Inventaroptimierung für KMU
Kleine und mittlere Unternehmen (SMB), die mit einem physischen Warenfluss arbeiten, verfügen möglicherweise nicht über ein großes supply chain Netzwerk, aber sie müssen ihre Lagerbestände unbedingt unter Kontrolle bringen – besonders beim schnellen Wachstum. Die Lagerverwaltung ist eine zweigeteilte Herausforderung: erst das Asset Management, dann die Bestandsoptimierung. Lokad liefert Letzteres durch seine prädiktive Optimierungstechnologie. Betrachten Sie Lokad als Ihren Lager-Copiloten, der Ihnen sagt, wann Sie kaufen, wie viel Sie kaufen, wohin Sie versenden und was mit den langsam drehenden Artikeln zu tun ist, die sonst zu toten Beständen werden könnten. Unsere Technologie ist speziell dafür entwickelt, mit Lagerumschlägen umzugehen, die sowohl in ihrem Volumen (nur wenige Einheiten werden verkauft oder gekauft) als auch in ihrer Tiefe (mit einer Historie, die viel kürzer als ein Jahrzehnt ist) begrenzt sind.
Es gibt Unmengen von Lager-Apps, die gut aussehen und dennoch keinen Mehrwert bieten im Vergleich zu einer ordentlich organisierten Excel-Tabelle. Wenn Ihre App keine Lagerleistung erbringt, die mit Excel unmöglich zu erreichen wäre, sollten Sie wirklich hinterfragen, warum Sie solch eine App überhaupt benötigen.
Joannes Vermorel, Gründer von Lokad
Lokad TV
HYMA Skog & Trädgård ist ein führender nordischer Anbieter von Forst-, Garten-, DIY-, Jagd- und Outdoor-Produkten
Zuerst habe ich etwas Literatur gekauft, um es selbst zu bauen, und als ich bei Google nach Matlab-Funktionen zur Optimierung der supply chain suchte – da fand ich Lokad – haben diese Jungs genau das entwickelt, wonach ich gesucht habe – nur viel besser! Jetzt haben wir den Service in unser Geschäft integriert und nutzen ihn täglich, um Kaufentscheidungen zu optimieren und zu treffen!
Anders Carlsson, CEO
Fallstudie
Ihr prädiktiver Lager-Copilot
Stocklevels sind ein Balanceakt: zu wenig, und Ihre Kunden werden nicht ausreichend bedient, zu viel, und Ihre Lagerhaltungskosten schießen in die Höhe. Sobald eine inventory management Software im Einsatz ist, besteht die Möglichkeit, die Bestände zu optimieren. Lokad ermöglicht dies durch eine prädiktive Optimierung, was niedrigere Lagerbestände, besseren Service, weniger tote Bestände und gesteigerte Produktivität bedeutet. Dies ist besonders kritisch in kleineren Unternehmen, die sich kein großes Verwaltungspersonal für alltägliche Aufgaben wie Nachbestellungen leisten können. Insbesondere in jungen, dynamischen Unternehmen führt die gewonnene Zeit aus lästigen Aufgaben oft zu noch schnellerem Wachstum.
Normalerweise beginnen wir damit, das Problem des „Wann und wie viel zu kaufen“ anzugehen, indem wir einen täglichen Bericht erstellen, der die vorgeschlagenen Nachbestellmengen enthält. Diese Übung kann viele Feinheiten beinhalten, wie Bestellpläne, Mindestbestellmengen (MOQs) der Lieferanten, Mengenrabatte, inkonsistente Lieferzeiten oder Mehrquellenbeschaffung. Lokad berücksichtigt all diese Einschränkungen und mehr.
