Herausforderung

Ein international tätiger Lebensmittelhändler will die Absatzprognosen seiner Produkte automatisieren und eine automatisch gesteuerte Wertschöpfungskette einführen. Die bisher eingesetzte Software soll abgelöst werden durch die Entwicklung einer Lösung, welche intern eigenständig übernommen und weiterentwickeln werden kann.

Lösung

Es werden Prognosemodelle entwickelt und gezielt auf bestimmte Anforderungen (z.B. Einführung neuer Produkte) optimiert. Die Verfahren werden anschließend in einen automatisierten Prozess, zur Ausweitung auf beliebige Märkte und Warengruppen, integriert.

Ergebnis

Die Prognosegüte kann gegenüber der bisher eingesetzten Software gesteigert werden. Der Prozess ist automatisiert und kann vom Kunden gesteuert und weiter verbessert werden.

Herausforderung

Ein Automobilunternehmen möchte verschiedene marktspezifische Daten visualisieren, um eine Wettbewerbsanalyse für den US-Markt zu ermöglichen.

Lösung

Es wird eine interaktive und flexible Anwendung, einschließlich verschiedener Karten mit zwei verschiedenen Ansichten implementiert.

Ergebnis

Relevante Märkte werden identifiziert, analysiert und visualisiert. Der Händler oder der jeweilige Vertrieb haben die Möglichkeit den direkten Wettbewerb mit dem eigenen Produkt zu vergleichen und die relevanten Daten zu visualisieren.

Nachfrageprognose im Supply-Chain-Management

Mithilfe von Absatzprognosen und Demand Forecasting soll für einen Getränkekonzern die komplette Supply-Chain optimiert werden.

Herausforderung

Out-of-Stock-Situationen und überschüssige Bestände sind auf allen Stufen der Supply-Chain vorhanden und müssen verringert werden. Peitscheneffekte sollen in den historischen Absatzdaten identifiziert und Gegenmaßnahmen implementiert werden. Dabei soll steigende Produktvielfalt ohne Notwendigkeit manueller Eingriffe bewältigt werden.

Lösung

Die Datensilos werden aufgebrochen durch die Errichtung eines übergreifenden Data-Lakes zur zentralisierten Steuerung der kompletten Supply-Chain. Es werden automatisierte Absatzprognosen für alle Stufen der Supply-Chain mit Algorithmen des maschinellen Lernens basierend auf historischen Absatzdaten implementiert. Prognose der unbekannten Nachfrage durch Modellierung der Nachfragedaten aus den historischen Absatzdaten.

Ergebnis

Eine universelle, automatisierte Prognoseumgebung liegt vor, die flexibel auf allen Stufen der Supply-Chain eingesetzt werden kann. Peitscheneffeke werden reduziert durch kürzere Reaktionszeiten und verlässliche Prognosen auf allen Stufen.

Herausforderung

Ein Automobilunternehmen möchte verschiedene marktspezifische Daten visualisieren, um eine Wettbewerbsanalyse für den US-Markt zu ermöglichen.

Lösung

Es wird eine interaktive und flexible Anwendung, einschließlich verschiedener Karten mit zwei verschiedenen Ansichten implementiert.

Ergebnis

Relevante Märkte werden identifiziert, analysiert und visualisiert. Der Händler oder der jeweilige Vertrieb haben die Möglichkeit den direkten Wettbewerb mit dem eigenen Produkt zu vergleichen und die relevanten Daten zu visualisieren.

Nachfrageprognose von Ersatzteilen durch Machine Learning

Ein Ersatzteilhändler verbessert mit Machine Learning-Verfahren die Genauigkeit der Nachfrage-Vorhersage und erhöht so Teileverfügbarkeit und reduziert entgangene Umsätze um 50 %.

Herausforderung

Ein Händler von Baumaschinen-Ersatzteilen möchte die Nachfragemengen für seine Produkte in den nächsten Monaten an verschiedenen Standorten prognostizieren um damit seine Lager bedarfsgerecht zu bestücken.

Lösung

Aus firmeninterne Daten (bspw. historische Nachfrage-mengen, Produktstammdaten, Stammdaten zu den Verkaufsstandorten, …) und externe Datenquellen (Wetter- und Wirtschaftsdaten) wurden relevante Vorhersageindikatoren identifiziert. Mithilfe eines Machine Learning Algorithmus kann die Ersatzteilnachfrage an allen Standorten für die nächsten 12 Monate genauer vorhergesagt werden, als das bisher möglich war.

Ergebnis

Die erhöhte Vorhersagegenauigkeit führt dazu, dass der Händler seine Lager effizienter managen kann. Der unternehmerische Mehrwert zeigt sich in Kennzahlen wie Teileverfügbarkeit (Service Level), Lagerumschlag und Reduktion der entgangenen Umsätze durch die Vermeidung leerer Lager.

Herausforderung

Ein Automobilunternehmen möchte verschiedene marktspezifische Daten visualisieren, um eine Wettbewerbsanalyse für den US-Markt zu ermöglichen.

Lösung

Es wird eine interaktive und flexible Anwendung, einschließlich verschiedener Karten mit zwei verschiedenen Ansichten implementiert.

Ergebnis

Relevante Märkte werden identifiziert, analysiert und visualisiert. Der Händler oder der jeweilige Vertrieb haben die Möglichkeit den direkten Wettbewerb mit dem eigenen Produkt zu vergleichen und die relevanten Daten zu visualisieren.