"Vital Food Group voorspelt de maandomzet met Machine Learning "

Door een druk op de knop je maandomzet voorspellen, met een zekerheid van minstens 90 procent. Niet onaardig toch? Zéker ondernemers in de horeca -met een veelal volatiele omzet- kunnen hier veel winst behalen. Denk aan een efficiënte inzet van personeel, inkoop en voorraadbeheer. Grote kostenposten, stelt Jop van Sommeren, dus ook grote besparingen. Hij is Director Digital Commerce bij Vital Food Group (bekend van Bakker Bart, Bakerstreet en Bagels & Beans). Kasparov BI adviseerde en ondersteunde de bouw van het voorspelmodel

Een omnichannel foodservice platform noemt VFG zichzelf, wat onder meer betekent dat het bedrijf franchisenemers zoveel mogelijk wil ontzorgen. Jop en zijn collega Jurian Voigt (Business Analytics Manager) concentreren zich op digitaal gebied. “De ondernemers moeten op de werkvloer staan, daar ligt hun kracht. Wij zoeken voortdurend naar manieren om hun omzet te verhogen en kosten te verlagen; om hun backoffice makkelijker te maken. Dit project is daarvan een schoolvoorbeeld.”

Jurian werkt 3,5 jaar bij VFG en is verantwoordelijk voor data en BI van alle drie formules. 

“Toen ik kwam was dat nog houtje-touwtje, Excelletjes aan elkaar knopen. Om dat de professionaliseren, heb ik eerst een fundamenteel datalandschap neergezet, met rapportages in Power BI.” Jop houdt zich meer bezig met strategie: de technologische road map. “In de omzetvoorspeller komen beide samen, we slaan een brug tussen business, strategie en data”

Vertrekpunt van de case was dat de omzet van elke vestiging beter kan worden voorspeld met behulp van data en machine learning. Jop: “Elke locatie is verantwoordelijk voor de eigen P&L, die grotendeels omzet gerelateerd is. Als die omzet grillig verloopt, kun je er lastig op sturen. Horecaondernemers hebben andere kwaliteiten dan forecasting. Maar ook hier op kantoor waren de systemen wat verouderd, dus we wilden daar ook een inhaalslag maken.” 

VFG benaderde meerdere marktpartijen. “Sommige kwamen met de standaard SaaS-oplossingen, andere wilden van scratch een enorm project optuigen. Kasparov BI zat daar mooi tussenin met een pragmatische aanpak voor de lange én korte termijn. Future proof technologie introduceren én deze use case om snel waarde te genereren. Eerst doen de Consultants het voor, dan doen we het samen en ten slotte kunnen we het zelf. Dat werkt echt fantastisch.”

Jurian vult aan: “We hadden best wat wensen, dus er is een gedegen backlog gemaakt. En op advies van Kasparov BI hebben we Databricks als platform naar binnen gehaald. Eerst hebben we samen geprogrammeerd, nu kan ik het zelf.

We zochten een machine learning-model dat makkelijk is te trainen en waarmee we data kunnen distribueren in Power BI. Want een goede presentatie is essentieel voor succes op de werkvloer. Inmiddels heb ik samen met Thijs (de Kasparov-data scientist) drie iteraties doorgevoerd en staat het voorspelmodel voor Bagels & Beans. Het draait elke dag en voorspelt 30 dagen vooruit. Nu kunnen we steeds iets dieper gaan voor méér waarde, steeds meer finetunen, en uitbreiden naar bijvoorbeeld Bakerstreet.”  

Het model wordt gevoed met interne (historische) data en externe (zoals weersvoorspelling, feestdagen en lokale events). Met een nauwkeurigheid van 85 tot 90 procent presteert het al beter dan de ondernemers zelf. En dat getal kan nog hoger uitpakken. De forecasts worden wekelijks gedeeld met franchisenemers, die de gegevens meteen in hun personeelsroosters en inkoopschema’s kunnen doorvoeren.

Nu de use case een eind op weg is: Hoe bevalt de samenwerking met Kasparov BI? Jop: “Wij zijn heel positief, zowel over de advisering als de ondersteuning op de werkvloer hier. Thijs werkt enorm hands-on, pakt onze business snel op. Sommige partijen beloven gouden bergen, maar wij houden niet van veel ‘planmakerij’. Klein beginnen, waarde creëren en doorpakken.”