30.000 productregels geclassificeerd per inkoopbeslissing, in een week, voor FARO
Voor elke containerinkoop moest FARO ongeveer 30.000 productregels categoriseren om marge, verkoopprijs en doorlooptijd in te schatten voordat kapitaal werd vastgelegd. Pearstop automatiseerde de classificatie en koppelde die rechtstreeks aan FARO’s verkoopdatabase.
Waarom marge onzichtbaar was tot na de inkoop
Voor elke containerinkoop had FARO een betrouwbaar kostenbeeld nodig voordat er kapitaal werd vastgelegd. Dat betekende duizenden productregels classificeren, ze koppelen aan verkoopresultaten, en het proces snel genoeg houden om de inkoopbeslissing zelf te ondersteunen.
Vóór Pearstop was dit het werk van twee mensen: elke binnenkomende productregel met de hand markeren, en elke regel met de hand aan een categorie koppelen. Zonder automatisering was het werk repetitief, traag en moeilijk op te schalen.
Dit project dateert van vóór het moment dat algemene LLM's bruikbaar werden voor dit soort werk. Pearstop bouwde het classificatiesysteem voor FARO met machine learning en eigen, speciaal gebouwde technologie, niet met een large language model – het bewijs dat de onderliggende aanpak overeind blijft zonder op de nieuwste tooling te leunen.
Hoe Pearstop marge inschat vóór de inkoop
Automatische classificatie
Pearstop classificeerde 95% van de items in minder dan een week, met de eigen categorielogica van het bedrijf.
Aan verkoop gekoppeld margebeeld
De dataset werd gekoppeld aan verkoopinformatie, zodat inkopers marge konden zien vóórdat de inkoop plaatsvond.
Snellere besluitvorming
Het team besteedde geen dagen meer aan handmatige categorisering en kreeg een schone basis voor de inkoopbeslissing zelf.
We hadden duizenden productregels die gecategoriseerd moesten worden voordat we zelfs maar onze kosten konden begrijpen. Pearstop classificeerde ze in minder dan een week. Dat had ons team zes maanden gekost en zou nog steeds niet zo nauwkeurig zijn geweest.
David TorrCEO, FAROVan handmatig markeren naar een geautomatiseerde flow
Het team ging van handmatige categorisering naar een geautomatiseerde flow die het tempo van inkoopbeslissingen kon bijhouden. Dat maakte marge eerder zichtbaar en verminderde de operationele last voor het inkoopteam.
Een betrouwbaardere basis voor planning
Nu classificatie niet langer de bottleneck is, heeft FARO een betrouwbaardere basis voor planning en analyse bij elke inkoopbeslissing, niet alleen bij de beslissingen waar tijd was om ze met de hand te controleren.
Wilt u een case study rond uw eigen data?
We laten u zien hoe dezelfde aanpak eruit zou zien voor uw inkoop- of assetdata.
