30.000 Produktzeilen pro Einkaufsentscheidung klassifiziert, in einer Woche, für FARO
Für jeden Containereinkauf musste FARO rund 30.000 Produktzeilen kategorisieren, um Marge, Verkaufspreis und Lagerdauer zu schätzen, bevor Kapital gebunden wurde. Pearstop automatisierte die Klassifikation und verknüpfte sie direkt mit FAROs Verkaufsdatenbank.
Warum die Marge bis nach dem Einkauf unsichtbar war
Für jeden Containereinkauf brauchte FARO ein verlässliches Kostenbild, bevor Kapital gebunden wurde. Das bedeutete, Tausende Produktzeilen zu klassifizieren, sie mit Verkaufsergebnissen zu verknüpfen und den Prozess schnell genug zu halten, um die Einkaufsentscheidung selbst zu unterstützen.
Vor Pearstop war das die Aufgabe von zwei Personen: jede eingehende Produktzeile von Hand zu kennzeichnen und jede von Hand einer Kategorie zuzuordnen. Ohne Automatisierung war die Arbeit repetitiv, langsam und schwer skalierbar.
Dieses Projekt liegt vor dem Zeitpunkt, an dem allgemeine LLMs für diese Art von Arbeit praktikabel wurden. Pearstop baute das Klassifikationssystem für FARO mit Machine Learning und eigens entwickelter Technologie, nicht mit einem Large Language Model – der Beweis, dass der zugrunde liegende Ansatz auch ohne die neueste Tooling-Generation trägt.
Wie Pearstop die Marge vor dem Einkauf schätzt
Automatische Klassifikation
Pearstop klassifizierte 95 % der Artikel in weniger als einer Woche, mit der eigenen Kategorielogik des Unternehmens.
Mit Verkauf verknüpfte Margenansicht
Der Datensatz wurde mit Verkaufsinformationen verknüpft, damit Einkäufer die Marge sehen konnten, bevor der Einkauf stattfand.
Entscheidungsgeschwindigkeit
Das Team verbrachte keine Tage mehr mit manueller Kategorisierung und erhielt eine saubere Grundlage für die Einkaufsentscheidung selbst.
Wir hatten Tausende von Produktpositionen, die klassifiziert werden mussten, bevor wir überhaupt anfangen konnten, unsere Kosten zu verstehen. Pearstop klassifizierte sie in weniger als einer Woche. Das hätte unser Team sechs Monate gekostet und wäre immer noch nicht so genau gewesen.
David TorrCEO, FAROVon manueller Kennzeichnung zu einem automatisierten Ablauf
Das Team wechselte von manueller Kategorisierung zu einem automatisierten Ablauf, der mit dem Tempo der Einkaufsentscheidungen mithalten konnte. Das machte die Marge früher sichtbar und reduzierte die operative Last für das Einkaufsteam.
Eine verlässlichere Grundlage für die Planung
Da die Klassifikation nicht mehr der Engpass ist, hat FARO bei jeder Einkaufsentscheidung eine verlässlichere Grundlage für Planung und Analyse – nicht nur bei denen, die Zeit für eine manuelle Prüfung ließen.
Möchten Sie eine Case Study rund um Ihre eigenen Daten?
Wir zeigen Ihnen, wie derselbe Ansatz für Ihre Einkaufs- oder Anlagendaten aussehen würde.
