Konzept datengetriebenes Supply-Chain-Management
Mithilfe von Absatzprognosen und Demand Forecasting soll für einen Getränkekonzern die komplette Supply-Chain optimiert werden.
Erhebliche, mit steigender Stufe in der Supply-Chain wachsende Reduktion des Peitscheneffekts
Verringerung von Out-of-Stock-Situationen trotz gleichzeitiger Verringerung der Bestände
Zentrales Errechnen von Bestellvorschlägen ermöglicht Übergang zum Vendor-Managed-Inventory: „Lieferung wartet bereits vor der Tür, wenn die Bestellung eigentlich erst aufgegeben werden soll“
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
- Steigende Produktvielfalt soll ohne Notwendigkeit manueller Eingriffe bewältigt werden
Lösung
- Aufbrechung der Datensilos der verschiedenen Stufen und Errichtung eines übergreifenden Data-Lakes zur zentralisierten Steuerung der kompletten Supply-Chain
- Implementierung automatisierter Absatzprognosen für alle Stufen der Supply-Chain mit Algorithmen des maschinellen Lernens basierend auf historischen Absatzdaten
- Prognose der unbekannten Nachfrage durch Modellierung der Nachfragedaten aus den historischen Absatzdaten
Ergebnis
- Eine universelle, automatisierte Prognoseumgebung, die flexibel auf allen Stufen der Supply-Chain eingesetzt werden kann
- Reduktion des Peitscheneffekts durch kürzere Reaktions-zeiten und verlässliche Prognosen auf allen Stufen
Haben Sie Interesse an eigenen Use Cases?