Amazon laat algoritmes beslissen over inkoop en voorraadbeheer

Webwinkel Amazon heeft afgelopen tijd steeds meer taken van medewerkers die beslissen over de prijs en hoeveelheid van in te kopen producten en voorraadbeheer overgeheveld naar algoritmes. Die bleken vaak correct in de voorspelling van het aankoopgedrag van klanten.

De algoritmes van Amazon bepalen van tevoren hoeveel klanten ongeveer een bepaald boek of stuk elektronica kopen en doen vervolgens geautomatiseerd een voorstel aan toeleveranciers voor deals, meldt Bloomberg. Het initiatief begon onder de naam 'hands off the wheel', waarbij salesmanagers de beslissingen van het algoritme makkelijk ongedaan konden maken.

Daarna volgde een fase waarbij medewerkers zo'n beslissing goed moesten beargumenteren en inmiddels is het hele proces geautomatiseerd. De mensen, vaak met een salaris van een miljoen dollar of meer, zijn inmiddels weg, zo claimt het financieel persbureau. Ook het sluiten van samenwerkingen met merken over zogenoemde 'Lightning Deals', snelle aanbiedingen met beperkte voorraad, gebeurt sinds twee jaar via een algoritme.

Behalve de relaties met merken en toeleveranciers beheren de algoritmes inmiddels ook het voorraadbeheer en houden bij hoeveel van welk product Amazon heeft. Volgens medewerkers werkt dat accurater en sneller.

Diverse medewerkers van Amazon bevestigen de informatie tegen Bloomberg. De webwinkel zelf ontkent het niet en zegt dat het al jaren werkt aan 'het standaardiseren van tools voor merken' die in de webwinkel staan. Het bedrijf benadrukt dat het wereldwijd 16.000 vacatures voor mensen open heeft staan.

Door Arnoud Wokke

Redacteur

13-06-2018 • 18:48

65 Linkedin Whatsapp

Reacties (65)

65
65
33
3
0
25
Wijzig sortering
Het klinkt een beetje als hoe Bakkersland het in Nederland ook doet met het brood en de leveringsinschatting voor de supermarkten. Begreep dat het probleem was dat ze al moesten gaan bakken voor definitieve bestellingen van de supermarkten binnen zijn. Anders krijgen ze niet alles op tijd af. Met behulp van machine learning maken zij een inschatting voor de supermarkten die ze uiteindelijk vaak alleen maar hoeven te bevestigingen. Daarna leveren +/- 300 vrachtwagens de 2 miljoen versgebakken brood aan 1200 supermarkten. Zo maximaliseer je de mest gewenste voorraad broodproducten en minimaliseert tegelijkertijd restanten die overblijven omdat ze niet verkocht worden.
Bron:
https://www.rtinsights.co...-artificial-intelligence/
https://www.growcampus.nl/big-data-big-impact/
https://www.marketingfact...n-voorspellen-bakkersland

[Reactie gewijzigd door jdh009 op 13 juni 2018 19:06]

En ze leveren net te weinig zodat om 17:00u de schappen leeg zijn. Dat lijkt stom, maar dat is het niet omdat het hamsteren aanwakkert. “Ik moet zorgen dat ik vroeg brood koop en liefst iets meer want het is in de na-middag op”.

Het is het enige versproduct waar dit gebeurt. Fruit en zuivel is altijd voor handen en het wat overblijft wordt uiteindelijk door de supermarkt weg gegooid omdat het over datum is. Maar brood niet dus, dat is er altijd te weinig aan het eind van de dag. En thuis wordt het vervolgens massaal weg gegooid omdat het oud is en er te veel is gekocht voor de zekerheid.
Dan stel ik eerder dat supermarkten te weinig bestellen. De leverancier gaat niet tegen supermarkten zeggen "Dit heb je nodig", die levert enkel de bestelde hoeveelheid.
Ben ik niet met je eens. Vroeger was dit misschien zo, maar als leverancier moet je tegenwoordig meer doen dan alleen leveren wat er besteld is. Doe je dit niet dan gaat je klant naar een concurrent die wel met je meedenkt over winstmaximalisatie.
Supermarkten bestellen niks. De bakker weet wat er verkocht wordt, en levert daar op.
Het resultaat is hetzelfde. Ik vind het opvallend dat ik aan het eind van de dag ALTIJD mis grijp bij het brood, andere producten nooit problemen. En dat al zolang als ik -verschillende- supermarkten bezoek.
Brood ouder dan een dag kan je niet meer verkopen. Bananen die een week liggen nog wel.
Das echt kul, weet jij net als ik. Brood van gisteren kan prima verkocht worden. Dat doet een bakker bij ons ook. Tegen gereduceerd tarief en wat na de 2de dag er nog ligt gaat naar de voedselbank of de kinderboerderij voor de beesten.
Waarom moet de bakker het brood dan verkopen tegen een gereduceerd tarief als het nog zo goed te verkopen is? ;) Wat jij bedoelt is dat het brood nog van prima kwaliteit is, maar de (supermarkt-) klant wilt gewoon dagvers brood. Maar zelf eet ik ook gewoon een week lang (of langer, zolang het nog niet schimmelt) van brood als het nog niet op is.
Je onderbouwt mijn punt toch? Als je het een dag over de datum al moet afprijzen... ik heb het nog nooit gezien. Alles kan natuurlijk.

