Discuss (0)

Print

RSS

Prognosetechnologie

Bereits seit dem 19ten Jahrhundert verlassen sich Einzelhändler zur Optimierung ihres Inventarniveaus auf Verkaufsprognosen.Lokad bietet heute eine neue Alternative auf dem Feld der Prognosen an.

Unser Ansatz ist einfacher, kosteneffektiver und genauer als traditionelle Methoden. Für detaillierte Informationen zu Genauigkeit, Trends, Saisonalität, Werbeaktionen, zu Produkteinführungen, zum Produktlebenszyklus und zum Kannabalismus etc., schauen Sie auch auf unserer Seite Prognosetechnologie FAQ vorbei.

Zusammenfassung

In Anbetracht der unzähligen Schwächen und Kosten, die einer firmeninternen Prognose innewohnen, bietet Lokad Prognosen als Service. Unser Service wurde zur Integration von Fremdanwendungen entwickelt, so dass Daten automatisch eingeholt werden und die Ergebnisse sich nahtlos in ihr bereits bestehendes System eingliedern. Wir bieten einen neuen Prognoseansatz der die Genauigkeit von Prognosen dramatisch verbessert, indem wir Cloud Computing und Skalierbarkeit nutzen. Wir begehen keine typischen Fehler anderer Prognosesoftware und wir modellieren die wirklichen Kundenerfordernisse, indem wir besondere Ereignisse einkalkulieren. Zusätzlich erhöhen wir die Genauigkeit durch erkannte Ähnlichkeiten zwischen Produkten oder Serien durch “Tags”. Wir gehen sogar noch einen Schritt weiter, indem wir die Daten eines jeden Kunden betrachten - durch eine Mischung aus Web2.0 und wissenschaftlichen Berechnungen. Wir nutzen komplexe statistische Modelle und wir überprüfen und verbessern die Qualität unserer Prognosen kontinuierlich.

Prognosen als Dienstleistung

Firmeninterne Prognosen sind oftmals kostspielig und bergen eine Reihe an Enttäuschungen in sich. Es muss mindestens ein qualifizierter Statistiker eingestellt werden, der ein durchdachtes Unternehmensmodell erstellt und oftmals müssen teure Softwarelizensen und Server angeschafft werden, um die Berechnungen durchzuführen. Die Kosten sind oft so hoch, dass sich lediglich Großunternehmen einen solchen Service leisten können. Und die Ergebnisse sind, um es freundlich auszudrücken, zweifelhaft.

Lokad ist anders: wir bieten Prognosen als Service. Lokad holt die Daten aus Ihrem System und sendet Prognosen zurück. Sind die Daten erst einmal eingeholt wird ihre Prognose automatisch erstellt. Diese Architektur gewährleistet, dass ihre Prognosen zeitnah geliefert werden - selbst wenn Sie einen knappen Zeitplan verfolgen.

Unsere Technologie wurde dazu entwickelt Ihre Daten - wie sie sind- zu bearbeiten. Traditionelle Prognosewerkzeuge machen die sorgfältige Vorbereitung der Daten erforderlich: ein sehr zeitaufwendiger und technischer Vorgang. Zum Beispiel: Sie müssen Ausnahmen ausklammern und später müssen Sie Ihr Fachwissen zusammenfassen, wie saisonale Vorkommnisse, die sich in den Daten widerspiegeln. Oder anders ausgedrückt: erst nachdem Sie die Arbeit getan haben, liefern traditionelle Methoden Ergebnisse.

Lokad ist anders. Wir bearbeiten all diese Schritte selbst. Eine sorgfältige Vorbereitung der Daten vor der Bereitstellung an Lokad kann zwar die Genauigkeit verbessern, ist aber nicht erforderlich. Sollten Sie weder die Zeit, noch das Fachwissen besitzen, können wir Ihre Daten auch so nutzen und nichtsdestotrotz die besten Prognosen liefern.

