Case Bouwmaat

Bouwmaat is een Nederlandse groothandel in bouwmaterialen. Het bedrijf heeft een breed assortiment aan producten zoals bouwmaterialen, verf en gereedschap. Met hun typerende slogan “Daar kun je op bouwen” willen ze niet alleen zeggen dat ze alle producten voor bouwers aanbieden, maar dat hier ook altijd een goed advies bij gegeven wordt.

Uitdaging

Bouwmaat kampte met problemen met hun productdata. Zo bleek er te weinig productdata te zijn, en tevens bleek dat de bestaande productkenmerken niet altijd van goede kwaliteit waren. Dit vormde een probleem voor Bouwmaat: ze wilden hun klanten voldoende informeren over hun producten en om dat te kunnen doen, was er productdata nodig van voldoende kwaliteit én kwantiteit. Daarom stelde het bedrijf het doel dat de ontbrekende productkenmerken voor het einde van het jaar worden aangevuld. Bouwmaat kon dit niet zonder hulp: daarom heeft Squadra Machine Learning Company de hulp aangeboden.

Om te kijken of dit doel haalbaar is, is er eerst een proof-of-concept uitgevoerd. Hiervoor werden oplossingen gebruikt van PowerEnrich.ai in combinatie met PowerConvert.ai; dit zijn softwareproducten die Squadra MLC aanbiedt. De zogenaamde ‘Web Extractie’ functie werd gebruikt om data van websites te halen om met deze data de bestaande productdata van Bouwmaat aan te vullen.

Oplossing

Uit de proof-of-concept bleek dat er bepaalde data wel te gebruiken was, terwijl bijvoorbeeld de namen en waardes van productkenmerken heel verschillend waren met de bestaande productdata van Bouwmaat. Om dit probleem op te lossen, moest er een mapping plaatsvinden tussen de datastructuur van Bouwmaat en die van haar leveranciers. Squadra MLC heeft middels Artificial Intelligence zo’n mapping voorgesteld om beter te begrijpen waar een bepaalde leverancierstekst over gaat. Dat bleek echter nog wel lastig te zijn omdat de bron (Fest) niet geheel aansloot op de dataset van Bouwmaat. Om dit op te lossen werden er handmatige correcties uitgevoerd: daarna klopte alles- technisch gezien. Terwijl producteigenschappen werden aangevuld, bleek dat van de gekozen website toch niet zoveel data afgeleid kon worden als verwacht. Toen het leek alsof een aantal eigenschappen gewoon niet afgeleid konden worden, heeft Squadra een aantal oplossingen ingezet om de feature namen van Fest te koppelen met de attributen van Bouwmaat. Vanwege de compleet verschillende datastructuren is er zowel AI als handwerk ingezet door Squadra, met als resultaat een dataset die zowel in kwaliteit als kwantiteit gegroeid is.

Resultaat

Door de hulp van Squadra Machine Learning Company en haar producten, PowerConvert.ai en PowerEnrich.ai, heeft Bouwmaat nu haar data aangevuld met data van haar leveranciers. Omdat deze leveranciers een andere datastructuur hanteren, was dit nog best wel een uitdaging. Het handmatig omzetten van data zou enorm veel tijd en dus ook geld kosten.  Omdat er echter slimme algoritmes van Squadra MLC zijn ingezet, is de uitdaging toch op een efficiënte manier overbrugd. Op deze manier zijn er kostbare manuren en onnodige kosten bespaard.