En voedselbank / kinderboerderij gaat niet meer over verkopen.
Het verschil met fruit en zuivel lijkt me dat die niet standaard eind van de dag weggegooid worden, maar pas als ze echt niet meer goed zijn. Brood is bijna altijd ‘dagvers’, dus alles wat niet verkocht wordt gaat sowieso weg. Dat maakt het interessanter om te zorgen dag je niet te veel inkoopt.

[Reactie gewijzigd door Ulster Seedling op 13 juni 2018 20:08]

Nu is je voorbeeld alleen brood en dat in verschillende varianten, wit bruin, volkoren enz. Het lijkt me ook redelijk eenvoudig de hoeveelheden aan te leren, invloed van vakanties, feestdagen, lees luxere broden enz.

Bij amazon heb je het over gigantisch veel producten waar vele misschien weer seizoensgebonden zijn. sommige sneller verouderd. Vrij complex bij zo veel producten en zo veel verschillende locaties. Knap als ze dat beter kunnen automatiseren.
Kleine correctie: een "six figure salary" zoals in het bronartikel staat, is een ton of meer, niet een miljoen of meer. Data scientists zijn wel in trek, maar ook weer niet zó veel :).
Volgens mij werkt een scientist per definitie met data.
Of is dat net zoiets als een sales/financial engineer? :X

[Reactie gewijzigd door Pb Pomper op 13 juni 2018 20:25]

Het gaat niet over waar een wetenschapper mee werkt, maar wat het doel is. Datawetenschap is een vak apart en is vooral in de automatisering enorm belangrijk. Ja, elke wetenschapper werkt met data, maar niet elke wetenschapper is bezig met datawetenschap :P

Heeft dus niets te maken met mooie titels, zoals sales engineer. :9
Tsja als je Sales Managers laat beslissen over voorraadhoogtes dan heb je idd al snel een quick win te pakken als je vertrouwt op wat simpele algoritmes :)

Artikel doet net voorkomen alsof pietje en klaasje daar nog handmatig de bestelhoeveelheden zaten te berekenen, terwijl dit al decennia lang door elk fatsoenlijk ERP pakket geregeld wordt. Geautomatiseerd de bestelvoorstellen naar je leveranciers doorsturen is ook niks nieuws...

Ik denk dat de verfijning van dit algorithme zit in een bepaalde mate van AI / machine learning i.c.m. Big Data waardoor er een meer accurate forecast naar voren komt die door een mens of standaard MRP niet te beredeneren is.
Met welk ERP, MRP heb jij goeie (de beste) ervaringen?
SAP S/4, of als je wat kleiner bent SAP ByD, of als je nog kleiner bent Exact Online Handel.
Ik had verwacht dat dit allang het geval was...?!?
Wetende dat de gemiddelde supermarkt dit al jaren doet vind ik dat ook opvallend ja.
Can confirm. Werk zelf bij de Albert Heijn, en ook hier maken ze voor bepaalde producten gebruik van geautomatiseerde bestellingen. Denk hierbij aan hardlopers zoals bepaalde frisdranken en bier.
Heb er ook 5.5 jaar op zitten dus ik had een betrouwbare bron :P. Hoewel MOMO niet altijd even betrouwbaar was op de vers afdeling (weerdata van de komende dagen werd bijvoorbeeld niet meegenomen), werkte het op houdbaar bijna feilloos.
Ja en bij kerst altijd (na 7 jaar nog steeds) de stokbroden op moeten plussen omdat de geniale computer altijd te weinig aangaf. Komt ieder jaar, dat kerst, maar het was toch te moeilijk om te programmeren voor de AH-technici.
Het hoeft niet alle gevallen perfect te zijn. Als het beter is in het algemeen, en vooral goedkoper op de lange termijn is zoiets al succesvol.
In de ogen van het minder technisch aangelegde personeel was het dan altijd de schuld van "de zakkengraaiers op het hoofdkantoor".