Entwickelt zur Integration in Fremdanwendungen

Das Erstellen der Prognosen ist eine Sache, aber was können Sie damit anfangen, wenn Sie diese erstmal haben? Sind Sie ein Einzelhändler, wollen Sie wahrscheinlich Ihre Reorder-Points optimieren. Handelt es sich bei Ihrem Unternehmen, um ein Call Center, wollen Sie wahrscheinlich die Personalbesetzung optimieren. Prognosen an sich sind nutzlos: Sie müssen Sie auch zu nutzen wissen. Oder anders ausgedrückt; Um das Beste aus Lokad herauszuholen, sollten Unternehmen Lokad in Ihr Unternehmen integrieren. Lokad war von Anfang an dazu entwickelt, die Integration von fremdnanwendungen zu erleichtern.

Wir passen eine Prognose-API (Application Programming Interface - Programmierschnittstelle) an. Dies ist so etwas wie ein Protokoll das die Kommunikation von Maschine zu Maschine ermöglicht und auf einem ubiquitären Standard, namens SOAP basiert. Dieser Standard wird von allen großen Softwareunternehmen, wie Microsoft, IBM, SAP, Google etc., unterstützt. Die  Prognose -API befähigt die programmatische Integration von Lokad, in quasi jede Fremdsoftware, solange eine Internetverbindung zur Verfügung steht.

Breite versus Tiefe: Ein veränderter Prognoseansatz

So eine einfache Idee und trotzdem nutzen diese so wenige Unternehmen: anstatt sich einen bestimmten Produktverlauf (Produkt A) zur Bestimmung seiner zukünftigen Entwicklung anzuschauen, nutzen wir auch andere Produkte (Produkte B, C, D...) und deren Ähnlichkeiten, um die Entwicklung besser vorhersagen zu können. Um Produkt A vorherzusagen, nutzen wir nicht einfach nur Produkt A, sondern auch die Produkte B, C, D,...alle sagen etwas über Produkt A aus.

Ein Konsumprodukt hat einen etwa dreijährigen Lebenszyklus. Dies bedeutet, dass sich sie durchschnittlich verfügbare Datenmenge für jedes einzelnen Produkt auf ungefähr 18 Monate beläuft. Aus Sicht eines Statistikers, sind dies bei alleiniger Nutzung von Produkt A, lediglich 18 Datenpunkte.

Mit lediglich 18 Datenpunkten, ungeachtet wie intelligent oder zukunftsweisend die Prognosetheorie auch sein mag, steht einfach keine ausreichende Menge an Daten zur Verfügung. Mit nur 18 Datenpunkten, ist ein Muster, selbst wenn es so offensichtlich ist wie die Saisonalität, sehr schwer zu erkennen, da noch nicht einmal zwei vollständige saisonale Beobachtungen vorliegen.

Auch wenn sich die Produkte für Ihre Branche sich hiervon stark unterscheiden, müssen Sie schon für Jahrzehnte auf dem Makrt bleiben, um an der grundlegenden Aussage etwas zu ändern.

Eine direkte Konsequenz: klassische Prognosewerkzeuge machen es erforderlich Prognosemodelle für jedes einzelne Produkt zu verdrehen, da kein nicht-triviales statistisches Modell robust genug ist, um mit 18 Datenpunkten als Eingabe auszukommen.

Lokad erspart Ihnen den Statistiker. Die Raffinesse liegt in einer Drehung um 90 Grad: unsere Modelle wiederholen nicht eine einzelne Zeitreihe zu einem Zeitpunkt, sondern betrachten alle Zeitreihen gleichzeitig. So stehen uns mehr Eingabedaten zur Verfügung und konsequenterweise können wir mit ziemlich zukunftsweisenden Modellen arbeiten.

Dieser Ansatz folgt dem gesunden Menschenverstand: Wenn Sie die Saisonalität Ihres neuen Schokoriegels vorhersagen wollen, können Sie getrost die Saisonalität der anderen Schokoriegel nutzen. Warum sollten Sie jeden Schokoriegel isoliert voneinander betrachten?

