,allowExpansion)
Tausende von neuen Produkten: Wann und wie viel bestellen?
Welche und wie viele herstellen? Wie vorgehen? Wie auswählen? Welche und wie viele auswählen?
Keine Entscheidung ist die schlechteste Entscheidung
Im Retail-Sektor ist die Wahl der optimalen Menge bei der Erstbestellung eines Produkts besonders komplex, wenn man ein breites Produktsortiment mit einem hohen jährlichen Umschlag hat. Hinzu kommt, dass oft zwischen der Bestellung und der Lieferung Monate liegen können. Unter diesen Bedingungen kann es schwierig sein, die Erstbestellung auszuführen und dabei die Risiken von nicht zutreffenden Schätzungen, nicht vorhergesehenen Lagerkosten oder eines verfrühten Aufbrauchens der Lagermengen möglichst klein zu halten.
Unsere Leitidee
Der klassische Ansatz der Verkaufsstatistik hilft hier nicht weiter, da diese im Fall neuer Produkte nicht vorhanden ist. Deshalb ist ein anderes Vorgehen erforderlich, beispielsweise ausgehend von der Idee, dass jedes Produkt in Wirklichkeit ein Mix aus bereits bestehenden Merkmalen ist. Wenn man Faktoren wie die Verkaufsstatistik von ähnlichen Produkten, Lagerbestand, Preise, Produktmerkmale, Zeitplanung sowie Marketing- und Rabattkampagnen kombiniert, lässt sich ein Vorhersagemodell erstellen, das anhand von Analogien die richtigen Mengen zu bestellender neuer Produkte ermittelt.
Nicht nur Theorie
Die Lösung basiert auf Open-Source-Technologien, die speziell auf die Verarbeitung von Big Data ausgelegt sind. Die Daten werden in einem zentralen Data Lake gesammelt, auf einer Cloudera-Distribution, und dann von attributbasierten Algorithmen verarbeitet, die eine Prognoseerstellung ermöglichen. Ausgehend von den Produktmerkmalen und unter Nutzung der Statistiken ähnlicher Produkte wird die Prognose über ARIMA-Modelle und neuronale Netze berechnet. Die Resultate werden auf Überwachungs-Dashboards angezeigt. Um bessere und zuverlässigere Resultate zu erzielen, erfolgt zunächst eine Aufbereitung der Daten, wobei diese bereinigt und normalisiert werden, um externe Ereignisse, die Anstiege oder Rückgänge des Umsatzes bedingen, zu entfernen.
Worin bestehen die eigentlichen Vorteile?
Die von Data Reply entwickelte Prognose- und Empfehlungslösung ist vor allem in Umgebungen besonders nützlich, in denen ein Mangel an Informationen, wie beispielsweise Verkaufsstatistiken, besteht, wodurch keine fundierten Entscheidungen getroffen werden können. Die Verfeinerung der angewandten Logiken und Algorithmen hat ein Modell ermöglicht, das für neue Produkte einen Prognosezeitraum von bis zu 12 Monaten gewährleisten kann, mit einer Abdeckung von bis zu 6 Monaten vor deren Markteinführung. Dadurch verfügt das Unternehmen über eine wertvolle Hilfe bei der optimierten Planung seiner Bestellungen und Marktstrategie.
)
Data Reply ist das Unternehmen der Reply-Gruppe, das sich auf Big Data, Data Science und künstliche Intelligenz (KI) spezialisiert hat. Unsere Erfahrung erstreckt sich auf 4 Hauptgeschäftsbereiche: Sales and Marketing Intelligence, Big Data Engineering & Security Intelligence, Enterprise Intelligence, IoT & Industry 4.0 Intelligence. Unsere über 40 Projekte in Produktion umfassen die Erstellung von Data Lakes sowie die Verwendung von KI- und ML-Algorithmen. Der neuartige Ansatz des Quantum Computing unterstützt die Entwicklung der Algorithmen und wir bieten Schulungsprogramme zu Data Science und Deep Learning.