gateretail bedient als weltweit größter Inflight-Händler über 20 Fluggesellschaften und mehr als 300 Millionen Passagiere im Jahr. Unser Team begleitete das Unternehmen auf seinem datenbasierten Wachstumskurs mit modernsten Lösungen im Bereich des maschinellen Lernens, was zu einer zweistelligen Steigerung der Prognosegenauigkeit führte.
gateretail gilt als einer der führenden Inflight-Händler der Welt und zeichnet sich durch sein umfassendes Fachwissen in den Bereichen Foodservice und Reiseeinzelhandel aus. Das Unternehmen sorgt mit seinem umfassenden Angebot an Bord dafür, dass jedes Jahr über 300 Millionen Passagiere einen angenehmen Flug genießen können. Das Kundenportfolio umfasst unter anderem Wizz Air, Air Canada, Iberia und Norwegian und erstreckt sich mit einer Flotte von über 1000 Flugzeugen über vier Kontinente.
gateretail will sowohl die operative Effizienz als auch das Angebot für seine Kunden durch innovative digitale Lösungen verbessern. Um dieses Ziel zu erreichen, hat Supercharge ein Proof of Concept (PoC) für eine machine-learning-gestützte Bestandprognosesystem geliefert.
Die Lösung soll mithilfe langjähriger Verkaufsdaten die Vorlieben der Passagiere ermitteln und somit die Prognosegenauigkeit verbessern, die Lagerbestände optimieren und geschäftliche Probleme mindern. Mit dieser hochentwickelten Lösung möchte gateretail die Servicequalität, die operative Effizienz und die allgemeine Kundenzufriedenheit steigern.
gateretail kann zwar auf eine langjährige Vertriebsgeschichte zurückblicken - was eine wichtige Voraussetzung für Machine-Learning-Projekte ist - es fehlte jedoch eine für die Implementierung erforderliche Datenplattform.
Um loslegen zu können, mussten wir uns eingehend mit der speziellen Schnittstelle von Einzelhandel und Luftfahrtindustrie befassen. Hier wird das Kaufverhalten der Kund*innen durch verschiedene Aspekte beeinflusst, wie z.B. den Zweck des Reisens oder die Saisonabhängigkeit der Nachfrage. Der erste Schritt bestand in der Analyse der vorliegenden Daten, um ein grundlegendes Verständnis für den Aufbau der Prognoselösung zu gewinnen.
Wir wollten in erster Linie ein genaues und leicht zu automatisierendes Prognosemodell entwickeln, das sich nahtlos in die tägliche Arbeit des Supply-Chain-Teams integrieren lässt.
Unsere innovative Lösung bringt mithilfe einer modernen Cloud-Umgebung frischen Wind in die Erstellung von Bestandsprognosen. Diese einzigartige Kombination verbessert nicht nur die Genauigkeit, sondern läutet auch eine neue Ära der Effizienz und Anpassbarkeit für moderne Unternehmen in datenbasierten Bereichen ein.
Der Übergang von der traditionellen regelbasierten Bedarfsprognose zu einem Modell, das auf maschinellem Lernen basiert, bedeutete einen radikalen Wechsel mit erheblichen Auswirkungen.
Die Implementierung unserer Lösung brachte eine zweistellige Steigerung der Prognosegenauigkeit und eine beachtliche 10-fache Kapitalrendite mit sich, wobei die operative Qualität und die Kundenzufriedenheit ebenfalls direkt davon profitiert haben.
Das Engagement von gateretail für einen datengestützten Ansatz geht weit über kurzfristige Erträge hinaus. Vielmehr möchten wir den Grundstein für eine nachhaltige, langfristige Datenstrategie legen. Die effiziente Nutzung von Daten sichert eine nachhaltige Wettbewerbsfähigkeit. Dadurch wird nicht nur jetzt, sondern auch in Zukunft ein erstklassiger Service gewährleistet.
Dieser Erfolg bringt uns gleich zur nächsten Phase: Der Skalierung der PoC-Lösung für die Lieferkettenprognose, die veraltete Methoden ersetzen soll, um in der dynamischen Landschaft der datengesteuerten Geschäftsabläufe nachhaltige Innovation und eine gesteigerte Leistung zu gewährleisten.
