Contexte et problématique
Analyser les processus actuels afin d’optimiser la Supply Chain et améliorer la performance opérationnelle.
Améliorer l’assortiment des pharmacies avec un taux de granularité très fin en fonction de la localisation, de la population etc.
Optimiser des approvisionnements, la gestion des stocks et le circuit de livraison.
Objectifs
Mettre en place et maintenir une application permettant d’analyser l’existant et identifier des axes d’amélioration à travers des algorithmes de Machine Learning et de recherche opérationnelle.
Définir les nouvelles pratiques à mettre en place et expliquer comment le faire.
Notre intervention
2 Data Scientist, 1 Data Engineer, 1 consultant en recherche opérationnelle
-
- Récupération, nettoyage et traitement des données nécessaires au projet
- Développement des algorithmes d’analyse, de recherches opérationnelles et de prédiction
- Amélioration continue des algorithmes d’apprentissage pour une meilleure prédiction
- Collaboration en équipe sur le projet en méthodologie agile
- Test, recette et mise en production du projet
Résultats
Application en production et fonctionnelle
Retours positifs de la part des équipes opérationnelles dont le travail gagne en efficacité
Au vu des très bons résultats, le client envisage de déployer l’application sur un périmètre plus important
Environnement technique