Hace unas semanas anunciamos que SEUR fue galardonada con el PREMIO CEL 2018 por el mejor proyecto innovador: el modelo de previsión de producción que hemos desarrollado para ellos, consistente en aplicación de técnicas de Big Data y Machine learning para la generación de modelos de previsión de producción y de planificación de los recursos de SEUR.
Hoy nos ha acompañado Ana Galve, responsable de distribución de SEUR a Capital Radio para contarnos en persona su experiencia y la importancia del reconocimiento de este premio.
También la ha acompañado Maite Gilarranz, co-fundadora de PiperLab, quien ha explicado el desarrollo del modelo de predicción, así como sus resultados, que alcanzan más del 96% de acierto.
Ana Galve ha contado cómo una empresa multinacional como es SEUR se ha subido al carro del análisis de datos, y cómo ha impactado en su negocio el proyecto de predicción de producción de expediciones.
«Más de 9.000 modelos algorítmicos predictivos funcionando niveles de precisión media por encima del 95%. Estamos muy contentos con los resultados», indicó Ana.
«El objetivo que teníamos cuando comenzamos a colaborar con SEUR era principalmente el de dotar de una previsión de demanda tanto de salidas como de llegadas de expediciones a todas sus unidades de negocio y gestionar el volumen de la producción esperada tanto desde una perspectiva operativa (previsiones diarias a una semana vista), como táctica (previsiones trimestrales y anuales)»; añadió Maite.
Los resultados, tal y como explicaron, consisten en una sencilla herramienta que utilizan de forma diaria los empleados. «Al fin y al cabo, son los responsables de nave los que la utilizan cada día, porque son los que deciden cuántas furgonetas se van a necesitar al día siguiente», explicó Ana.
Con respecto al PREMIO CEL 2018, el galardón reconoce a empresas nacionales cuyo trabajo y esfuerzo ha supuesto una aportación relevante dentro del área de la cadena de suministro de una empresa, obteniendo una mejora sustancial de la calidad de sus procesos
Escucha la entrevista completa sobre Big Data y Machine Learning en el siguiente enlace:
