Intelligente Technik für präzise Bedarfsprognosen

Intelligente Technik für präzise Bedarfsprognosen

Leere Regale sind ein Ärgernis. Nicht nur für Kunden, sondern auch für Händler. Denn findet ein Kunde immer häufiger sein Lieblingsprodukt nicht im Laden, entscheidet er sich womöglich für ein anderes Geschäft und ist dauerhaft verloren. Gleichzeitig spielt auch das Thema Nachhaltigkeit eine immer entscheidendere Rolle. Beispielsweise wird die Verschwendung von Lebensmitteln im Handel immer wieder angeklagt. „Um dem vorzubeugen, setzen Retailer nun häufiger auf intelligente Bedarfsprognosen, damit die richtige Ware zur richtigen Zeit am richtigen Ort ist“, erklärt Frank Theobald, Managing Partner der retailsolutions AG. Schließlich gilt es gerade im Zeitalter des Omnichannel die gestiegenen Erwartungen der Kunden an eine sofortige Verfügbarkeit der gewünschten Ware zu stillen. Gleichzeitig wächst aber auch das Bewusstsein der Kunden für einen verantwortungsvollen Umgang mit Ressourcen. Das stellt den Handel vor die Herausforderung, möglichst über alle Kanäle hinweg tagesgenau, exakte Bedarfe vorherzusagen.

Nachhaltigkeit im Sinne aller

Erste Schritte zur Entwicklung eines Prognosetools starteten bereits Anfang der 2000er-Jahre. Zu dieser Zeit basierte das System jedoch vornehmlich auf Wochenprognosen, die aus verschiedenen Gründen nicht für alle Sortimentsbereiche geeignet waren. So gilt es beispielsweise insbesondere für Ultrafrischwaren als wichtig, dass sie so bald wie möglich vom Endkunden aufgekauft werden. Daher wurde im Jahr 2012 ein Add-on entwickelt, der sogenannte Fresh-Item-Forecast, mit genauen Tagesprognosen. Durch die bedarfsgerechte Bestellung mehrmals pro Woche können Retailer für viele Produkte die Lagerhaltung gering halten. Das bedeutet einerseits weniger Kosten. Andererseits entsprechen bedarfsgerechte Bestellungen natürlich auch dem Nachhaltigkeitsgedanken, da durch einen Zero-Waste-Ansatz möglichst viele Ressourcen gespart werden können. Zwar wird der Handel für Verschwendung und Misswirtschaft angeklagt, gleichzeitig legen Kunden größten Wert auf Frische und eine möglichst lange Haltbarkeit. Dieses Thema hat bereits seit einigen Jahren eine große Bedeutung und wird durch das gesteigerte Umweltbewusstsein der zukünftigen Generationen höchstwahrscheinlich eine noch wichtigere Rolle spielen.

„Einige Jahre später ließen sich dann durch den SAP Unified Demand Forecast, oder auch UDF, als Bestandteil des Customer Activity Repository, Bedarfsprognosen erstellen, die nicht nur von ganz unterschiedlichen Anwendungsebenen wie dem Assortment Planning oder dem Promotion Management genutzt werden können. Die Neuerung lag auch im Einsatz von künstlicher Intelligenz und Machine Learning“, so Frank Theobald. Die verwendeten Algorithmen erkennen aus Vergangenheitsdaten Muster, mit denen sich die zukünftigen Bedarfe präzise vorhersagen lassen. Die Datenbasis an historischen Daten sollte daher mindestens zwei Jahre betragen. Aus diesen Daten erkennt das System beispielsweise saisonal bedingte Anstiege in der Nachfrage wie beispielsweise mehr Absatz von Eis im Sommer, und passt die Bestellmengen automatisch an. Das System analysiert rückwirkend, mit welchen Prognosemethoden der tatsächliche Absatz am genauesten hätte berechnet werden können. Diese werden dann für die Zukunft benutzt und das selbstlernende System optimiert sich dabei.

Mehr Input für genauere Prognosen

Um optimale Ergebnisse zu erhalten, müssen dem System auch ungewöhnliche Ereignisse bekannt gemacht werden. Dies geschieht durch die Pflege sogenannter Bedarfs-Einfluss-Faktoren (engl. DIF = Demand Influencing Factor). Hierbei kann es sich beispielsweise um aktuelle Ereignisse im Einzugsgebiet des Geschäfts, ein Konzert oder ein Stadtfest handeln. Aber auch bei Großereignissen wie einer Fußball-Weltmeisterschaft gilt es den DIF zu berücksichtigen. Um ein dichteres Netz an Daten zu spinnen, bietet es sich auch an, Wetterprognosen als Bedarfseinflussfaktor genauso zu integrieren wie die Kundenfrequenzdaten.

Frank Theobald erklärt: „Das System erkennt aber auch selbstständig Ausnahmen. Diese werden dem Nutzer als Exceptions ausgegeben, wie zum Beispiel ungewöhnlich hohe Abverkäufe oder Out of Stocks, die dann einer genaueren Analyse bedürfen.“ Auch das besonders bei frischer Ware relevante Mindesthaltbarkeitsdatum lässt sich berücksichtigen. Mit einer genauen Prognose besteht wiederum die Möglichkeit, mit Lieferanten über Produktgrößen zu sprechen, sodass weniger Verderb entsteht. Doch nicht nur bei extrem frischen Waren lohnt sich eine Bedarfsprognose. Auswirkung hat sie auch bei besonders hochwertigen Produkten, wenn es schnell ins Gewicht fällt, dass die Ware beispielsweise nicht in der richtigen Filiale vorhanden ist. Dabei besteht für Retailer immer eine Gratwanderung zwischen Gewinn und Nachhaltigkeit. Aus diesem Grund steigt auch die Bereitschaft der Händler, sich mit intelligenten Tools unterstützen zu lassen.

Quelle Pressemeldung von   www.retailsolutions.ch