Einfach? Nicht ganz: aus Sicht der Berechnung erschwert dies das Problem erheblich. Die Computerleistung, die zur Berechnung erforderlich ist, steigt erheblich. Zum Beispiel: Haben Sie 10.000 SKUs liegt die Anzahl der möglichen Assoziationen zwischen diesen bei, grob geschätzt, 100 Millionen (und 10.000 SKU ist eine eher kleine Anzahl).

Und genau hier kommt die Cloud ins Spiel: auch wenn Ihre Algorithmen ausgreift sind, und nicht an einer quadratischen Komplexität leiden, ist immer noch eine Menge an Berchnungsleistung erforderlich. Die Cloud stellt diese Leistung zur Verfügung: auf Abfrage und zu einem sehr geringen Preis.

Cloud Computing und Skalierbarkeit

Wünschen Sie jedoch eine höhere Genauigkeit, erfordert dies intelligentere, statistische Modelle. Unserer Erfahrung nach reduzieren verbesserte Prognosemethoden den Prognosefehler im Vergleich zu manuellen Prognosen üblicherweise um 20%. Intelligentere Methoden geraten jedoch in Konflikt mit traditionellen Prognosewerkzeugen.

Diese Modelle machen tausendmal mehr Bearbeitungsleistung notwendig und dies kann von den "firmeninternen" Lösungen nicht geboten werden. Um diese Berechnungsleistung anbieten zu können, nutzt Lokad das Cloudcomputing und bietet somit die besten Prognosen.

Unserer Erfahrung nach steigt die Anzahl an Prognosen, die von Unternehmen benötigt werden schnell an, sobald diese erkennen, wie hoch die Profite sein können, wenn Prozesse routinemäßig gemäß der Prognosen angepasst werden. Zum Beispiel: Ein Kleinunternehmen im Einzelhandel mit lediglich 5.000 Produktreferenzen und 10 Points-of-Sale benötigt für eine Vollautomatisierubng der Nachfüllvorgänge seines Inventarsüblicherweise mehr als 40 Million Prognosen pro Monat (unter der Annahme einer täglichen Vorhersage für einen Monat im Voraus).

Auf den ersten Blick erscheinen 40 Millionen Prognosen im Monat für ein mittelständisches Unternehmen sehr hoch. Aber mit Lokad ist dies erschwinglich.

Zusätzlich nutzen wir Parallelisierung im großen Rahmen: eine Vielzahl an Computern gleichzeitig, um die Berechnungen zu beschleunigen. So ist es heute möglich Monate an Berechnungen in wenigen Stunden zu erledigen.

Die Parallelisierung der Prognosen ist ein Eckpfeiler unserer Technologie. Seit dem Start von Lokad, Ende des Jahres 2006, haben wir unser Analyseraster, quasi ein Netzwerk an Maschinen, die genutzte werden, um die Datenbearbeitungskapazität unserer Technologie zu beschleunigen, verbessert.



Lokad ist der erste Prognoseanbieter der in Richtung Cloud Computing migriert. Wir haben eine intensive Unterstützung von Microsoft Teams erhalten, um auf die Beta-Version von Window Azure zu migrieren (nun in Anwendung) - Microsofts Cloudcomputing-Infrastruktur. Windows Azure bietet Lokad die Möglichkeit, tausende von Zusatzservern zu mieten, um die großflächigen Prognosenbedürfnisse unserer Kunden bedienen zu können.

Dieses Projekt war ein Erfolg: Microsoft ernnante uns, aus 3000 Mitbewerbern, zu seinem Windows Azure Partner 2010.

Modellierung "wirklicher” Kundenanforderungen: Einbezug von Ereignisse

Verkäufe, Anrufvolumen, Cashflow - alle diese Daten können als Zeitreihen repräsentiert werden (Listen von Daten/Wert-Paaren). Typische Prognosemethoden bauen auf der Zeitreihenanalyse auf. Ein Problem mit Zeitreihen besteht jedoch darin, dass diese nicht immer die wahren Kundenbedürfnisse repräsentieren. Hat das Geschäft beispielsweie eine Produktknappheit erlebt, sinken die Verkäufe entsprechend. Dies ist jedoch nicht gleichbedeutend mit sinkenden Kundenbedürfnissen, es zeigt lediglich an, dass weniger Produkte zum Verkauf zur Verfügung standen. Unserer Erfahrung nach, tritt dieser Fall häufig auf, wenn Ereignisse wie Marketingkampagnen oder Werbeaktionen einen Einfluss auf das Geschäft ausüben.

