Indhold er hentet
Finalist 2026: HSCPH
Som en del af virksomhedens digitale omstilling har HSCPH integreret dataanalyse og kunstig intelligens i deres daglige drift.
Indhold er hentet
HSCPH er en dansk designvirksomhed med fokus på tidløst og holdbart tøj. Som led i virksomhedens digitale omstilling har de integreret data med Power BI og implementeret en AI-robot, der er trænet i virksomhedens visuelle DNA.
Lagerstyring, som tidligere blev håndteret manuelt med øget risiko for fejl og overproduktion, er nu erstattet af en app, der giver et samlet overblik over sortiment, produktion og omsætning. Data kan sorteres og filtreres, hvilket giver medarbejderne et bedre grundlag for strategiske beslutninger. Samtidig kurateres virksomhedens digitale identitet af en AI-robot, så hjemmesiden automatisk opdateres i realtid, når der sker ændringer i lagerbeholdningen. På den måde sikres en konsekvent og æstetisk sammenhængende digital tilstedeværelse.
Den digitale omstilling hos HSCPH har frigjort tid og ressourcer hos medarbejderne. Det har styrket virksomhedens kundeservice og skabt mere rum til meningsfulde arbejdsopgaver, hvilket bidrager til en bedre arbejdsplads med fokus på menneskelige værdier – til gavn for både medarbejdere og kunder.
HSCPH var i 2026 nomineret til Årets Digitale SMV:Omstilling.
Du kan se præsentationsvideoen af virksomheden herunder.
Indhold er hentet
Se præsentationsvideo af HSCPH - finalist til Årets Digitale SMV:Omstilling 2026
Indhold er hentet
Hvad er Årets Digitale SMV:Omstilling?
Prisen for Årets Digitale SMV:Omstilling har til formål at hylde de gode eksempler på succesfulde, digitale SMV-omstillinger og inspirere andre SMV’er til at gå i gang med deres digitale omstilling.
Alle interesserede kan indstille en SMV til prisen for Årets Digitale SMV:Omstilling. En virksomhed kan indstille sig selv til prisen, såvel som blive indstillet af andre. Det er ikke et krav, at virksomheden har søgt tilskud i SMV:Digital eller andre programmer i erhvervsfremmesystemet.
På baggrund af de indsendte indstillinger udvælger SMV:Boardet hvert år de tre bedste cases.
Støttet af: