan je vooraf je aanpak bepalen en het maximale uit de oogst halen.

De toekomstige oogst is afhankelijk van verschillende invloeden. Het weer en de teeltstrategie spelen daarin de belangrijkste rol. Als kweker heb je vanuit het verleden een historie aan data opgebouwd over de teelt en beslissingen die in de teelt gemaakt zijn. Deze data vormt de basis voor een model dat de productie kan voorspellen.

Voorbeelden
Digitalisering
Afnemende beschikbaarheid van kennis en ervaring
Duurzaamheid
Neem contact op
Voorraad optimalisatie

Dit is een h1

Lorem ipsum

Dit is een H2

Lorem ipsum

Dit is een H3

Lorem ipsum

Dit is een H4

Lorem ipsum

Dit is een H5
Lorem ipsum
Dit is een H6

Lorem ipsum

  • Dit is een bullet list
  • Nog een item
  1. Dit is een ordered list
  2. Nog een item
Dis is een afbeelding bijschrift

Voorraad optimalisatie

Korte keten

Een tomaat die vandaag geplukt wordt, moet binnen enkele dagen in het schap liggen om de consument van een lekker vers product te kunnen voorzien. Van producent tot retailer gaat de tomaat nog langs verschillende schakels in de keten zoals exporteurs, verpakkers en logistiek.

Om de snelheid in dit proces te behouden, is het managen van voorraad een belangrijk onderdeel van bedrijven in de keten. Omdat de producten maar een beperkte houdbaarheid hebben is het noodzakelijk om hier bovenop te zitten. Of je tomaat ziet eruit alsof iemand er zélf bovenop is gaan zitten.

Vraagvoorspelling

Bij optimaal voorraadbeheer heb je nooit te veel en nooit te weinig producten op voorraad liggen. Je wilt tenslotte altijd je klanten kunnen bedienen en tegelijkertijd wil je voorkomen dat je producten moet weggooien of dat de kwaliteit achteruit gaat. Maar wanneer vul je de voorraad dan het beste aan, en tot welk niveau?

Planning en inzicht spelen een rol in deze opgave, maar de belangrijkste factor is hierin de verwachte vraag. Door inzicht in de aankomende vraag, kan er bepaald worden wat de voorraadniveaus op ieder moment moeten zijn.

De vraag naar verse producten wordt bepaald door verschillende factoren. Denk bijvoorbeeld aan het seizoen, het weer, feestdagen en promoties van retailers. Met behulp van vraagvoorspelling worden deze factoren omgezet naar een voorspelling van de verwachte vraag.

Organisaties houden in hun enterprise resource planning (ERP) systeem de verkopen en de voorraad bij. Daarnaast er zijn er gegevens beschikbaar over welke dagen belangrijke feestdagen zijn en wanneer retailers hun promoties houden. Deze historische data vormt de basis voor het ontwikkelen van modellen die de vraag voorspellen.

Met behulp van Machine Learning worden de verbanden tussen de factoren en de vraag gekwantificeerd. Zo kan het model op basis van het voorspelde zonnetje, het Pinksterweekend voor de boeg, én de 3-voor-de-prijs-van-2 tomaten actie in de supermarkt, een voorspelling maken van de vraag die wordt verwacht.

Human-in-the-loop

Vanuit de vraagvoorspelling vloeit een advies door naar de beslissingsnemer. Want menselijk inzicht en Artificial Intelligence [AI] gaan hand-in-hand. Het advies houdt rekening met verschillende business rules die gelden binnen de organisatie. Dat kan gaan over minimale order aantallen, het optimaal vullen van een container en de gemiddelde levertijd.

Als laatste controlemiddel wordt de bestelsuggestie voorgelegd aan de beslissingsnemer. Die kan controleren of de suggestie in lijn der verwachting ligt, of de bestelling aanpassen als hier een aanleiding voor is.

Op deze manier ontstaat er een schaalbaar bevoorradingsproces waarin minder fouten worden gemaakt. De verantwoordelijke voor voorraadbeheer kan sneller door de bestellingen heen en heeft meer tijd voor de noodzakelijke taken die meer aandacht vergen. En heeft iedereen genoeg tomaten om in dat zonnige weekend broodjes gezond te kunnen serveren, zonder dat jij met een groot overschot aan perfecte tomaten blijft zitten.