Bei der Betrachtung roher Zeitreihendaten, versagen statistische Werkzeuge im Hinblick auf die korrekte Sicht auf die historischen Daten und dementsprechend versagen sie auch bezüglich einer genauen Prognose. Darum bietet Lokad ein reicheres Datenframework, dass nicht nur rohe Zeitreihen, sondern auch Tags und Ereignisse handhaben kann, an. Dieses Framework ermöglicht, Lokad von aufschlussreichen historischen Ereignissen zu „berichten“:

• die Durchführung einer Produkt-Werbeaktion,
• der Bericht einer Fehlmenge,
• der Stromausfall im Callcenter
  

Diese Ereignisse werden automatisch zur Verfeinerung der Prognosen analysiert. Somit bilden Sie die wirklichen zukünftigen Kundenbedürfnisse ab und nicht Artefakte, die Ihren Ursprung in den historischen Daten haben. Lokad erwartet von seinen Nutzern nichts weiter als die Lieferung relevanter Unternehmensdaten. Im speziellen bedeutet dies, dass bei Lokad der Kunde den eigentlichen Einfluss eines Ereignisses (wie der Einfluss einer Werbaktion) nicht selbst herausfinden muss - Lokad übernimmt die vollständige Analyse.

Unseres Wissens nach, ist Lokad einer der wenigen Prognoseanbieter, der eingebaute automatisierte Unterstützung für Ereignisse anbietet. Die meisten Konkurrenztechnologien erwarten von ihren Nutzern, dass sie, zur Vorverarbeitung der Daten, komplexe Operationen selbst vornehmen, Artefakte manuell bereinigen oder manuelle statistische Modelle mit externen Regressoren anpassen, um externe Ereignisse handhaben zu können.

Ähnlichkeiten mittels “Tags”erkennen

Der Versuch einer Vorhersage für ein einzelnes Produkt ist eine rechte Herausforderung; Die durchschnittliche Lebensdauer eines hergestellten Produktes auf dem Markt beläuft sich auf weniger als 3 Jahre. Dies bedeutet, das ein Produkt im Durchschnitt weniger als 18 Monate Verkaufsgeschichte aufzuweisen hat, d.h. weniger als 18 Datenpunkte (bei monatlichem Verkaufsvolumen). Wenn es um statistische Vorhersagen geht reichen 18 Datenpunkte offensichtlich nicht aus. Wurde diese kurze Datenreihe noch zusätzlich durch Werbeaktion verwässert, erschwert dies zusätzlich die Prognoseaufgabe.

Traditionelle Prognosemethoden sind von derlei Problemen stark betroffen. Die herkömmlichen Werkzeuge benötigen Datenmengen von mindestens einem vergangenen Jahr - diese stehen jedoch genau dann nicht zur Verfügung, wenn Prognosen am wertvollsten wären: zu Beginn der Lebensdauer eines Produktes. Stehen nicht genügend Daten zur Verfügung, stufen Werkzeuge ihren Methoden auf einen recht naiven Ansatz zurück, wie beispielsweise der Veschiebung des Durchschnitt. Dieses bildet die Modellierung der Saisonabhängigkeit oder eines Trends unzureichend ab.

Lokad dagegen nutzt einen radikal anderen Ansatz. Die Prognose eines einzelnen Produktes ist zwar nicht ganz einfach, aber Unternehmen verkaufen im Regelfall viele Produkte und häufig stehen diese miteinander in Beziehung. Verkauft das Unternehmen beispielsweise 10 verwandte Produkte, stehen bereits 10-mal mehr Daten zu Verfeinerung der Prognose des interessanten Produktes zur Untersuchungzur Verfügung. Dieser Ansatz wird auch simultane Zeitreihenprognose genannt. Lokad nutzt die Korrelationen, die zwischen Zeitreihen existieren, um individuelle Zeitreihenprognosen zu verfeinern.

