AB InBev, de grootste bierproducent ter wereld, helpt caféhouders en andere horecazaken met artificial intelligence (ai) slimmer in te kopen. De vertegenwoordigers van het drankenconcern achter onder meer Budweiser, Corona, Stella Artois en Leffe halen uit deze ai-modellen meer inzichten. Ze adviseren hun klanten welke merken bier ze het best kunnen inkopen om hun omzet te verhogen.
De biergroep met de hoofdvestiging in Leuven heeft wereldwijd vijfhonderd merken. Daaruit is het soms moeilijk een juiste keuze te maken. Met datagedreven aanbevelingen blijkt dit beter te gaan. De nieuwe werkwijze leverde substantieel extra omzet op in het eerste helft van dit jaar, aldus AB InBev. En dat terwijl horecazaken tijdens de lockdown deels gesloten waren.
De implementatie draait al in zes landen waaronder Nederland en België. De brouwer traint in een groot aantal andere landen de salesteams hoe die de dashboards met inzichten kunnen gebruiken. Aan die dashboards liggen AutoML-modellen van DataRobot ten grondslag. Die tools stellen de gebruiker in staat om machine learning-taken te automatiseren.
Het data science team van AB InBev had al ervaring met ai-platformen. Hierbij liepen zij echter tegen een beperkte schaalbaarheid van de modellen aan. Bovendien waren de nauwkeurigheid en snelheid onvoldoende. Zo kon de kwaliteit van de data niet worden gegarandeerd. Vaak konden salesmedewerkers de inzichten pas na anderhalve week met klanten delen. Dan was de informatie al verouderd. Om sneller en beter te kunnen werken en de kracht van ai breed beschikbaar te maken, koos het bedrijf voor een andere oplossing.
Verouderd
Renato Piai, commercial & consumer analytics director bij AB InBev, zegt: ‘Datawetenschap wordt doorgaans traditioneel benaderd. Het model moet door mensen worden gebouwd en begrijpelijk zijn. Anders vertrouwt men het niet. In die zin was het inzetten van een nieuwe technologie als AutoML een uitdaging.’ Een barrière is doorbroken. Piai: ‘Een verkeerde sales-aanbeveling kan bovendien op grote schaal miljoenen kosten. Dus er is ook een zekere angst om te falen.’
AB InBev wist in negen weken de infrastructuur op te zetten, de benodigde data uit de regio’s samen te brengen in één data pijplijn, het platform van DataRobot te implementeren, de modellen te ontwerpen, te valideren en in productie te brengen.
