Ícono del sitio La Neta Neta

Freshflow está ayudando a los minoristas de comestibles a combatir el desperdicio de alimentos

Treasure8 agrega a Chris Cowart a su equipo ejecutivo mientras renueva su tecnología para reducir el desperdicio de alimentos

Durante años, los minoristas de comestibles han estado utilizando pronósticos basados ​​en datos para ayudarlos a predecir la demanda y determinar qué productos reordenar para mantener los estantes abastecidos. Eso no es nada nuevo. Pero la startup con sede en Berlín Flujo fresco está apuntando a una porción particular de este mercado: ha creado una plataforma de pronóstico impulsada por IA para ayudar a los minoristas a optimizar la reposición de existencias de productos frescos y perecederos, como frutas y verduras, carne, productos lácteos y de panadería, para que el desperdicio de alimentos se minimice y ingresos del minorista maximizados.

Dice que su primer cliente ha visto una reducción del 28 % en el desperdicio de alimentos y un aumento del 16 % en los ingresos después de alrededor de ocho meses usando su sistema impulsado por IA para automatizar el reabastecimiento de productos frescos, con tasas promedio entre los (un puñado de) primeros usuarios que se ubican en Un 30 % menos de desperdicio de alimentos y un aumento de los ingresos del 16,7 %.

Una peculiaridad de la venta minorista de comestibles es que el reordenamiento de productos frescos a menudo todavía se hace manualmente, dice el cofundador de Freshflow, Avik Mukhija, y el personal del supermercado toma lo que a menudo equivale a decisiones de “intuición” sobre cuántos productos frescos reordenar, lo que puede conducir a más -hacer pedidos que no solo afecta los ingresos, sino que conduce al desperdicio de alimentos, ya que los artículos no vendidos se echan a perder rápidamente y deben desecharse; y también pedidos insuficientes, lo que significa que los minoristas están perdiendo ingresos adicionales si los compradores se sienten frustrados por los estantes vacíos.

Según Mukhija, las razones por las que la reordenación manual ha persistido para este segmento (fresco) de la venta minorista de comestibles son innumerables, incluidas las vidas útiles cortas (pero no uniformes); variación de calidad; estacionalidad; y los productos a menudo se venden por peso en lugar de por pieza, lo que complica los datos de inventario de ERP. “Esos desafíos combinados hacen que los productos frescos sean intrínsecamente diferentes a los envasados”, argumenta, y dice que ha sido casi un “mantra minorista que un ser humano aún podría hacer esto manualmente mejor que un sistema”.

“Y debido a que esa es la opinión… hasta ahora, en su mayor parte, los minoristas solo han confiado en las personas para hacer esta parte”.

La premisa de Freshflow es que el aprendizaje automático puede hacer un trabajo mucho mejor y menos derrochador en la reposición de alimentos frescos que el ojo, la nariz y el intestino humanos al poder sopesar una variedad de factores que pueden afectar la demanda (como el clima, la temporada, eventos locales) y analizando los datos disponibles de los minoristas para hacer predicciones y modelos probabilísticos (como pronosticar la vida útil de diferentes productos) para, en general, hacer coincidir con mayor precisión la oferta y la demanda.

Mukhija dice que sus primeros resultados (aunque para un pequeño número de clientes) lo confirman. “Nuestra predicción es definitivamente mejor que lo que se ha hecho históricamente utilizando la intuición porque hemos reducido el desperdicio y hemos visto un aumento significativo en los ingresos”.

“Cuando miras los gráficos entre lo que predecimos en términos de ventas y lo que realmente sucede, casi lo rastrea perfectamente”, agrega el cofundador Carmine Paolino, quien, cuando se le pregunta sobre la precisión del modelo, nos dice el “error absoluto medio”. por sus predicciones hasta ahora es

Suponiendo que la IA de Freshflow pueda mantener este rendimiento inicial a medida que escala para servir a más minoristas, la puesta en marcha parece estar en algo grande e importante: como señala, el sector minorista de comestibles es responsable de aproximadamente el 5% de la cantidad total de alimentos desechados anualmente. , equivalente a más de 4,5 millones de toneladas. Mientras que, en Europa, el exceso de pedidos causado por una mala predicción de la demanda contribuye a que los minoristas desechen $ 50 mil millones en alimentos frescos cada año.

El desperdicio de alimentos también es un gran contribuyente al cambio climático, generando lo que terminan siendo emisiones de carbono totalmente innecesarias, lo que significa que reducir el desperdicio aquí no se trata solo de optimizar las ganancias de los minoristas, es muy importante si la humanidad quiere abordar con éxito el cambio climático.