Voorbeelden
Duurzaamheid
Vraaggestuurd produceren
Afnemende beschikbaarheid van kennis en ervaring
Neem contact op
Slimme teeltplanning

Dit is een h1

Lorem ipsum

Dit is een H2

Lorem ipsum

Dit is een H3

Lorem ipsum

Dit is een H4

Lorem ipsum

Dit is een H5
Lorem ipsum
Dit is een H6

Lorem ipsum

  • Dit is een bullet list
  • Nog een item
  1. Dit is een ordered list
  2. Nog een item
Dis is een afbeelding bijschrift

Optimaliseer je productieplanning

Dagon is een tool waarbij een teler zijn productieplanning kan optimaliseren met behulp van data en onze slimme algoritmes (artificial intelligence). Via een webinterface kan de teler of planner zijn huidige planning bekijken, nieuwe optimalisaties uitvoeren en de planning aanpassen. Hierachter schuilt een slimme architectuur dat wordt gevoed met data uit verschillende bronnen zoals de gegevenssystemen in de kwekerij. De voorspellingen en optimalisaties die zichtbaar worden in Dagon maken de kweker klaar voor de toekomst!

Net als Bunnik Plants zijn er veel potplanten kwekers waar dit een ingewikkeld proces kan zijn met vele soorten en afmetingen. Daarnaast heeft elke plant andere groei eigenschappen of zoals wij dat noemen: een teeltrecept. Het teeltrecept van een plant bepaalt hoeveel dagen een specifieke plant in elke fase van zijn groeicyclus doorbrengt. Het groeirecept bepaalt ook hoeveel planten er per vierkante meter in elke fase passen. De uitdaging van de planner is om te beslissen welke planten in welke week van het jaar moeten worden geplant om uiteindelijk zoveel mogelijk te kunnen verkopen voor een goede prijs!

Als de plant groeit passen er steeds minder planten in een vierkante meter met een gelijke potmaat. Het feit dat planten de hele tijd groeien en dat er een capaciteitslimiet is, in combinatie met het grote aantal planten om uit te kiezen, maakt dit tot een moeilijk proces om in Excel of met de hand te plannen. Dagon helpt een kweker of planner door een gestructureerde manier te bieden om hun planningsgegevens bij te houden, toekomstige productieplanning te optimaliseren en hun toekomstige en voorgaande planning resultaten op een intuïtieve manier te visualiseren.

Voorbeelden
Vraaggestuurd produceren
Digitalisering
Duurzaamheid
Neem contact op

R.O.I

Business first. Dat begrijpen we bij PEAX. Daarom hebben wij niet alleen kennis van data en algoritmes maar ook van de sector. Wij streven naar 150% rendement voor jouw organisatie!

van 100%

Vandaag

Samen nemen we de organisatie onder de loep en zoeken we naar de meest waardevolle toepassing van AI om jouw organisatie toekomstbestendig te maken.

PEAX
150
€100
€150
naar 150%

Morgen

Wij gebruiken AI technieken om waarde toe te voegen aan jouw organisatie. Wij geloven in een rendement van 150%. Daar gaan we voor!

€100
€150

blije klanten

Jeroen Compvoets
logiqs

"Prettige samenwerking met kundige data-scientists, die goed meedenken over onze projecten."

Jan Doldersum
Rijk Zwaan

"Hebben zowel oog voor de technische aanpak als de impact op de business. Met behulp van KPIs hebben we het project meetbaar gemaakt om achteraf te kunnen evalueren."

Wouter van Vliet
Van Iperen

“Heel fijn samenwerken, denken goed mee"

Gerard Flinterman
Klasmann-Deilmann

“Het was een leerzame en leuke strategie sessie met het team van PEAX. We trapte af met een spoedcursus AI en zijn uiteindelijk met een concrete roadmap aan cases naar huis gegaan!"

Michel de Winter
Axia Vegetable Seeds

“Samen bouwen we aan een datagedreven toekomst van Axia"

Altijd vooruit

peax aanpak

Business Case

Samen onderzoeken we de toegevoegde waarde van AI voor jouw organisatie

1

Data
Fundering

Wij valideren de benodigde data en werken het concept uit met behulp van een pilot

2

AI-oplossing

Van concept naar volwaardige AI oplossing die op een veilige manier geïntegreerd is met jouw data architectuur

3

Proces Integratie

De high tech AI oplossingen worden verweven in de huidige bedrijfsprocessen

4

This is how we do it

Afgezaagd maar waar, bij PEAX houden we van aanpakken. Gestructureerd en gestaag, daarom werken wij in sprints. Dit zorgt voor overzicht en duidelijke verwachtingen en dat komt de communicatie weer ten goede.

Stapje voor stapje anders val je van het trapje
Overzicht en duidelijke verwachtingen
Heldere communicatie

Aan de slag met AI?

boek een strategische sessie