Posts tonen met het label event. Alle posts tonen
Posts tonen met het label event. Alle posts tonen

zondag 21 mei 2023

Learnings van het Fashion VMI & AI event d.d. 25 april 2023

Op 25 april 2023 vond het eerste Fashion Rendement Event met VMI & AI voor fashion brands plaats. In mijn blog van 10 april werd dat aangekondigd en in deze blog blikken we erop terug en kijken we naar het vervolg. 

rondetafelgesprek VMI & AI event 25/3/2023

Bijzondere locaties (Fashion for Good & Ten Club), een alignment presentatie over VMI & AI in de mode (op te vragen bij Steven Witteveen), bijzondere mensen (Harry van der Zee, Arjan Maat, Rob Schalker, Robbert Slaats, Marcel Benner, Patrick Draijer, Jort Jeursen, Willem Elbers, Thom Timmer, Jorrit Weekenborg, Jeroen Dijkema, Wendy Kok en Rodney Lam), een nog specialere keynote spreker over Artificial Intelligence in de mode #fashionAI (Remy Gieling) en een diepgaande ronde tafel discussie tussen de bekende Nederlandse marktleiders van Vendor Managed Inventory #fashionVMI als duurzamer business model tussen merken en multi-brand fashion retailers. Gehost door #ING en #WAIR - Retail Geeks. 

Onderstaand de learnings van het event en het vervolg daarop.


Remy Gieling, AI-evangelist @WAIR

Learnings van het Fashion VMI & AI event

  1. De deelnemers aan het event kwamen door de samenstelling van de groep, door het tijdstip op de dag, door de inspirerende omgevingen en dito sprekers tot een zeer open mindset. In vertrouwen durft men insights, overtuigingen en twijfels te uiten en is men bereid business cases uit te werken en te gaan delen. Hoe bijzonder is dat!
  2. Zoals AI-goeroe Remy Gieling al aangaf op het VMI & AI in Fashion Event, zijn wij merken hier in Europa niet elkaars concurrent, maar moeten wij hier juist samenwerken om het hoofd te bieden tegen ongrijpbare fashion tech initiatiatieven als Shein en nu schijnbaar ook Temu uit China https://lnkd.in/ey2GZ37E Dit event is alvast een mooi voorbeeld van kennis delen in de uitdagende fashion branche.
  3. AI is dermate impactfull, maar ook nog zo ongrijpbaar en complex, dat we krachten moeten bundelen om tot de juiste toepassingen met AI in fashion te komen. We mogen het zeker niet ongemerkt aan onze bedrijfsvoering voorbij laten gaan. WAIR heeft daartoe een concreet AI launching program lopen met inmiddels mooie praktijkresultaten bij retailers en brands in fashion.
  4. Juist in deze tijd (corona nasleep, inflatie, kostenstijgingen, dalend consumentenvertrouwen) durven retailers minder long term verplichtingen aan te gaan middels pre-orders. VMI is daartoe een juist antwoord. VMI is overigens geen tegenhanger van pre-orders. Pre-orders en VMI kunnen heel goed samen gaan. Bij een tegenvallende ordergrootte van pre-orders is het van groot belang dat je in season extra bij kan leveren. Dat nalevermechanisme is een van de essentiële kenmerken van VMI als business model. Een lage pre-ordergrootte hoeft geen probleem te zijn als je vrijelijk maar intelligent na mag leveren in season.
  5. Het omzetten van een traditioneel model naar een VMI model kan 'like-for-like' een uplift met zich meebrengen van 25%-75% qua omzetstijging en 20-25% qua bruto marge verdiensten in Euro's (na afprijzingen) op de shopfloor. https://tinyurl.com/2x8befmn 
  6. Multibrand fashion retailers kunnen zich beter concentreren op een goede locatie met gekwalificeerd personeel, een juiste merkenmix en een optimale shoppingbeleving voor de consument. Zodat de de fashion brands de regie over de goederen ter hand kunnen nemen en erop kunnen toezien dat de juiste SKU's, in de juiste aantallen, op de juiste winkelvloer beschikbaar zijn. Ter voorkoming van waste (overschotten), meer verkopen tegen 'full margin', minder nee-verkopen en een beter rendement voor brand en retailer. Win-win-win derhalve. 
  7. Fashion for Good is een onbekende plek op het Rokin te Amsterdam waar de gehele fashion industrie laagdrempelig geïnspireerd kan worden over hetgeen sustainability en circulariteit in fashion echt betekenen; past<present>future. At the core of Fashion for Good is our Innovation Platform, where we focus on sparking and scaling technologies and business models that have the greatest potential to transform the industry. We provide support to innovators based on their business maturity through three key programmes: our Fashion for Good-Plug and Play Accelerator, our Scaling Programme and our Good Fashion Fund. Hierachter gaat een fonds schuil van maar liefst meer dan een half miljard USD. Opgebracht door de 'believers' onder de grote der aarde in fashion, waaronder C&A, PVH, adidas, Kering (oa PUMA, stichd) en meer.
  8. De deelnemers aan het event zijn verrast en op verschillende manieren geïnspireerd en zien uit naar een vervolg.  
VMI-evangelist Steven Witteveen als moderator

Nawoord

Een aantal deelnemers heeft inmiddels business cases m.b.t. hun VMI-praktijkervaringen uitgewerkt voor verschillende situaties en marktsegmenten. In een vervolgsessie gaan de resultaten hiervan door hen gepresenteerd worden. 

