Slim algoritme
Het is ons gelukt om de verkoop 15-20 procent beter te voorspellen door de variabelen uit te breiden met zaken als soort gerecht, ingrediënten, dag van de week, weertype, etc. Door te analyseren welke verbanden er bestaan tussen deze kenmerken is het model dusdanig getraind dat het voor verschillende gerechten en onder diverse omstandigheden een accurate inschatting kan maken van de toekomstige vraag.
Impact op resultaat
Het resultaat is dus significant minder voedselverspilling, minder inkoopkosten en betere inzet van alle middelen. Kortom: een oplossing die niet alleen goed is voor de portomonnee, maar ook bijdraagt aan een duurzame business.