Usecase WESP

WESP is de grootste Business Intelligence (BI) leverancier binnen de autobranche in Nederland. Ze zijn gespecialiseerd in het analyseren en adviseren van bedrijven uit de Automotive. Door de 8.000 aangesloten garages heeft WESP ontzettend veel data tot haar beschikking. Deze data bevat bruikbare informatie over de levensduur van bepaalde onderdelen per type auto, de verwachte onderhoudskosten per jaar en de gemiddelde looncomponent per factuur. Met behulp van data analyses voorziet WESP zowel garagebedrijven als onderdelenfabrikanten van advies.

Challenge

Het probleem is dat autogarages verschillende prijzen hanteren per type onderhoud/reparatie en per auto. Hierdoor betaal je bij de ene garage de hoofdprijs terwijl dat je bij een andere garage de helft betaalt voor hetzelfde onderhoud/reparatie. De data scientists van Datacation kregen de taak om een marktconforme prijs te berekenen voor elk type auto en onderhoud/reparatie dat plaatsvindt in de garages.

Proces

De samenwerking tussen de teams van WESP en Datacation vormt een mooi voorbeeld van de co-creatie waar Datacation altijd naar streeft. Door nauw contact tussen beide teams kon het WESP-team hun kennis op het gebied van automotive doorvertalen naar bruikbare input voor het team van Datacation. Vervolgens kon het Datacation team haar theoretische kennis van de statistiek toepassen in de praktijk.

Oplossing

Het Datacation team heeft een algoritme geschreven dat een marktconforme prijs berekent voor de garages, voor elke type onderhoud/reparatie en voor elk type auto. Deze marktprijs wordt ondersteund door een confidence interval zodat garages zelf kunnen beslissen of ze aan de bovenkant of aan de onderkant van het prijsniveau willen zitten. Door Machine Learning toe te passen blijft WESP, naast bruikbare inzichten op de korte termijn, ook op de lange termijn voorzien van onze data analyses.