Sonepar

Sonepar is een onafhankelijk familiebedrijf met 145 opererende bedrijven verspreid in 48 landen. Sonepar heeft een wereldwijd marktleiderschap in B2B-distributie van elektronische producten, oplossingen en gerelateerde diensten. Het bedrijf heeft wereldwijd een miljoen klanten, 48.000 medewerkers en 3.000 branches.

Uitdaging

Squadra Machine Learning Company heeft voorheen ook al slimme oplossingen aangeboden aan Sonepar, namelijk:

• Automatische productclassificatie in de juiste ETIM-klassen, gebaseerd op fabrikant- en productbeschrijvingen.
• Het matchen en converteren van features en waarden van de leverancier naar de features en waarden van de ETIM-classificatie.
• Het extraheren van features uit productbeschrijvingen.

Sonepar Asia Pacific (APAC) heeft nu een aantal nieuwe uitdagingen gespecificeerd, die te maken hebben met het verwerken van data van leveranciers. Deze data is vaak weinig gestructureerd en heeft daarom veel handmatige verwerking nodig waarvoor bij Sonepar geen tools beschikbaar zijn. Verder worden alle processen binnen elk individueel bedrijf geregeld in plaats van een centrale aanpak. Hierdoor wordt er vaak foutieve data verkocht aan lokale leveranciers. Om deze data correct aan te leveren is er op de korte termijn een sterke behoefte aan een slimme onlineoplossing.

De bestaande softwareoplossingen die Squadra Machine Learning Company al heeft geïmplementeerd bij Sonepar werden als basis gebruikt om een oplossing te vinden. Zo kan een wereldwijde dataservice geschikt zijn, waarmee het standard procurement system (SPS) ook gebruikt kan worden in andere regio’s (zoals APAC). De geautomatiseerde classificatie en omzetting met PowerClass.ai was al beschikbaar voor SPS, maar was enkel getraind met een Europese dataset. Sonepar heeft daarom een Proof of Concept (POC) aangevraagd die de toepasbaarheid van PowerClass.ai zou testen met een APAC-dataset.

Oplossing

De al bestaande oplossingen werden geconfigureerd en getraind met Sonepar APAC data en een voorbeelddatabestand van de leverancier werd verwerkt in het Engels, om vervolgens een output-bestand te creëren. Dit bestand werd vervolgens geconverteerd naar de Sonepar ETIM-structuur- en formaat. De proof of concept demonstreerde dat de eigenschap(waarde)-matching van PowerClass.ai een regeling voorstelde waarmee de data van de leverancier gelinkt kon worden met het Sonepar ETIM-model. In de POC kon de gebruiker de voorgestelde regeling handmatig aanpassen of goedkeuren. Sonepar hoefde hiervoor geen nieuwe data aan te leveren. De output bestond uit een Excel-file met de producten van de leveranciers-input, geconverteerd naar de Sonepar ETIM-structuur en -formaat.

Resultaat

Met behulp van PowerClass.ai kan Sonepar nu alle relevante productdata van haar leverancier converteren naar het gewenste ETIM-datamodel. De Proof-of-Concept bleek een gebruikersvriendelijke interface te hebben waarmee de dataspecialisten van Sonepar zelf de voorgestelde regelingen konden goedkeuren of aanpassen. Dit zorgde voor gemak voor de medewerkers en een besparing van manuren en kosten.