Avvisi

Ricerca di personale






Specialecontinua »

Top 5 - ieri

Top 5 - ultima settimana

Top 5 - ultimo mese

Commenti recenticontinua »

Altre notizie

Notizie economiche



Machine Learning: il futuro della vendita al dettaglio di frutta e verdura?

Il retail dei prodotti ortofrutticoli è un'industria estremamente competitiva e in perenne trasformazione. Detto questo, i rivenditori sono sempre alla ricerca di opportunità per anticipare la concorrenza, e Machine Learning sembra essere una di queste: una tecnologia emergente che lascia intravedere enormi promesse per quest'industria. Portando i prodotti nell'era dell'informatica, i retailer possono incrementare i profitti e la crescita, ridurre gli sprechi, e molto altro.

A differenza di molti altri prodotti presenti nei negozi, gli ortofrutticoli hanno di solito una conservabilità a scaffale limitata. I negozi ne richiedono in continuazione, cercando, al contempo, di eliminare i prodotti ormai deperiti dagli scaffali, in quanto l'ultima cosa che vogliono è dare una brutta immagine dei negozi ai clienti consumatori.

Utilizzando il sistema automatizzato Machine Learning, il retailer può regolare lo stoccaggio in base alla domanda sempre mutevole nel punto vendita e ridurre la quantità di alimenti gettati via nel momento in cui si accumula un eccesso di merce nei negozi.

Gran parte dei rivenditori ha fatto finora uso dei dati delle vendite per determinare la domanda dei prodotti. Il problema di questo metodo di stoccaggio sta nel non tener conto di ogni cambiamento, oltre a non offrire possibilità di crescita. Il sistema Machine Learning non solo può calcolare con maggiore precisione la domanda e proporre, di conseguenza, gli investimenti più sicuri, ma addirittura calcolare i rischi nel sondare nuove possibilità di crescita.

Questo sistema riduce le probabilità che il prodotto vada fuori scorta; infatti quando questo accade i compratori rimangono insoddisfatti e devono andare da qualche altra parte a cercarlo. Ciò può influire negativamente sulla fedeltà dei clienti che non riescono a trovare in negozio ciò di cui hanno bisogno.

Per integrare ai vostri metodi il sistema Machine Learning non è necessario un investimento impegnativo. I programmi Machine Learning sono anche disponibili nella versione cloud. Questa versione delega a terzi il possesso di computer e lo svolgimento del lavoro e permette ai rivenditori di avere meno seccature, facendo sì che possano concentrarsi sulle vendite.

Fonte: mckinsey.com

Data di pubblicazione: 21/12/2016



 


 

Altre notizie relative a questo settore:

20/01/2017 Aeroponica nuova frontiera: frutta e verdura coltivate durante il trasporto
18/01/2017 Varieta' innovative per prolungare la stagione delle drupacee
18/01/2017 Con Tomatopiu' le verdure si coltivano in salotto
17/01/2017 In Cina la lattuga si coltiva al supermercato: il video
17/01/2017 Canada: nel 2021 arriveranno due nuove varieta' di pere
16/01/2017 USA: 7-Eleven consegna con i droni
13/01/2017 Del Monte utilizza scarti di ananas per energie rinnovabili
12/01/2017 Biochar, ammendante per terreni con vincoli ambientali
12/01/2017 Trovare i meloni piu' dolci? Ci pensa il nuovo smartphone Changhong H2
11/01/2017 Con i droni e' possibile controllare anche la fioritura del pesco
10/01/2017 InnoFresh Packing: migliorie per la linea automatica di confezionamento dell'uva
09/01/2017 Namibia: aumento della produttivita' del 30% con il nuovo sistema di confezionamento per l'uva
09/01/2017 Metodiche per il controllo dell'imbrunimento enzimatico in frutta e verdura
23/12/2016 Cina: cresce l'impiego di robot agricoli
22/12/2016 BioPARD, il rivelatore portatile di pesticidi
20/12/2016 Disinfezione biologica del terreno: ecco la macchina che funziona con vapore e calce
20/12/2016 Cisgenesi: la politica deve compiere delle scelte
19/12/2016 Un nuovo robot riduce l'uso di erbicidi del 95%
16/12/2016 Human's Garden: produrre frutta e verdura di eccellente qualita' grazie a un processo innovativo e tradizionale al tempo stesso
16/12/2016 I candidati per il Fruit Logistica Innovation Award 2017

 

Inserisci un commento:

Nome: *
Email: *
Città: *
Paese: *
  Mostra indirizzo mail
Commento: *
Inserisci il codice
*