 
Meer weten over VMI en/of AI middels WAIR in fashion; neem contact op met Steven Witteveen.

maandag 10 april 2023

Rondetafelgesprek over VMI & AI in fashion: 25 april 2023

 

OPUS, YAYA, stichd, Just Brands, No-Excess, Profuomo. Stuk voor stuk namen van fashion leveranciers die als frontrunners fungeren voor de toepassing van VMI in fashion. 


Een tiental voorlopers op het gebied van VMI in fashion hebben hun deelname toegezegd aan een rondetafelgesprek over innovatie in fashion middels toepassing van AI (Artificial Intelligence) en VMI (Vendor Managed Inventory). Dit besloten event vindt plaats op 25 april aanstaande bij sustainability center  Fashion for Good aan het Rokin te Amsterdam. Organisatoren zijn WAIR for Retail en ING bank Nederland. FashionUnited Media doet verslag als mediapartner. 



Hoogste tijd voor echte innovatie!

Deze middag/avondsessie legt de focus op een innovatie die de verhouding tussen brand en retailer hernieuwd vorm kan geven: de inzet van AI teneinde het uplift-effect van VMI tussen brand en retailer nog verder te versterken. In mijn vorige blogs is al veel geschreven over de noodzaak van VMI als alternatief business model voor het traditionele wholesale model (risico te veel voor rekening van de retailer) en het consignment model (risico te veel voor rekening van de leverancier). Zie VMI als de second wave na EDI.

EDI is een randvoorwaarde om VMI te kunnen implementeren. Althans de brand als ketenregisseur heeft gedetailleerde inzage nodig in de sales transacties en voorraadposities per dag per SKU per shop floor, anders kan je niet zinvol replenishen. EDI is daartoe een effectief en structureel hulpmiddel gebleken. 

Er komt echter veel meer kijken om VMI goed toe te kunnen passen: visie, vertrouwen, beschikbaar hebben van voorraad, voorraad- en verkoopanalyses, dashboards, herverdeling van taken en verantwoordelijkheden, herfinanciering van voorraden en wellicht ook herverdeling van marges. 



Deep Learning is de meest geavanceerde vorm van AI

Artificial Intelligence en dan met name de Deep Learning modellen van WAIR brengen de voorspellende waarde van de verkopen per week, per SKU per shopfloor een stuk dichter bij de werkelijkheid. Daarmee wordt de alom bekende mismatch van vraag en aanbod op de winkelvloer drastisch verminderd. Met een hogere omloopsnelheid, meer omzet, minder afprijzingen en beduidend meer marge in Euro’s als gevolg. Bijkomend voordeel voor de retailer: minder derving, minder nee-verkopen, meer tevreden klanten, minder ‘gedoe’. En daardoor: meer tijd voor focus op de kerntaken van retail: locatie, merkenmix, personeel, beleving voor de consument. 



WAIR's Transformer Deep Learning model is uniek in Europa, wordt dagelijks beter en bevat inmiddels 1,7 miljoen paramaters (combinaties van neuronen). Dit is van belang om via een unified model, met mega veel data en onbegrensde computing power, het hoogst haalbare doel te kunnen bereiken: een gezamenlijk platform op een niveau dat bestaande replenishment initiatieven bij lange na niet kunnen evenaren en individuele partijen al helemaal niet op eigen houtje kunnen bereiken.


VMI als disruptive business model

VMI is een disruptor gebleken, getuige de enorm hoge verbetering van de bottom line resultaten in de praktijk van de retailpartners die hun deuren inmiddels hebben durven te openen voor de VMI-aansturing door genoemde brands.  

De DeepLearning-component van AI helpt brands hun verhoogd voorraadrisico (inherent aan VMI) goed te beheersen door just-in-time de juiste SKU, in de juiste hoeveelheid naar de juiste shopfloors te replenishen.  


Brands worden hiermee steeds beter in staat gesteld om de regie te nemen over de collectiegoederen vanuit hun DC tot op de shopfloor van hun VMI-partners. Zowel wat de replenishment in season betreft als ook wat het afhandelen van surplus c.q. ‘leftovers’ betreft; beter met de kostprijs van de brand op een positieve manier in een (online)outlet met marge aanbieden dan als ‘full buying price product’ door de retailer in de uitverkoop te laten wegkwijnen. Traditioneel verdwijnt namelijk veel te veel retailmarge ‘als sneeuw voor de zon’ tegen het eind van het seizoen; middels VMI weet de retailer een veel hoger percentage van de collectie tegen full margin te verkopen. Simpelweg omdat er minder mismatch is door genoemde AI-component.


Beoogde learnings van dit 'business in fashion' event

Tijdens het rondetafelgesprek maken we een ‘deep dive’ met leveranciers over de praktijk van VMI. Kernvragen daarbij zijn: 

  • Wat is de feitelijke impact van VMI op een brand en op een multibrand retailer? 

  • Hoe krijgen we een groter gedeelte van de markt mee in het VMI-mechanisme? 

  • Wat kan AI concreet bijdragen in het verder optimaliseren van de relatie tussen brand en retailer?

  • Wat kan een VMI-platform met een uniforme vastlegging van data en insights (one version of the truth) bijdragen aan de volwassenwording van VMI in onze sector?


De bevindingen zullen we delen en wie weet komen we tot vervolgsessies met meer brands en ook retailers. Wij staan ervoor open en faciliteren graag. Laat gerust weten als u ook meer betrokken wenst te worden.