Denk overigens wel dat Appie hierin voorloopt op verschillende andere supermarkten.
Wat heeft dit met het technisch aangelegd zijn van het personeel te maken? Er gaat iets jaarlijks fout, en constatering hiervan heeft met de al dan niet aanwezige technische aangelegdheid niets te maken.

[Reactie gewijzigd door theobril op 14 juni 2018 12:39]

Ik doelde op onwetendheid over het (automatische) bestelproces.
Daar viel niets aan te weten: het systeem geeft aan wat je voor de volgende dag moest bestellen, en bij de genade gods kon je er nog wat vanaf halen of aan toevoegen. daarom was er ook een menselijk akkoord nodig. Maar verder was het een sukkel-proof systeem.
'geautomatiseerde bestellingen' - ja, in het magazijn waar ik als mechanisch assembleur werkzaam ben geweest, tikte je ook af wat je uit de rekken haalde. En dan ging er in het systeempje iest van "if $numberOfScrews <= BEPAALDE_DREMPEL then order(screws) end if". En die drempel kan dan ook heel makkelijk bepaald worden dmv "BEPAALDE_DREMPEL = aantal machines te leveren in de volgende 60 dagen * aantal schroeven per machine"

Dat is wel een beetje standaard voor elke stock, of dat bij een retailer of werkplaats, ...

Het artikel, daarintegen, doet uitschijnen dat het om Machine Learning/AI gaat. Da's een stuk interessanter. Sowieso zal bij een Albert Heijn ofzo de frisdrank gedurende de warme zomermaanden een stuk meer over de toonbank gaan - daar hoef je geen genie voor te zijn om zo'n seasonal trend even in te programmeren.

[Reactie gewijzigd door Tokkes op 13 juni 2018 19:38]

Uit deze reactie haal ik dat het schijnbaar toch moeilijk is om voor bepaalde dagen te plannen. Juist voor een supermarkt als AH zou er meer dan voldoende historische data moeten zijn om voor feestdagen te kunnen plannen..

Aan de andere kant zie ik de uitdagingen, veel feestdagen vallen op een bepaalde kalender dag terwijl supermarkten (vermoed ik) juist plannen op basis van de dag van de week. Dan heb je ook nog de bijzondere dagen zoals de "zondag na de eerste volle maan in de lente" (pasen).. :+ Nu zou je dat soort dagen dan ook wel weer vooruit kunnen programmeren door ze erin te zetten, maar schijnbaar gaat dat toch niet helemaal lekker :P

Of het werkt prima maar de maximale capaciteit wordt al gehaald op dagen zoals kerst en voor de medewerkers voelt het aan alsof ze elk jaar te kort komen aan dingen zoals stokbrood :P
Geautomatiseerde bestelsystemen en ECR maken inderdaad deel uit van een bepaalde besturing, maar veel geavanceerder dan een formuletje o.b.v. historische data of een bepaald gewenst voorraadniveau is het niet. De waarde van de voorraad bij een gemiddelde AH is ook véél lager dan bij een partij als Amazon. Het gebruik van geavanceerde algoritmen om bijvoorbeeld ook inkoopbeleid te gebruiken is enorm vernieuwend.
Supermarkten hebben ook wat simpelere producten.

Pindakaas is iets waar doorlopend vraag naar is, relatief korte gebruikstermijn, beperkte invloed van weer of evenementen.

Een TV heeft een veel langere gebruiksduur waarbij dus levensduur, vakantiegeld, sportevenementen, etc hier allemaal effect op hebben.
Maar met verkoopcijfers en hoeveelheid data dat Amazon heeft denk ik dat er vrij gemakkelijk patronen zijn te vinden. In ieder geval op de populaire producten.
Net zoals Bender hierboven zegt, met trends, conjuctuur e.d. zullen ze vast wel rekening houden. Reken maar dat ze nu al rekening hebben gehouden met de wereldkampioenschappen en 4K tv's... ;)

De algoritmes zullen wel wat complexer zijn en met meer variabelen rekening houden.

