Más leído
- 1. Autoridades y profesionales del sector estrenan GOe
- 2. La X edición de la Carrera Solidaria tuvo la mayor participación de su historia
- 3. Dikar adquiere Ternua para impulsar su crecimiento y garantizar el arraigo de la marca en Euskadi
- 4. Nueva fiscalidad para las EPSV. ¿Cómo afectará a tu pensión?
- 5. Kide celebra su 50 aniversario
- 6. Gobierno Vasco y Konfekoop contrastan el Plan de Industria Euskadi 2030 con el cooperativismo industrial vasco
Eroski aplica analítica avanzada para optimizar su servicio de compra a domicilio con Ibermática
 
                      La compañía tecnológica, según ha explicado en un comunicado, ha desarrollado varios proyectos mediante técnicas de Inteligencia Artificial y 'Machine Learning' dentro del ámbito del modelado predictivo y descriptivo, para "solucionar diversas casuísticas que se consideran vitales en el centro del negocio, pero para los que no había un remedio claro a través de los métodos habituales de programación o de inteligencia de negocio".
El algoritmo es capaz de predecir aproximadamente cuántos pedidos va a haber a lo largo del día
Así, ha detallado que el algoritmo es capaz de predecir aproximadamente cuántos pedidos va a haber a lo largo del día, en qué zonas geográficas, en qué centros preparadores, en qué franjas horarias y los motivos, basándose en el estudio de las series históricas de los últimos años.
Todo ello permite a Eroski ajustar la negociación de las tarifas con sus proveedores de transporte. Ibermártica ha detallado que, gracias al uso de modelos de 'Machine Learning', "se ha logrado generar una previsión de la demanda de pedidos que tendrá que entregar cada uno de los grupos de transporte en cada franja horaria y cada día con un horizonte temporal de 2 meses, sin que se vea afectada la satisfacción del cliente".
 
     
     
   
                         
                                   
                                   
                                   
                                   
             
                         
                        