Go Back to Case Studies

Star Alliance Airline Soars with Alteryx Server

At a Glance

1000+

Workflows Governed

10

Departments Migrated

25

Alteryx Champions Trained

Overview

Service

Data Engineering & Infrastructure

Industry

Airlines

Stack

Machine Learning & Gen AI

Donner de la clarté aux ventes : Comment le ML aliment‑elle la gestion des catégories

Published on Feb 06, 2025

Author(s)

Ethan Pirso

Analytics Consultant

Emery Dittmer

Analytics Manager

Technology Stack

The Challenge

Un chef de file mondial des boissons a eu du mal à gérer ses données de vente vastes et complexes sur de multiples marchés et gammes de produits. Sans système de déclaration centralisé, l'identification des anomalies critiques des ventes était fastidieuse, ce qui a entraîné des retards dans les analyses et une prise de décision réactive. Ces inefficiences ont entraîné des déséquilibres boursiers, des occasions manquées et une réaction plus lente aux changements du marché.

The Solution

Pour relever ces défis, notre équipe a mis au point une solution de détection des anomalies de vente alimentée par l'apprentissage automatique qui identifie les changements importants dans les tendances des ventes. En regroupant les informations dans un rapport centralisé, le système fournit une source unique de vérité, ce qui permet à l'entreprise d'aborder de manière proactive les changements du marché, d'optimiser les stratégies et de réagir plus rapidement aux occasions émergentes.

Impact

430 000$

Écart dans les ventes détectée

25-30 %

Déviation de la part de la marque identifiée

50 % +

Changements constatés dans la part de marché

Stack

Contexte de notre client

Notre client, un chef de file mondial de l'industrie des boissons, gère un vaste portefeuille de produits sur de multiples marchés et traite des milliers de transactions chaque jour. Cependant, leur processus de déclaration fragmenté et réactif a rendu difficile la détection de changements soudains dans les tendances des ventes, laissant les décideurs sans une vision claire et centralisée des anomalies.


Sans une approche simplifiée de détection des anomalies, l'entreprise a eu du mal à identifier les changements inattendus dans le rendement de la marque, ce qui a entraîné des occasions manquées, des réponses différées aux fluctuations du marché et des défis liés à l'optimisation des stocks et à l'atténuation des pertes de revenus.


À la recherche d'une solution axée sur les données, ils se sont associés à Compass Analytics pour obtenir une visibilité en temps réel sur les anomalies des ventes. En tirant parti de Databricks pour le traitement avancé des données et de Tableau pour la visualisation, nous avons transformé leur processus de surveillance des ventes en consolidant les informations en un système unique et fiable et en permettant aux équipes de prendre des décisions plus rapides et plus stratégiques.

Le coût élevé de la faible visibilité des ventes

Surcharge de données

Avec des milliers de transactions transitent par divers canaux de distribution, il était difficile d'avoir une vision claire des changements soudains des ventes entre les marchés et les gammes de produits.

Rapports incohérents

L'absence de rapports centralisés et d'informations interrégionales a entraîné des retards dans la détection et le traitement des anomalies de vente.

Occasions manquées

Des pics de demande non détectés ou des baisses soudaines ont entraîné des ruptures de stock et des pertes de revenus, la planification réactive ayant remplacé la prise de décision proactive.

Améliorer la précision des ventes grâce à l'apprentissage automatique

Pour relever ces défis, l'équipe de Compass Analytics a mis au point une solution comportant deux éléments clés :

  1. Détection des points de changement À l'aide de la segmentation des bacs, cette méthode identifie les changements dans les tendances des ventes au fil du temps, en identifiant les changements importants survenus, que ce soit en raison d'une campagne de marketing, d'un changement de distributeur ou d'autres facteurs externes.
  2. Détection d'anomalies avec la forêt d'isolement Ce modèle d'apprentissage automatique détecte les valeurs aberrantes dans les données de vente, signalant des pics ou des baisses soudaines qui nécessitent une enquête plus approfondie. Sa flexibilité permet de peaufiner à la fois au niveau du marché et de la marque, assurant ainsi une détection précise des anomalies dans différentes dimensions de vente.
Ce diagramme décrit l'architecture complète du processus de détection des anomalies des ventes, de l'ingestion et du prétraitement des données via Databricks à la détection des anomalies via des modèles d'apprentissage automatique, avec des informations finales fournies par des tableaux de bord Tableau interactifs.

Ce graphique Tableau met en évidence les résultats du modèle en marquant Épais aberrants et Changement de points en pourcentage de part de la marque. Les valeurs aberrantes indiquent les semaines où des changements statistiquement significatifs ont été observés dans la part de la marque, tandis que les points de changement marquent le début ou la fin de périodes stables, ne signalant que les changements importants. Cette visualisation aide l'entreprise à identifier rapidement les changements importants dans le rendement de la marque et à y réagir.

En utilisant Databricks pour le traitement des données et Tableau pour la visualisation, nous avons développé un tableau de bord convivial qui a fourni aux parties prenantes une visibilité quotidienne sur les anomalies des ventes, permettant ainsi une prise de décision rapide et éclairée dans l'ensemble de l'entreprise.

Succès : transformer les données en informations exploitables

La mise en œuvre de la solution de détection des anomalies des ventes a donné des résultats à fort impact, fournissant au client des informations quotidiennes pour une prise de décision plus intelligente et plus rapide. En détectant les changements importants du marché et les valeurs aberrantes financières, la solution a permis une allocation stratégique des ressources, optimisé les stratégies de promotion et de distribution et minimisé les pertes de revenus. Grâce à une visibilité accrue, à une prise de décision proactive et à une analyse centralisée, l'entreprise est devenue plus agile et réactive dans un marché de plus en plus concurrentiel.

Détection des changements de marché

La solution a permis de déterminer les changements de part de marque allant jusqu'à 57 %, fournissant un aperçu essentiel de l'évolution des préférences des consommateurs et des pressions concurrentielles. En tirant parti de la détection des points de changement avec la segmentation des bacs, il a identifié les changements survenus, que ce soit en raison de campagnes de marketing ou de changements de distributeurs, ce qui a permis aux décideurs d'ajuster rapidement les stratégies de tarification, de marketing et de distribution.

Détection des valeurs aberrantes financières

Le modèle a permis de découvrir un Écart de 430 000$ dans les ventes et un Écart de 25,6 % dans la part de la marque, aidant l'entreprise à réagir rapidement aux anomalies importantes sur le plan financier. Le modèle Isolation Forest a détecté des valeurs aberrantes dans les données sur les ventes, signalant des pics ou des baisses soudaines nécessitant une attention immédiate. Grâce à ces informations, l'entreprise a optimisé les promotions, ajusté la distribution et amélioré la gestion des stocks afin de minimiser les pertes de revenus et de maximiser les occasions de croissance.

Suivi des anomalies et informations centralisées

En regroupant les données sur les anomalies de vente dans un tableau de bord Tableau interactif, l'entreprise a acquis une visibilité en temps réel sur toutes les marques et les régions. Cette plateforme centralisée et conviviale a fourni une source unique de vérité, améliorant la communication, l'alignement et l'efficacité entre les équipes, leur permettant de prendre des décisions de vente fondées sur les données en toute confiance.

Interested in learning more?

Fill out the form below and we'll get back to you as soon as possible.

William Chan

Founder & CEO

Schedule a Call

First Name*

Last Name*

Business Email Address*

Company*

Industry*

Job Title*

Area of Interest*

Fields with an * are mandatory

Thank you for registering. We'll be in touch with event details.

Oops! Something went wrong while submitting the form.