Warehouse

Eine gute Prognose der Nachfrage scheitert oft an der Datenmenge

Unter Demand Forecasting versteht man die Vorhersage der Nachfrage nach einem bestimmten Gut oder einer Dienstleistung. Die zukünftige Nachfrage zu kennen ist sowohl ein Vorteil für fundierte Geschäftsentscheidungen als auch für die Optimierung von Prozessen und Lieferketten. Allerdings stellt die gigantische Menge an Daten, die man für eine zuverlässige Prognose heranziehen muss, häufig eine große Hürde dar. Die Zusammenhänge zwischen den Daten sind oft schwer zu durchschauen.

Bessere Prognosen mit intelligenten Algorithmen

Mit Machine Learning werden eine Reihe selbstlernender Algorithmen bezeichnet, die darauf spezialisiert sind, eigenständig Muster in großen Datenbeständen aufzudecken. In verschiedensten Anwendungsbereichen haben diese Algorithmen dabei bewiesen, dass sie in Sachen Datenanalyse dem Menschen in vielen Fällen weit überlegen sind. Diese Fähigkeit lässt sich bei der Nachfrageprognose gewinnbringend ausnutzen, in dem man den Algorithmen historische Daten aus dem Vertrieb und Marketing zur Verfügung stellt. Die KI untersucht diese Daten auf wiederkehrende Zusammenhänge und erstellt daraus ein Modell, mit dem die zukünftige Nachfrage vorhergesagt werden kann.

Beispiel

Ein Telekommunikationsdienstleister kann mit Demand Forecasting beispielsweise die Anzahl der Neukunden im Bereich Internetanschlüsse vorhersagen und damit die Disposition der Techniker, die für die Bereitstellung der Anschlüsse zu den Kunden fahren müssen, so optimieren, dass immer ausreichend Techniker verfügbar sind. Gleichzeitigkönnen Routinewartungsarbeiten an Tagen eingeplant werden, an denen es kaum neue Internetanschlüsse gibt und die Techniker nicht ausgelastet wären.

Vorteile für Ihr Unternehmen

  • Bessere Ressourcenplanung
  • Optimierung der Disposition
  • Wartezeiten der Kunden können reduziert werden
  • Bessere Auslastung von Lagerkapazitäten
  • Verhandlungsposition des Einkaufs kann durch Informationsvorsprung gestärkt werden

KI im Vergleich zu klassischen quantitativen Ansätzen

Demand Forecasting ist auch mit klassischen Methoden der Statistik, wie ARIMA oder exponentieller Glättung (Holt Winters) möglich. Allerdings liefern KI-basierte Verfahren in vielen Fällen bessere Ergebnisse, weil sie deutlich mehr Einflussfaktoren berücksichtigen und effizient auswerten können. Je nach Projekt wählen wir den passenden Ansatz aus.

So läuft das Projekt ab

  • Ziel & Anforderungen

    Zu Beginn erfolgt eine Ziel-definition: Welche Größe soll vorhergesagt werden, über welchen Zeitraum und mit welcher Genauigkeit? Außerdem schauen wir gemeinsam, welche Daten verfügbar sind und wählen die Parameter aus, die für eine sinnvolle Prognose herangezogen werden sollten.

  • Proof of Concept

    Anschließend geht es in eine PoC-Phase. Ziel dieser Phase ist es, einen prinzipiellen Lösungsansatz zu finden und die Machbarkeit des Projekts zu demonstrieren. Ein lauffähiger Proof of Concept ist in vielen Fällen bereits nach einigen Monaten entwickelt und liefert bereits sinnvolle Vorhersagen und Handlungsvorschläge.

  • Verfeinerung & Integration

    Die Ergebnisse der PoC-Phase werden dann iterativ weiter verfeinert. Spätestens jetzt beginnt auch die Integration der Vorhersage in das Gesamt-IT-System, beispielsweise in Vertriebstools wie Salesforce oderdas SAP für den Einkauf.

Gut zu wissen

Mit Hilfe von KI lässt sich nicht nur die zukünftige Nachfrage vorhersagen. Es können ebenso binäre Prognosen erstellt werden. Beispielsweise, ob es sich bei einem Kunden eines Online-Shops um einen Schnäppchenjäger, oder um einen wiederkehrenden Käufer handelt.


Sie haben ein Projekt, bei dem Sie gerne unsere Beratungs- und Entwicklungsleistungen in Anspruch nehmen möchten oder wünschen unverbindlich weitere Informationen? Sprechen Sie uns gerne persönlich an!
Kevin Braun
Head of Data Science
+49 7271 9899886
infoaxioconceptcom

Der Schutz Ihrer Daten ist uns wichtig! Zur Verarbeitung Ihrer Anfrage benötigen wir Ihren Namen sowie Ihre Telefonnummer oder E-Mail-Adresse. Alle anderen Angaben sind optional. Alle Angaben werden verschlüsselt übertragen und ausschließlich zur Bearbeitung Ihrer Anfrage verwendet.

Ja, ich bin einverstanden, dass die axio concept GmbH meine Daten zum Zweck der Anfrageverarbeitung gemäß ihrer Datenschutzerklärung verarbeitet.
Herzlichen Dank, Ihre Nachricht wurde erfolgreich versandt. Wir setzen uns schnellstmöglich mit Ihnen in Verbindung.
Ihre Nachricht konnte leider nicht versendet werden. Wir entschuldigen uns für die Umstände. Bitte nutzen Sie unsere E-Mail-Adresse.