Los cofundadores de Freshflow, Carmine Paolino (izquierda) y Avik Mukhija. Créditos de imagen: Flujo fresco

La startup con sede en Berlín, que se fundó hace poco más de un año, no es la única que detecta la oportunidad de aplicar técnicas de aprendizaje automático, como el modelado probabilístico, a los pedidos de alimentos frescos. Está compitiendo con una serie de nuevas empresas estadounidenses como Afresh y Shelf Engine. Mientras que en Europa, el campo competitivo parece un poco más escaso, pero hay plataformas de planificación de la demanda minorista más generalistas como Relex, así como, por supuesto, el gigante alemán ERP SAP, pero Freshflow argumenta que su enfoque dedicado a los productos frescos le da una ventaja. para comestibles frescos frente a pronosticadores de demanda menos especializados.

Más allá de eso, otro factor diferenciador que afirma es la facilidad de integración para los minoristas. La plataforma de Freshflow está diseñada para colocarse como una capa sobre los sistemas ERP existentes de los minoristas, y Mukhija dice que los clientes pueden estar en funcionamiento con la plataforma en aproximadamente un mes.

“Una de las propiedades clave de Freshflow es que la integración es súper liviana”, le dice a TechCrunch. “Por lo general, cuando los supermercados incorporan nuevos sistemas de TI, se necesitan varios meses o varios años de tiempo de integración. Porque tienen sistemas ERP muy obsoletos y no tienen IO/API adecuados.

“Con Freshflow podemos incorporarlos en un mes, y la razón es que somos una capa liviana sobre su sistema ERP existente, por lo que no es necesario integrarlos específicamente. Trabajamos a partir de canalizaciones de datos que nos envían datos fuera de su sistema”.

En el piso de la tienda, el producto toma la forma de una aplicación para iPad que es utilizada por el equipo de producción, informándoles de los niveles de reposición recomendados por producto. Este proceso de reordenación está destinado a ser automatizado en gran medida por la aplicación de Freshflow, pero el personal humano puede intervenir y anular la recomendación de la IA para un pedido de producto en particular si es necesario.

Freshflow dice que su sistema está activo con uno de los minoristas de comestibles más grandes de Alemania, así como con un jugador de comercio rápido de Europa del Este. Todavía no nombra a ningún cliente pero, cuando se presiona, nos dice que el SaaS está activo en cuatro tiendas en total.

Hoy anuncia una ronda de financiación inicial de 1,7 millones de euros, dirigida por el fondo de riesgo alemán Capnamic y el VC europeo de tecnología climática, World Fund, con la participación de varios inversores ángeles estratégicos, incluido Alexander Mrozek, director ejecutivo de Dr. Oetker Digital y Jens Fiege y Felix. Fiege, directores ejecutivos de FIEGE Logistics, y dice que tiene la intención de utilizar la nueva financiación para expandir su presencia en Europa con el objetivo de llevar su SaaS a 100 tiendas.

Al comentar sobre el aumento de semillas de Freshflow en un comunicado, Tim Schumacher, socio general de World Fund, dijo: “Casi el 40% de todos los alimentos producidos a nivel mundial se desperdicia y esto está causando seis veces el impacto de carbono que toda la industria de la aviación en todo el mundo. Eso es lo que hace que los objetivos de Freshflow sean tan admirables y fue una razón clave por la que en World Fund queríamos apoyarlos. Avik y Carmine han desarrollado un motor de inteligencia artificial de última generación muy emocionante que ya está obteniendo resultados notables y no tengo ninguna duda de que el futuro es muy brillante para Freshflow”.

En otra declaración de apoyo, Dorothea Gotthardt, gerente de inversiones de Capnamic Ventures, agregó: “En Capnamic nos impresionó de inmediato la escala de ambición en lo que respecta a Avik, Carmine y el equipo de Freshflow. Abordar el problema del desperdicio de alimentos al mismo tiempo que aumenta los resultados de un minorista es una propuesta llamativa y, dados los resultados hasta el momento, es evidente que lo están logrando. Cuanto antes puedan expandirse por todo el continente, mejor será para los minoristas y los consumidores. No puedo esperar a ver a dónde va Freshflow en los próximos 12 meses”.

Freshflow también recibió anteriormente algunos fondos iniciales a través del programa acelerador Entrepreneur First con sede en Berlín, donde sus dos cofundadores, ambos con experiencia en aprendizaje automático, se reunieron y decidieron unir fuerzas en torno a la idea.