Abhängig von Ihren Bedürfnissen greift Lokad auch verschiedene bestandsbezogene Probleme auf, wie zum Beispiel:
- Rückführung von Beständen aus FBA, um langfristige Lagergebühren zu vermeiden
- Ausbalancierung der Bestände zwischen zwei oder mehr Standorten
- Bewertung der Zuverlässigkeit von Lieferanten mittels Scorecards
- Entscheidung, ob ein Artikel auf Lager gehalten wird oder nicht, und ob Dropshipping genutzt wird
- Identifizierung von langsam drehenden Artikeln und deren Förderung, um tote Bestände zu vermeiden
- ….
Lokad liefert eine „Software + Service“-Kombination. Wenn Sie sich für unsere Managed Services anmelden, wird Ihrem Konto ein Supply Chain Scientist zugewiesen. Dieser kümmert sich darum, Ihre historischen Daten in umsetzbare Zahlen, wie beispielsweise empfohlene Nachbestellmengen, umzuwandeln. Im Hintergrund nutzt dieser Experte unsere Webapp und Envision, eine domänenspezifische Programmiersprache, die der prädiktiven Optimierung der supply chain gewidmet ist, und stellt sicher, dass Sie das Beste aus Lokads Technologie herausholen, ohne selbst zum AI/IT-Experten werden zu müssen.
Jenseits klassischer Prognosen
Prognosen, die nur auf einer einzigen durchschnittlichen Zukunft basieren, funktionieren für SMBs schlecht. Die Lagerkosten konzentrieren sich auf Extremsituationen: Lieferengpässe treten auf, wenn die Nachfrage stark unterschätzt wird, und umgekehrt entstehen tote Bestände, wenn die Nachfrage stark überschätzt wird. Dazwischen rotiert der Bestand allmählich.
Dennoch verfehlt die überwiegende Mehrheit der auf dem Markt erhältlichen Softwareprodukte den Kern, indem sie sich für klassische Zeitreihenprognosen entscheiden, die leider nicht geeignet sind, die Probleme von SMBs zu bewältigen.
Lokad bietet eine probabilistic forecasting Technologie: Wir weisen jeder möglichen Zukunft eine Wahrscheinlichkeit zu. Wir prognostizieren nicht nur die Nachfrage, sondern auch Lieferzeiten und Retouren, wann immer es relevant ist. Allgemein müssen auch andere Unsicherheitsquellen prognostiziert werden.
Probabilistische Prognosen übertreffen veraltete Ansätze wie klassische safety stock Berechnungen bei weitem, vereinfachen die Realität übermäßig und funktionieren schlecht, wenn die Nachfrage sporadisch oder unregelmäßig ist – was bei SMBs oft der Fall ist. Jedem möglichen Zukunftsszenario eine Wahrscheinlichkeit zuzuweisen – also den potenziellen Schaden extremer Szenarien zu quantifizieren – ist der erste Schritt zu einer prädiktiven Bestandsoptimierung.
Der zweite Schritt besteht darin, alle möglichen Optionen zu betrachten, zum Beispiel jede einzelne Nachbestellmenge – Einheit für Einheit. Wir denken nicht in der Wiederauffüllung in Form einer Min/Max-Politik je SKU. Stattdessen betrachten wir alle SKUs und suchen nach der einen zusätzlichen Lagereinheit, die unter Berücksichtigung operativer Einschränkungen wie MOQs und Losgrößen den höchsten Return on Investment für das Unternehmen bringt.
Das führt uns zum letzten Schritt: der ökonomischen Priorisierung. Die Möglichkeit, jede zusätzliche Lagereinheit zu kaufen, sollte in Dollar oder Euro an Gewinnen und Verlusten bewertet werden. Wir bezeichnen diese Faktoren als wirtschaftliche Treiber: Bruttomarge, Lagerhaltungskosten, Fehlmengenkosten usw. Das Endergebnis der Optimierung sind Bestellmengen, die vollständig auf die unsicheren Zukunftsszenarien und die Strategie Ihres Unternehmens abgestimmt sind.
Schlanke Bestandsleistung
Für Nachbestellungen liefert die Lokad Webapp einen tabellarischen Bericht, der Ihnen genau die Mengen angibt, die Sie heute nachbestellen müssen, sowie die KPIs in Dollar oder Euro, die diese Mengen erklären.
