Eine Prognose, nach der Ihr Betrieb bestellen kann.
Software für Bedarfsprognosen macht aus Verkaufshistorie, Saisonalität und laufenden Betriebssignalen eine Zahl, nach der Teams bestellen, kochen und planen können. CODT Technologies hat genau das für FeelEat produktiv gebaut: Prognosen je Standort und je Gericht mit 98% Genauigkeit — Fehlbestände 58% seltener, Überbestand 41% geringer.
Von rohen Signalen zum Plan für morgen.
Signale laufen ein
Zwei Jahre Verkaufshistorie, Saisonalität, Kalendereffekte, Wetter und Live-Telemetrie aus dem Betrieb laufen durch eigens gebaute Ingestion-Pipelines — die Plattform behält, was das Bauchgefühl einer Planerin nicht behalten kann.
Modelle prognostizieren je Standort, je Gericht
Die Vorhersagen sind auf den Horizont getrimmt, für den Planer tatsächlich einkaufen, und auf die Granularität, auf der entschieden wird: dieses Gericht, an diesem Standort. Die Genauigkeit wird laufend im Betrieb gemessen — 98% gegen das, was wirklich verkauft wurde.
Aus Prognosen werden Pläne
Das Ergebnis ist keine Grafik, die «es kommt darauf an» sagt — aus den Prognosen werden Bestellmengen, Produktionspläne, Personaleinsatz und Einkaufsbudgets, alle von derselben Nachfragekurve getrieben.
Nachtraining hält sie ehrlich
Menüs wechseln, Standorte öffnen, Saisons verschieben sich. Die Drift-Überwachung vergleicht die Genauigkeit laufend mit der Realität, Modelle trainieren automatisch auf frischen Daten nach, und neue Standorte starten mit Transferprognosen, die konvergieren, sobald lokale Daten eintreffen.
Genauigkeit, die den Kontakt mit dem Betrieb überstanden hat.
FeelEat-Bedarfsprognose — ML über einem laufenden Betrieb
Für FeelEat haben wir den ganzen Kreislauf gebaut: die Signalaufnahme, die Prognosemodelle je Standort und je Gericht, die Planungsansichten für Bestand, Personal und Ausgaben sowie die Drift-Überwachung und das geplante Nachtraining, die die 98% ehrlich halten, während sich die Nachfrage verschiebt. Das Modell lief im Schattenbetrieb neben den menschlichen Plänen, bis seine Bilanz — nicht seine Mathematik — die Diskussion gewann, und wurde dann Standort für Standort umgestellt; die Plattform hatte sich im ersten Quartal bezahlt gemacht.
Fragen, die Teams zu Bedarfsprognosen stellen
Schreiben Sie es in ein Briefing. Ein Senior-Engineer — kein Vertriebler — antwortet innerhalb eines Werktags.
Was ist Software für Bedarfsprognosen?
Eine Machine-Learning-Plattform, die aus Ihrer Verkaufshistorie, der Saisonalität und laufenden Signalen einen Plan nach vorn macht — sie sagt die Nachfrage auf der Granularität voraus, auf der Sie entscheiden, damit Bestand, Personal und Ausgaben gegen eine Zahl geplant werden statt gegen ein Gefühl.
Wie genau kann eine Bedarfsprognose wirklich sein?
Die Plattform, die wir für FeelEat gebaut haben, läuft im Betrieb mit 98% Genauigkeit — laufend gemessen gegen das, was tatsächlich verkauft wurde, nicht als einmaliges Ergebnis auf einem Holdout-Set. Genauigkeit zählt erst, wenn sie dort gemessen wird, wo Geld fliesst.
Welche Daten braucht sie?
FeelEats Modelle wurden auf zwei Jahren Verkaufshistorie trainiert, dazu Saisonalität, Kalendereffekte, Wetter und Live-Signale aus dem Betrieb selbst. Neue Standorte ohne Historie starten mit Transferprognosen aus ähnlichen Standorten, die konvergieren, sobald lokale Daten eintreffen.
Welche Geschäftsergebnisse folgen aus besseren Prognosen?
Beide Fehlerrichtungen schrumpfen. Bei FeelEat fielen die Fehlbestände um 58% und der Überbestand um 41% — weniger leere Regale und weniger frisch Gekochtes im Abfall, aus derselben Nachfrage — und die Plattform hatte sich im ersten Quartal bezahlt gemacht.
Werden unsere Planer einem Modell wirklich vertrauen?
Am ersten Tag nicht — und das sollen sie auch nicht. FeelEats Modell lief im Schattenbetrieb neben den menschlichen Plänen, bis seine Bilanz die Diskussion gewann, und wurde dann Standort für Standort umgestellt. Vertrauen entsteht durch Messung, und genau so legen wir den Rollout an.
Ist das Modell selbst der schwierige Teil?
Nein — das Modell brauchte Wochen; die Datenpipelines, die Drift-Überwachung und die Planungsansichten, die morgens um acht jemand aufschlägt, brauchten Monate. Diese operative Schicht macht 98% Genauigkeit überhaupt nutzbar, und dort steckt der grösste Teil der Ingenieurarbeit.
Wie fangen wir an?
Mit einem bezahlten Discovery-Sprint: Wir schneiden Ihre Datenquellen, die Entscheidungsgranularität und die Planungsansichten gemeinsam zu, und Sie erhalten ein fixes, transparentes Angebot, bevor irgendetwas gebaut wird.
Ein Problem, das es wert ist,
gut gelöst zu werden?
Erzählen Sie uns von Ihrem Produkt, Ihrer Zeitschiene und Ihren Rahmenbedingungen. Wir antworten innerhalb eines Werktags mit einer ehrlichen Einschätzung zu Fit, Umfang und richtigem Team.