“Nuestra IA funciona a partir de una combinación de datos que provienen de las tiendas, de los minoristas, tenemos datos de ventas, datos de pedidos, tenemos reducción [produce wastage] datos, tenemos los datos sobre los productos… a veces también información nutricional, todo tipo de información que obtenemos de ellos. También obtenemos información externa como los datos meteorológicos. Y, a veces, también datos de ubicación, si hay eventos locales y demás. Y lo combinamos todo en nuestros modelos de aprendizaje automático”, dice Paolino, explicando cómo la IA elabora sus predicciones de demanda.

“También usamos un inventario probabilístico que básicamente sabe cuál es la vida útil de los productos. Este es uno de los mayores desafíos en nuestro espacio, especialmente con productos perecederos, porque podemos modelar la vida útil en los estantes con los datos que obtenemos de los supermercados y esto se debe a que cada supermercado maneja los productos frescos de una manera diferente. ”

Paolino da el ejemplo de una tienda que deja un determinado tipo de verdura sin refrigerar (por ejemplo, después de que llega y antes de que se coloque en los estantes y/o se almacene en frío) incluso durante un período de tiempo relativamente corto, lo que, sin embargo, puede tener un impacto sustancial en la vida útil general de ese producto, lo que significa que esa es otra variable que el sistema debe tener en cuenta.

Para hacer eso, Freshflow no está en el negocio de vigilancia de tiendas; más bien está trabajando hacia atrás a partir de puntos de datos que los supermercados proporcionan como parte de sus procesos estándar de seguimiento de productos, es decir, información sobre alimentos frescos no vendidos/estropeados que, combinados con datos sobre cuándo llegó ese producto a la tienda, puede usarse para predecir de forma probabilística la vida útil. .

“Así que tenemos este sistema de aprendizaje automático que determina por sí mismo la vida útil de los productos; luego tenemos un inventario que es probabilístico y sabemos más o menos qué hay en el inventario y lo combinamos todo en nuestro modelo de aprendizaje automático para esencialmente predecir qué deberían pedir”, agrega Paolino.

Freshflow espera que sus predicciones mejoren aún más con el tiempo, a medida que ingieran más datos al incorporar a más clientes, y a medida que los clientes usen el sistema y retroalimenten más puntos de datos (incluidas, por ejemplo, las decisiones del personal de anular una sugerencia de reabastecimiento), como su los algoritmos mejoran en la comprensión de la longevidad de los productos perecederos y en la predicción de la demanda humana de alimentos frescos.

También apunta a un aumento constante de la demanda de productos frescos por parte de los consumidores, al tiempo que señala que el espacio de almacenamiento en frío de los supermercados permanece fijo, por lo que el equipo predice una demanda creciente de los minoristas de comestibles de enfoques más inteligentes para reponer estos productos frescos buscados.

“Especialmente cuando observa a los minoristas tradicionales, sus ingresos en productos frescos son la única categoría de productos que en realidad está aumentando en comparación con los que están en línea porque a la gente le gusta entrar a la tienda y comprar cosas frescas. Y el espacio de almacenamiento obviamente sigue siendo del mismo tamaño”, agrega Mukhija. “Hemos notado eso con nuestros clientes existentes; esas cámaras frigoríficas se llenan muy rápido y luego las cosas también se estropean muy rápido, obviamente”.

La visión a largo plazo de la startup es expandirse desde el servicio a los minoristas de comestibles orientados al cliente hasta las instalaciones de almacenamiento, los proveedores e incluso, en última instancia, los agricultores, con el objetivo de automatizar toda la cadena de suministro de alimentos frescos y reducir el desperdicio global de alimentos en un 50 %. O, bueno, ese es el moonshot.

¿No podrían los supermercados hacer este tipo de modelado predictivo ellos mismos, dado que ya poseen muchos de los datos básicos necesarios para entrenar a las IA de pronóstico en los caprichos de los alimentos perecederos?

“Generalmente, los supermercados hacen lo que mejor saben hacer y así es como vemos el futuro en el mundo minorista”, responde Mukhija. “Siempre escuchamos esto de los gerentes de las tiendas: quieren asegurarse de que están atendiendo a sus clientes. Que la sección de productos frescos se ve muy bien y presentable y que se están realizando muchos controles de calidad en los estantes. Pero no quieren perder tiempo haciendo análisis de datos y construyendo equipos de IA internamente. Es extremadamente costoso: estás reinventando la rueda cada vez. Y también es difícil atraer talento de inteligencia artificial de primer nivel”.

Paolino también agrega eso para decir que Freshflow planea experimentar con la aplicación de tecnología de aprendizaje por refuerzo a sus predicciones impulsadas por IA, enfatizando: “Y eso es muy, muy difícil de hacer, también para los minoristas”.


Source link
Salir de la versión móvil