Inga produkter i varukorgen.
Axfoods förbättringsresa är en gerillarörelse – ”Frågade inte om lov”
Förbättringsarbete Rätt inköp vid rätt tillfälle, och större träffsäkerhet i prognoserna har lett till att Axfood har sparat flera tiotals miljoner de senaste fem åren. Bakgrunden till framgångssagan är ett brinnande engagemang hos några av företagets medarbetare.
Joakim Berg, Axfood.
Joakim Berg började som konsult på Axfood i juni 2022. Efter att ha konsulterat matjätten i drygt ett halvår blev han fast anställd som produktägare, IT.
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Kvalitetsmagasinet premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
– Jag fick äran att ärva vår maskininlärningsplattforn från min föregångare, och det arbetet har varit imponerande. Det är en riktig gerillarörelse – eller snarare en kärleksrörelse – hos ett antal väldigt passionerade medarbetare, säger han.
Från ax till limpa på gräsrotsnivå
Han förklarar att initiativet kring att automatisera bland annat inköpsförslag kom från ”ett gäng eldsjälar på både affärssidan och IT-avdelningen”. För fem år sedan började några av de anställda undersöka vilken typ av molntjänster som skulle passa just Axfood. Syftet var bland annat att få fram försäljningsprognoser för att köpa in rätt mängd varor till butikerna.
Redan innan 2018 användes ett maskininlärningssystem för att skapa dessa prognoser. Men det var ganska yxigt utformat och tekniken var inte den senaste.
Efter en tids arbete började företagets modellutformning växa sig allt större. Idag är alla Hemköps och Willys kampanjförsäljningsprognoser produkter av de framarbetade plattformarna. De förutspår hur stor mängd varor som bör köpas in av butikerna genom att analysera mycket stora datamängder, och föreslår också vilja kampanjpriser som ska sättas. Inför en kampanj går resultatet av modellens beräkningar direkt in som ett förslag i inköpssystemet, och är alltså helautomatiskt.
Lyckad chansning
När arbetet med att automatisera inköpen började skedde det på en högst experimentell nivå, berättar Joakim Berg. Ingen visste hur utfallet skulle bli eller om det överhuvudtaget skulle lyckas, men företagskulturen var så pass tillåtande att data-analytikerna vågade satsa fullt ut.
– De här projekten har aldrig kommit uppifrån. Ingen har talat om för oss hur vi ska göra och vi frågade inte om lov. Vi visste att vi hade ledningens förtroende. Och självklart testade vi oss fram väldigt småskaligt. I dag är det ingen som överhuvudtaget skulle ifrågasätta det här arbetet, det har sparat företaget många tiotals miljoner kronor, säger han.
Pang för pengarna
Förbättringssatsningarna har krävt förhållandevis begränsat med personalresurser men har alltså fått oväntat stora effekter.
– Det här med att vi pö om pö tog fram nya prototyper var för att lyfta maskininlärning till nästa nivå och göra det skalbart och användarvänligt. Plötsligt rasslade allting till och det blev helautomatiskt. Och nu försöker vi hitta fler områden som vi kan förbättra med hjälp av tekniken, säger han.
De utmaningar som han har identifierat under resans gång handlar främst om att projektteamen äntrade fullständigt obevandrad mark. Hur arbetar man med en molntjänst? Hur garanterar man säkerheten och hur gör man med den finansiella styrningen? De var frågor som besvarades under resans gång. Men kärnan – att leverera affärsvärde – har funnits där från början.
Det viktigaste rådet
Vad skulle Joakim Berg då råda företagare som vill använda sig av tekniken för att lyfta förbättringsarbetet till nya nivåer? Till att börja med måste man hitta bra samarbetsformer förklarar han. Företagets IT-personer bör kroka arm med affärsverksamheten eller vice versa.
– Leta upp kolleger som tycker att det här verkar coolt och sedan läser ni på om maskininlärningsplattformarna, det är lättare än man tror och man kommer bara hitta alltfler användningsområden. Sedan säkerställer ni tillgången till bra data. På Axfood kommer vi att fortsätta att tänka utanför boxen och förbättra tillgången till data för att se vad vi kan göra med den.