[Reactie gewijzigd door Tourmaline op 13 juni 2018 19:10]

Ik versimpel het ook, absoluut. Maar uiteindelijk komt het daar in grote lijnen wel op neer natuurlijk.
Ah ze hebben in die zin wel mazzel; ze werken wereldwijd.
Dus het is altijd wel ergens zomer/winter/herfst/lente en als artikel a in gebied a alweer 'oud nieuws' is, dan kunnen ze die gewoon (wel/niet gereduceerd) actiever pushen in gebied b die nog wat achter de trends aanhobbelt.
Maar goed, Amazon wil natuurlijk niet wereldwijd zijn stock steeds moeten gaan shiften van locatie, want dat is ook een dure hobby.
Vandaar dat ze ook zoveel mogelijk verspreid magazijnen hebben. Ik geloof dat hier in Nederland ook een magazijn is. Als ik iets koop van Amazon zelf komt het van verschillende magazijnen heb ik wel gemerkt.
Ik denk dat het bij Amazon een heel stuk variabeler is. Omdat je met zoveel verschillende producten en klanten werkt is het een stuk lastiger om te voorspellen hoe de verkopen zullen gaan in de nabije toekomst. Bij een supermarkt weet je meestal wel hoeveel iets verkocht wordt week op week op week. Alleen bij bepaalde seizoensveranderingen of bij bepaalde weersverwachtingen zal dat veranderen (meer bbq en ijs bij warm weer, meer soep bij koud weer).
De AH XXL's dan? Zijn kleine winkelcentrums aan producten vol.
Zelfde idee. In een supermarkt (zelfs met uitgebreid assortiment) heb je veel minder last van variabelen omdat heel veel ingekocht wordt op basis van veranderingen die je makkelijk bij kunt houden (seizoenen, feestdagen, weersverwachtingen).
Maar een AH heeft toch ook last of baat(is maar hoe je het ziet) van speciale dingen zoals een WK vaderdag kerst speciale vrije dagen mooi weer of juist rotweer. Jij kan natuurlijk ook wel bedenken dat als het een week 10 graden is het weinig tot geen zin heeft om je schappen overvol te leggen met BBQ spul.

Ze moeten ook rekening houden met wanneer mensen salaris en uitkeringen krijgen. Ik denk je er van schrik hoeveel data de AH gebruikt om hun winkels vol te zetten maar ook in de richten.
Maar dat bedoel ik juist. Een AH (of welke supermarkt dan ook) kan dingen makkelijker automatiseren omdat sommige zaken gewoon vastliggen zoals jij zegt. Koopgedrag verandert doorgaans nauwelijks omdat veel mensen vaste routines hebben qua wat ze eten, hoeveel en wat ze drinken, wat ze snacken, wat ze gebruiken aan verzorging, etc. Als het warm dreigt te worden dan is het een kwestie van die variabele veranderen. Idem wanneer het moeder- of vaderdag is. Je weet dat er dan bepaalde producten meer of minder verkocht gaan worden.

Bij Amazon liggen die variabelen waarschijnlijk veel minder vast omdat er veel meer diversiteit aan producten is. Mensen gaan ook niet wekelijks naar Amazon voor dezelfde dingen die je gewoon altijd nodig hebt. Daardoor is het koopgedrag waarschijnlijk veel meer onderhevig aan willekeur waardoor het automatiseren van bevoorrading een stuk lastiger is.
Koopgedrag wordt al heel lang in de gaten gehouden, o.a. door supermarkten. Denk aan de data die zij al hebben. Zij "weten" echt wel als het volgende week XXX graden wordt of ze juist extra ijsjes moeten inkopen, of extra chocolademelk/boerenkool (bedenk zo even wat). Speciale dagen zoals vaderdag / moederdag / EK etc etc zijn superrimpel planbaar, want altijd op dezelfde dag. Weer of nieuws (fipronil) is veel lastiger. En daarnaast wordt er veel met leveranciers samengewerkt om bepaalde producten in de aanbieding te krijgen. Een MRP2 berekening met een goede demandplanning die rekening houdt met o.a. de verkoopgeschiedenis, conjectuur, speciale dagen, forecasts en allerlei extra parameters ondersteund daarin goed.

[Reactie gewijzigd door mwesterl op 14 juni 2018 06:58]

Het is niet echt te vergelijken met een supermarkt. De waarde is enorm verschillend per product, risico op incourantie door een korte productlevenscyclus etc. etc.