Sind Zeitreihen zu kurz, wie zum Beispiel bei Produkten, die lediglich seit einigen Monaten auf dem Markt sind, stehen schlichtweg nicht genügend Daten für die Korrelation der Zeitreihen zur Verfügung. Aus diesem Grund hat Lokad die Idee des Tags eingeführt. Tags werden zur Anreicherung der Zeitreihen genutzt, zum Beispiel zur Anzeige von Ähnlichkeiten, die zwischen den Produkten existieren. Durch die Nutzung von Tags, verfeinert Lokad die Prognosen sogar dann, wenn eine Verkaufsgeschichte eines bestimmten Produktes quasi nicht existent ist.

Und auch hier: soweit wir wissen ist Lokad der einzige Prognoseanbieter, der eingebaute automatisierte Unterstützung für Tags anbietet. Die Konkurrenzprodukte erwarten üblicherweise, dass betriebseigene Experten die, auf die Daten angewendeten Unternehmensregeln explizit entwickeln, wenn die Datenmenge nicht ausreicht.

Mischen von Web2.0 und wissenschaftlichen Berechnungen: jeder hinzukommende Kunde liefert zusätzliche Genauigkeit für alle

Wie bereits erwähnt, sind die Korrelationen zwischen Produktverkäufen, oder allgemeiner, zwischen Zeitreihen, bei unzureichender Datenmenge der Schlüssel zur Verfeinerung der Prognosen. Mehr Daten bedeuten ein niedrigerer Prognosefehler und ein niedrigerer Prognosefehler wiederum bedeutet höhere Gewinne. Daher ist dies eines von Lokads Grundwerten: den Prognosefehler so niedrig wie möglich zu halten.

Wir haben daher beschlossen noch einen Schritt weiter zu gehen: Anstatt die Eingabewerte auf ein einzelnes Unternehmen zu beschränken, nutzen wir, zur Verfeinerung jeder Prognose, alle Daten des Lokad-Ökosystems. Dies bedeutet auch, dass Ihre Daten dazu genutzt werden, die Genauigkeit der Lokad Prognosen insgesamt zu verbessern.

Dieser Prozess ist absolut sicher. Ihre Daten werden zu keinem Zeitpunkt an Dritte weitergegeben - selbstverständlich auch nicht an andere Lokad-Kunden. Prognoseverfeinerung durch die Datenanalyse multipler Unternehmen ist ein äußerst indirekter Prozess, der auch bei Zurückentwicklung keine Einsicht in die Daten erlaubt.

Aber, im Gegensatz zur allgemeinen Annahme besteht der Hauptvorteil der Multiunternehmensdatenanalyse nicht in der Aufdeckung von Korrelation zwischen diesen Unternehmen. Korrelationen kommen erst an zweiter Stelle und sehr weit hinter der Identifikation von Störfaktoren. Schaut man sich ein mittelständisches Unternehmen an, ist es üblicherweise sehr schwer zwischen Mustern, die wiederholbare Ereignisse im Unternehmen repräsentieren, und Marktstörfaktoren (sozusagen purem Zufall) zu unterscheiden. Lässt sich dieselbe Saisonabhängigkeit in einem anderen Unternehmen entdecken, dann sinkt die Wahrscheinlichkeit, dass dies ein rein zufälliger Artefakt des Marktes ist. Eine bessere Aufdeckung von Störfaktoren bedeutet weniger Fehler während der Identifizierung von Unternehmensmustern und führt letztendlich zu verbesserten Prognosen.

Wir sind davon überzeugt, dass unsere Technologie, die soziale Netzwerke mit statistischem Lernen verbindet, sehr einzigartig ist. Wir freuen uns, dass jeder neue Kunde, die Prognosen direkt für alle verbessert.

