Friske data, friske råvarer: Ny Databricks-platform øger præcisionen hos Aarstiderne
Hvor forecasting tidligere var en sårbar, manuel disciplin bundet op på enkelte personers tid og mavefornemmelser, har Aarstiderne nu en markant mere objektiv og konsistent demand-motor. Læs om Aarstidernes nye Databricks dataplatform her.
Aarstiderne har +25 år på bagen, er i dag over 200 medarbejdere, B-Corp certificeret, omsætter for cirka 600 mio. kroner og blev i 2025 opkøbt af Dagrofa. En 100% økologisk, dansk vækstsucces.
I takt med at virksomheden voksede, opstod der dog udfordringer i det digitale bagland: Det tidligere data- og systemsetup var blevet en sammenkogt ratatouille af delvist selvudviklede systemer og datasiloer.
Det er ikke optimalt, når forretningens kerne er friske råvarer og evnen til at planlægge måltidskasser 14 dage frem til de mange tusinde kunder. Samtidig er konkurrencen på måltidskassemarkedet steget voldsomt, og behovet for forecasting, salgsindsigt og kundetilfredshed er livsnødvendig for både top- og bundlinje.
En klassisk vækstrejse
der ender i data-spaghetti
Historisk set var Aarstidernes forecasting præget af kvalificerede mavefornemmelser hos enkelte rutinerede medarbejdere. Det var sårbart - og i længden uholdbart. Det blev startskuddet til en datatransformation og en ny, intelligent demand forecasting-model.
For Christoffer Kure, Leder af Data & Analyse, og hans team, var det svært at få det fulde overblik. Salgstallene i én afdeling stemte sjældent overens med finansafdelingens opgørelser. Dybdegående data ned på måltids- og ingrediensniveau, som kunne give værdifuld forecast-indsigt, lå fragmenteret og blev ikke anvendt konsistent.
Der lå mange informationer og bare ventede på, at man anvendte dem. Men hvor vi før stod på et meget låst system, så lever data nu i en solid datamodel og platform, som der hele tiden bliver udviklet nye features til. Det har allerede flyttet os langt.
Databricks som den
digitale krystalkugle
Sammen med Inspari valgte Aarstiderne at gro deres nye data-setup, machine learning og forecastingmodel i Databricks. Takket være platformens stærke Apache Spark-motor kan Aarstiderne i dag køre lynhurtige beregninger på tværs af enorme datamængder. Ved at analysere historiske mønstre og kundeadfærd kan modellen med stor præcision forudsige behovet for alt fra spidskål til bananer.
Det giver indkøberne en bedre reaktionstid til at tilpasse ordrerne, hvilket på sigt vil føre til mindre madspild på lageret og en mere strømlinet indkøbsproces
Men før algoritmerne overhovedet kunne få lov at arbejde, var der brug for at luge ud i det eksisterende datalandskab. I tæt samarbejde med Inspari fik Aarstiderne ryddet op i logikker, data og arbejdsgange, og etableret en "One Source of Truth".
Det her er noget, du rent faktisk godt tør at få ud at leve i forretningen, fordi fundamentet er solidt og transparent. Før var systemerne en bremseklods for nyudvikling, og der var for meget usikkerhed om data. Nu er det kun tid og ressourcer, der bestemmer, hvor meget nyt vi kan skabe.
Stråhat, co-development og
de rette kompetencer
En moderne dataplatform og komplekse forecastmodeller kræver de rigtige kompetencer på tværs af mange faggrupper.
Derfor har Aarstiderne og Inspari valgt at projekterne i tæt parløb – enkelte projekter som decideret co-development - hvor eksperter fra begge lejre har siddet med hænderne i samme digitale område. Det har givet Christoffer Kure og hans team en mulighed for at modne egne kompetencer inden for både data engineering og advanced analytics, så de selv kan drive og videreudvikle løsningen.
Når komplekse problemstillinger har krævet ekstern sparring, har det været værdifuldt, at Inspari hurtigt har kunnet supplere med de rette specialister, fortæller Kure.
Vi kommer med stråhatten på, et stærkt iværksættergen og en klar vision for vores forretning. Derfor har det været afgørende, at vi ikke bare var låst til én konsulentprofil. Inspari har stillet med eksperter, som vi løbende har benyttet for at rykke på projekterne og modne egne kompetencer.
Det tætte makkerskab har givet blod på tanden hos Aarstiderne. ”Det er helt sikkert en model, vi kommer til at gentage på fremtidige projekter,” afslutter Christoffer Kure.
Klar til fremtidens
digitale måltidsservice
Med et bundsolidt dataskelet på plads har Aarstiderne knust det teknologiske glasloft, der før bremsede dem.
Den robuste Databricks-platform og standardiserede datamodel gør det muligt at rulle sprogmodeller og intelligente agenter ud direkte oven på de interne data. Faktisk ruller Databricks selv løbende LLM-funktionalitet ud i platformen, som kører i Aarstidernes eget lukkede system og baserer sig på deres data.
Det betyder, at Christoffer Kure og hans medarbejdere i fremtiden kan "tale" med deres data for at få svar på alt fra kundetilfredshed til lagerbeholdning.
Faktisk ligger verden nu næsten så åben, at Christoffer Kure - sagt med et glimt i øjet – næsten ikke vil røbe alle mulighederne for folkene i forretningen: “Alle er næsten så ivrige, at det kun kan gå for langsomt med nogle af de muligheder, der ligger. Så vi forsøger at dosere nyhederne og være skarpe på prioriteringerne.”
Har du spørgsmål til casen, Databricks, demand forecasting eller noget helt fjerde? Du er mere end velkommen til at række ud.
Når du kontakter os, bestræber vi os efter at svare inden for 24 timer i en mail direkte til den mailadresse, du har angivet.
Vi glæder os til at svare på dine spørgsmål.
Mere inspiration?
Vi har inspiration til dig, hvad enten du er til podcasts, artikler, webinarer eller flere cases. Se bare her.
BESTSELLER: Fastdefineret, stabil snitflade baner vejen for autonomi & ejerskab
Podcast
AI: fra buzz til business
Guide
Anvend AI til at tale med dine data
Webinar on-demand
Danske Shoppingcentre: Microsoft Fabric bag fremtidens shoppingoplevelse
Case
Dagrofa: Fra turnaround til transformation i en verden af selvstændige købmænd
Podcast
