Case Heinen & Hopman

Gedurende de jaren is Heinen & Hopman uitgegroeid tot een internationale marktleider in verwarmings-, ventilatie-, airconditioning- en koelsystemen (HVAC+R-systemen). De organisatie is opgericht in 1965 en heeft nu kantoren in zestien verschillende landen. Waar Heinen & Hopman naar streeft, is het leveren van de beste HVAC&R-systemen ter wereld, door voortdurende innovatie en uitbreiding van het wereldwijde servicenetwerk. Heinen & Hopman heeft een aantal uitdagingen op het gebied van productgegevenskwaliteit, en Squadra Machine Learning Company heeft Powerimprove.ai gebruikt om Heinen & Hopman hierbij te ondersteunen.

Uitdaging

De uitdaging voor Heinen & Hopman was om de volledige productdatabase, met ongeveer 28.000 producten, samen te voegen in een enkele omgeving, het Productinformatiebeheer (PIM) systeem. Hiertoe is intern bij Heinen & Hopman een proces gestart om een PIM-systeem en -afdeling op te zetten. Echter, vanwege een aantal verschillende factoren is het geen gemakkelijk proces om de diverse bronnen van artikelgegevens snel en nauwkeurig te koppelen aan het centrale artikelbestand. Een uniek artikelnummer ontbreekt momenteel namelijk voor veel artikelen, en Heinen & Hopman koopt artikelen in bij verschillende leveranciers, die op hun beurt regelmatig bij dezelfde fabrikanten inkopen, wat resulteert in een overlapping in het assortiment van verschillende leveranciers. Bovendien wil Heinen & Hopman, vanwege internationale ambities, gaan werken met GTIN-artikelnummers, terwijl op dit moment nog steeds de eigen materiaalcodes worden gebruikt, naast leverancier- en fabrikantartikelcodes en handmatig ingevoerde GTIN-artikelnummers (met de nodige fouten). Het dataprobleem brengt dus uitdagingen met zich mee op het gebied van gegevenskwaliteit, die kunnen worden verbeterd met Powerimprove.ai. Ten slotte overweegt Heinen & Hopman gebruik te maken van een datapool, namelijk 2BA, om productgegevens van fabrikanten te verkrijgen.

Oplossing 

Heinen & Hopman vroeg Squadra Machine Learning Company om een Proof of Concept (POC)-project uit te voeren omdat de eerder genoemde factoren, in combinatie met de omvang van het assortiment, het een uiterst tijdrovende en gecompliceerde taak maakten om handmatig aan te pakken. Daarom was de vraag of dit proces van het koppelen van producten (gedeeltelijk) geautomatiseerd kan worden met behulp van innovatieve Data Science- en Machine Learning-technieken. Tijdens de POC heeft Machine Learning Company het masterartikelbestand van Heinen & Hopman gematcht met twee representatieve artikelbestanden en een fabrikantartikelbestand van 2BA, verkregen via de Powerenrich.ai-software.

Met behulp van deze datasets krijgt Heinen & Hopman inzicht in de mate waarin de gegevens automatisch kunnen worden gematcht. De POC-oplossing biedt een aantal slimme functionaliteiten, zoals een validatiescherm om de gematchte artikelen goed te keuren of af te wijzen. Hiervoor wordt gebruikgemaakt van het intelligente matching-algoritme dat de matches ordent op basis van waarschijnlijkheid. Als er een EAN/GTIN, fabrikant- of leveranciersnummer aanwezig was, kon het algoritme hierop matchen. Zo niet, dan moest het algoritme matchen op basis van de artikelnaam, artikelbeschrijving of een vertaling hiervan.

De POC is gebaseerd op de verwerking van Excel-bestanden, omdat dit in lijn is met de werkwijze die Heinen & Hopman tot nu toe heeft gehanteerd. De oplossingen van Squadra Machine Learning Company kunnen echter ook worden benaderd via een REST API, zodat de artikelgegevens ook op een later tijdstip kunnen worden opgehaald en gebruikt in een PIM-systeem.

Resultaat 

Door gebruik te maken van onze PowerImprove.ai-software kan Heinen & Hopman nu automatisch datasets met verontreinigde gegevens schonen. Dit resulteert in enorme tijdsbesparingen en biedt voordelen voor processen met betrekking tot productgegevens.