Auf diesen Bericht kann über ein Web-Dashboard zugegriffen, er als Excel-Tabelle heruntergeladen oder sogar für einen automatischen Import in Ihr ERP geplant werden.
Lokad liefert Zahlen, die keiner weiteren Nachbearbeitung und keiner manuellen Anpassung bedürfen. Diese Leistung zu erzielen, ist eine zweifache Herausforderung; sie erfordert:
- eine Technologie mit modernsten probabilistischen Prognosemodellen und numerischen Optimierungslösern.
- einen talentierten Experten, der das End-to-End-Numerik-Rezept auf Basis Ihrer historischen Daten erstellt und alle unvermeidbaren Datenprobleme mindert. Tatsächlich sind viele klassische Planungslösungen das Gegenteil von schlank: Historische Daten müssen manuell „bereinigt“, Prognosemodelle manuell „abgestimmt“ und Bestellmengen manuell „angepasst“ werden. All diese Vorgänge behandeln Ihr Personal wie verbrauchbare Ressourcen.
Lokad liefert das Gegenteil: Es wird in maßgeschneiderte numerische Rezepte investiert, die genau zu Ihrem Unternehmen passen.
3 Sprouts entwirft einzigartige und moderne Produkte für Babys. Seit 2007 sind Spielzeuge und Kinderprodukte online oder bei Einzelhändlern weltweit erhältlich.
Wir benötigten bei 3 Sprouts eine Lösung, die uns dabei hilft, unseren Bestand während unseres raschen Wachstums zu verwalten. Lokad unterstützte uns dabei, die Bestände für alle Märkte vorherzusagen und ein System zu schaffen, das Bestellungen für unsere verschiedenen Lager generiert. Lokad hat einen gewaltigen Prozess vereinfacht und präziser gemacht.
Banu Khurana, Co-Owner
Fallstudie
| Klassische Lösung | Probleme mit der klassischen Lösung | Von Lokad angenommene Lösung |
|---|---|---|
| Klassische Prognosen (d.h. tägliche, wöchentliche, monatliche Durchschnitte) | Funktionieren nicht bei unregelmäßiger oder intermittierender Nachfrage | Probabilistische Prognosen, die die Unsicherheit umfassen |
| Abstimmung der Prognosemodelle und Bearbeitung von Prognosen | Sehr zeitaufwendig, Amortisation ist sehr gering | Selbstkalibrierung der Machine-Learning-Modelle |
| ABC-Analyse | Grobe Kategorisierung der SKUs, eine Vielzahl von Sonderfällen | Berücksichtigt die volle Komplexität jeder einzelnen SKU |
| Min/Max-Bestandsmethode | Ständige Entstehung von toten Beständen | Priorisiert jede einzelne zusätzliche Lagereinheit in Bezug auf den ROI |
| Sicherheitsbestände | Unsicherer Ansatz, der keine Auslastung gewährleistet | Robuste Optimierungen, die direkte Fehlmengenkosten widerspiegeln |
| Konfigurierbare Lieferzeiten | Funktioniert nicht bei variierenden Lieferzeiten und ist zeitaufwendig | Lernt und prognostiziert Lieferzeiten mittels probabilistischer Prognosen |
| Konfigurierbare Lagerdeckungen (d.h. Tage des Lagerbestands) | Alternativer unsicherer Ansatz, der keine Auslastung gewährleistet | Wirtschaftliche Optimierung der Lagerdeckungen pro SKU |
| MOQs, Mengenrabatte, Mehrquellenbeschaffung | Nicht unterstützt, zeitaufwendige manuelle Eingriffe | Natürliche Unterstützung durch maßgeschneiderte Logik |
| Konfigurierbare Einzelpreise | Es wird angenommen, dass die Nachfrage unabhängig vom Preis ist | Nachfrageprognosen, die die Produktpreise berücksichtigen |