Naarmate deze variabelen (en vooral de waarde) toenemen maakt of breekt een efficiënt vooraarbeheer dus ook het bedrijf. Bij een Albert heijn kan je in feite zo permiteren een hele container aan producten weg te gooien. Daarom gedurfd dat ze dit over durven te laten aan een stel pc's in plaats van een berg hoge kantoorklerken met een verregaande wiskundige kennis.
Is het bij supermarkten niet alleen de bestelling richting distributiecentrum? Het algoritme van Amazon 'onderhandelt' zelf met leveranciers voor de prijs, vooral dat gedeelte lijkt me lastig om helemaal goed te krijgen.
Sterk argument ja, Albert Heijn hoeft natuurlijk niet met zichzelf te onderhandelen over prijzen; dat gebeurt nog netjes vanuit Zaandam.
Dan kunnen ze alsnog met fabrikanten onderhandelen.
Ik denk alleen dat het aantal fabrikanten te klein is om hier momenteel een rendabel machine learning systeem voor te bouwen.
Mwoh, Unilever bevoorraadt bij wijze van de halve winkel.
Klopt, al wordt dat ook steeds goedkoper. Zie actie Amazon, maar ook allerlei ERP leveranciers die zich bezig gaan houden met Machine Learning. Infor & S.A.P. draaien zelf (voor een deel) op AWS, dus kunnen er ook gebruik van maken.
Tja dan heb je straks computer die met andere computer aan het onderhandelen is. Nu maar hopen dat het tot een deal komt.
Een programma wat ik gebruik en vele andere bedrijven wereldwijd is Slim4 van Slimstock. Ideaal programma bij het optimaal beheersen van je voorraad. Alleen gaat het bij Amazon volgens dit artikel nog een stukje verder..

[Reactie gewijzigd door syphx op 13 juni 2018 22:56]

"Amazon laat if-statements beslissen over inkoop en voorraadbeheer"
Algoritme betekent niet AI 8)7
Dit soort algoritmes bestaan al sinds de jaren 60 à 70. Een beetje cursus logistiek/planning/forecasting laat dat al zien. E.e.a. is uiteraard wel verfijnd in de loop der decennia.
En voor de retourzendingen hebben ze ook een algoritme om de spullen weg te gooien?

https://nos.nl/artikel/22...ndingen-in-duitsland.html
Zal best iets van kloppen, maar heb toch heel vaak iets wat teruggestuurd was voor een flink gereduceerd prijsje kunnen kopen bij amazon.de, dit zie je nooit bij anderen...
Opvallend afwezig detail in dit artikel: ik neem aan dat we het hier over machine learning / ai hebben, gezien de enorme hoeveelheid artikelen waar we het over hebben. "Algoritmen" is zo'n generieke term. Overigens verbaast het me nogal dat dit nu zo naar buiten komt, aangezien machine learning nu niet bepaald nieuw terrein voor Amazon is.
als je als groot bedrijf hier al niet mee bezig bent, loop je enorm achter. De mensen krijgen er onvoorspelbare taken bij, terwijl simpele/repetitieve dingen geautomatiseerd worden.

Het finetunen van een uitgebreid assortiment op de vraag is immers veel te complex voor een mens om telkens opnieuw alle parameters in overweging te nemen en dan een inschatting te maken.
Ze worden ook steeds beter en slimmer, deze algoritmes...

Op dit item kan niet meer gereageerd worden.

Tweakers maakt gebruik van cookies

Tweakers plaatst functionele en analytische cookies voor het functioneren van de website en het verbeteren van de website-ervaring. Deze cookies zijn noodzakelijk. Om op Tweakers relevantere advertenties te tonen en om ingesloten content van derden te tonen (bijvoorbeeld video's), vragen we je toestemming. Via ingesloten content kunnen derde partijen diensten leveren en verbeteren, bezoekersstatistieken bijhouden, gepersonaliseerde content tonen, gerichte advertenties tonen en gebruikersprofielen opbouwen. Hiervoor worden apparaatgegevens, IP-adres, geolocatie en surfgedrag vastgelegd.

Meer informatie vind je in ons cookiebeleid.

Sluiten

Toestemming beheren

Hieronder kun je per doeleinde of partij toestemming geven of intrekken. Meer informatie vind je in ons cookiebeleid.

Functioneel en analytisch

Deze cookies zijn noodzakelijk voor het functioneren van de website en het verbeteren van de website-ervaring. Klik op het informatie-icoon voor meer informatie. Meer details

janee

    Relevantere advertenties

    Dit beperkt het aantal keer dat dezelfde advertentie getoond wordt (frequency capping) en maakt het mogelijk om binnen Tweakers contextuele advertenties te tonen op basis van pagina's die je hebt bezocht. Meer details

    Tweakers genereert een willekeurige unieke code als identifier. Deze data wordt niet gedeeld met adverteerders of andere derde partijen en je kunt niet buiten Tweakers gevolgd worden. Indien je bent ingelogd, wordt deze identifier gekoppeld aan je account. Indien je niet bent ingelogd, wordt deze identifier gekoppeld aan je sessie die maximaal 4 maanden actief blijft. Je kunt deze toestemming te allen tijde intrekken.

    Ingesloten content van derden

    Deze cookies kunnen door derde partijen geplaatst worden via ingesloten content. Klik op het informatie-icoon voor meer informatie over de verwerkingsdoeleinden. Meer details

    janee