Statistische Modelle, die bei Lokad genutzt werden

Die Idee der Qualität bei der Betrachtung eines Prognosemodells ist sehr hintergründig. Der Schlüssel der statistischen Vorhersage liegt in der Verringerung des Fehlers. Diese Verringerung bezieht sich jedoch nicht auf vorhandene Daten, sondern auf Daten, die nicht vorhanden sind: zukünftige Daten. Dieses Problem der Überanpassung ist nicht weitläufig bekannt; obwohl der Einfluss auf das Unternehmen massiv sein kann. Schauen Sie sich für weitere Details auch unser Video Überanpassung: wenn Genauigkeitsmessung falsch läuft (auf Englisch) an.

Lokad verlässt sich auf eine große, individuelle Bibliothek an statistischen Modellen, welche so bekannte Klassiker, wie Box-Jenkings, exponentielle Glättung, Autoregression und all ihre Varianten beinhaltet. Klassiker handhaben folgende Punkte nur unzureichend:

• simultane Zeitreihen-Korrelationen
• Zeitreihen-Tags (z.B. Produktbeschreibungen)
• sehr kurze Zeitreihen
  

Zur Bewältigung dieser Situationen hat Lokad komplexere Modelle entwickelt. Wir geben nicht vor, neue mathematische Theorien entwickelt zu haben (noch nicht), da wir hauptsächlich auf der Theorie maschinellen Lernens aufbauen.

Hier soll auch erwähnt werden, dass die Auswahl des richtigen statistischen Modells eine schwierige Aufgabe darstellt, manchmal schwieriger als der Entwurf des Modells selbst. Lokad benutzt zur Verfeinerung der Modelle umfangreiche Daten-Korrelationen. Wir sind überzeugter von der Wahl einer bestimmten Zeitreihe, wenn das Modell auch von vielen anderen verwandten Zeitreihen genutzt wird.

Lokad überwacht und verbessert Ihre Prognosen ununterbrochen

Prognosen werden vollautomatisch geliefert. Das bedeutet jedoch nicht, dass Lokad ein "hirnloser" Prognoseanbieter ist - eher das Gegenteil. Wir überwachen unser Prognosesystem ununterbrochen. Dieser Prozess wird lokadweit durchgeführt. Dies hilft uns unsere internen Kosten signifikant zu senken, da jeder Experte bei Lokad einen großen Pool an Unternehmen auf einmal überwachen kann.

Um die Schwächen unserer Prognosetechnologien vorsichtig abzuschätzen, führen wir jeden Tag Prognosesimulationen durch. Diese Überwachungsprozesse findet fortlaufend statt. Um hiervon zu profitieren muss man nichts Besonderes tun, lediglich Daten in Lokad hochladen.

Durch die Überwachung werden Probleme zuerst identifiziert und potentielle Lösungen werden dann zum Teil unseres Meilensteinplans. Wir glauben, dass wir bezüglich der statistischen Prognosen gerade einmal an der Oberfläche gekratzt haben. Unser Web2.0-Ansatz macht eine Untersuchung von Lösungen möglich, die vorher noch nicht einmal vorstellbar waren.

Die Wahl von Lokad bedeutet, im Gegensatz zu klassischen Prognosewerkzeugen, dass die Prognose durch Experten überprüft und das Ihre Prognosen mit denen ähnlicher Unternehmen verglichen werden. Dies vereinfacht den Prozess der Aufdeckung potentieller Probleme erheblich. Mit Lokad, verbessern sich Ihre Prognosen auf natürliche Weise mit der Zeit - zusammen mit unserer Technologie. Die Wahl von Lokad bedeutet für Sie, dass Ihr Unternehmen, nur weil sein Prognosemodell nicht häufig genug aktualisiert wird, nicht hinter der Konkurrenz herhecheln: Mit Lokad bleiben Sie stets am Ball.

Starten Sie noch heute Ihre Prognosen und erhalten Sie 30$ auf im Voraus bezahlte Prognoseleistungen zurück .