La storia di Hema comincia ad Amsterdam, nel 1926. Nasce come grande magazzino rivolto però a un pubblico di massa, mentre in quegli anni il department store ambiva a un pubblico d'élite e spesso parlava francese.
Dai primi del 900 a oggi, l'insegna si è estesa in 9 paesi, oltre all'Olanda, in Germania, Belgio, Inghilterra, Lussemburgo, Spagna, Francia, Austria, Emirati Arabi. Conta una rete di 750 negozi fisici e un eCommerce internazionale tradotto in più lingue. Per gestire la supply chain Hema si è affidato a JDA Software, in particolare alle soluzioni JDA Luminate Demand Edge e JDA Fulfillment.
La supply chain data driven di Hema
@Hema
L'intelligenza artificiale viene utilizzata nella supply chain per mettere a frutto l'enorme quantità di dati a disposizione ed elaborare delle previsioni e delle statistiche, utili per prendere decisioni e per pianificare gli acquisti e i rifornimento dei magazzini. E il business data driven è ciò che ha guidato Hema nella scelta di JDA Software per la supply chain. L'obiettivo è migliorare i livello di servizio nel complesso e quella delle persone e degli store in particolare, in un contesto omnicanale nel quale si aspira ad ampliare la propria rete.
L'acquisizione di Blue Yonder da parte di JDA nel 2018 ha sostanziato di funzionalità intelligenza artificiale e machine learning all'interno delle soluzioni di evasione degli ordini di JDA. In concreto significa l'aggiunta di funzioni di previsione automatizzata, indispensabili per l'integrazione dei canali anche nella supply chain, in vista di un'espansione su base globale. Hema era già cliente JDA per le soluzioni Category Management e Workforce Management.
Prevedere la domanda per migliorare l'efficienza
Luminate Demand Edge è la soluzione SaaS di JDA per la previsione della domanda attraverso algoritmi di machine learning. Per la fase successiva c'è JDA Fulfillment, il tool che aiuta a rifornire magazzini e negozi nella maniera più mirata possibile, in base alle previsioni sulla domanda. Significa ridurre le scorte e utilizzare al meglio le risorse, pianificando accuratamente il livello di investimento e di rischio. L'impatto positivo si riflette nel rapporto con i fornitori che diventa più stabile e basato anch'esso sulle previsioni.
L'intelligenza artificiale con il machine learning fa sì che il software, opportunamente nutrito di dati e addestrato, apprenda con il tempo, per realizzare previsioni sempre più accurate tenendo presenti oltre 200 fattori. Qualche esempio: previsioni meteo, giorni di vacanza, giorno della settimana, del mese, dell'anno.
Tutti questi elementi aiutano a servire meglio il cliente finale utilizzando al meglio la logistica, a vantaggio anche della sostenibilità ambientale.
L'utilizzo di soluzioni SaaS di AI/ML permette poi di aere la visibilità completa di ciò che succede nella supply chain: scorte, acquisti, flusso di magazzino, esigenze di trasporto.
