Wie Valtech Milliardeneinsparungen ermöglicht hat

Unser Auftraggeber ist ein globaler Marktführer für Lebensmittel und Getränke mit einem breiten Markenportfolio und einer nahezu weltweiten Präsenz. 

Daten stecken hinter allem, was unser Auftraggeber tut. Sie helfen dabei, die Nachfrage über eine riesige globale Lieferkette hinweg vorherzusagen, mehrere Markenstrategien aufeinander abzustimmen und Produkte gezielter zu entwickeln – und bringen das Unternehmen so näher an seine zahlreichen Kundinnen und Kunden weltweit. 

Der Auftraggeber bat uns, den Umgang mit internen und externen Daten zu verbessern. Seit 2019 arbeiten unsere Daten-Experten mit ihm an einer Reihe transformativer Projekte. 

Der Erfolg der Lieferkette unseres Auftraggebers steht und fällt mit der Präzision der Prognosen.

Wird zu viel prognostiziert, kauft das Unternehmen zu viel Material ein, bindet zu früh zu viel Budget und zahlt für die Lagerung überschüssiger Bestände. Wird zu wenig prognostiziert, drohen Produktionsengpässe, entgangene Verkäufe und teure Last-Minute-Korrekturen in der Lieferkette.

Wir haben ein dynamisches, KI-natives Prognosesystem entwickelt, das Verschwendung vermeidet, die Beschaffung optimiert und die Lieferkette widerstandsfähiger macht.

Die Lösung ruht auf vier Säulen:

• Chancen-Analyse: überwacht laufend, wie genau die Prognosen sind, und deckt so Schwachstellen und Potenziale für Machine Learning auf
• AutoML: findet schnell die leistungsstärksten Modelle und setzt sie automatisch ein
• Ensemble Modeling: passt sich an, wenn sich Muster und Eingabedaten verändern
• Kontinuierliches Lernen: wird immer besser, nicht nur direkt nach der Einführung

Dieses selbstlernende System hilft unserem Auftraggeber, weniger Material zu verschwenden, genauer zu prognostizieren und die globale Lieferkette widerstandsfähiger gegen künftige Krisen zu machen.

Als unser Auftraggeber begann, interne Marken-Silos aufzubrechen, ergaben sich neue Möglichkeiten, Daten für das gesamte Unternehmen zu nutzen. 

Jedes Mal, wenn wir eine Datenkomponente bauten, prüften wir: Wo wird sie sonst noch gebraucht, und wie schnell lässt sie sich skalieren? Als wir Tools teamübergreifend wiederverwendet haben, wurden Ressourcen frei, was nun jährlich Millionen Dollar einspart. 

• Durch die Beseitigung von Prognosefehlern haben wir 2,7 Milliarden Dollar an Betriebskapital freigesetzt, das jetzt anderweitig investiert werden kann. Und weil die dynamische Lieferkette Jahr für Jahr die Lagerhaltungskosten senkt, kommen weitere 500 bis 700 Millionen Dollar an Einsparung dazu.  

• Da alles, was wir entwickeln, sich unternehmensweit wiederverwenden lässt, spart unser Auftraggeber jährlich rund 84 Millionen Dollar. 

All diese Initiativen optimieren die globalen Abläufe unseres Auftraggebers nachhaltig.