BESTANDSPROGNOSE FÜR EINZELHANDELSNETZWERKE MIT LOKAD
Die Technologie hinter Lokad hilft Einzelhändlern mit allgemeinem Warensortiment jeder Größe, die Produktverfügbarkeit zu erhöhen, während sie den Lagerbestand sowohl auf Filial- als auch auf Lagerebene minimieren. Das sehr hohe Automatisierungsniveau von Lokad macht es selbst für komplexe Produktauswahlen geeignet, ohne zusätzliches Personal einzusetzen. Die Quantile-Prognosetechnologie ist speziell darauf ausgelegt, hohe Serviceniveaus zu unterstützen, selbst wenn die Verkäufe intermittierend und unregelmäßig sind. Darüber hinaus ist Lokad durch Cloud Computing in der Lage, auf tausend Filialen zu skalieren.
Worten, ein Elektronikhändler, betreibt über 300 Filialen und E-Commerce und bietet vielfältige Produkte für Technikliebhaber.
Worten befürwortet eine digitale Strategie mit Filialen und menschlicher Note. Unsere Partnerschaft mit LOKAD ermöglicht es uns, die Intelligenz unseres Managements zu digitalisieren und zu erneuern, sodass unsere Geschäfte besser darauf vorbereitet sind, den Kunden genau das zu bieten, was sie wünschen. Letztlich ist diese Partnerschaft ein technologischer und managementbezogener Durchbruch darin, wie wir die supply chain sehen und steuern.
Bruno Thiago Saraiva, Head of Stock bei Worten
Volle Automatisierung für komplexe Sortimente
Lokad importiert historische Verkaufsdaten und erstellt direkt Bestandsprognosen; und wenn wir „direkt“ sagen, meinen wir es auch so. Es sind keinerlei statistische Konfigurationen jeglicher Art erforderlich, um Prognosen mit Lokad zu erstellen. Dies macht Lokad seinen Nutzern leicht zugänglich, selbst denen ohne statistische Kenntnisse.
Wenn manuelle Eingriffe erforderlich sind, um sicherzustellen, dass die Prognosen ordnungsgemäß funktionieren, gibt es kein Ende: es gibt zu viele Produkte, zu viele Filialen.
Viele klassische Prognoselösungen bieten die Möglichkeit, die Prognosen „abzustimmen“, aber was den allgemeinen Einzelhandelswarenbereich betrifft, haben wir immer wieder beobachtet, dass solche Funktionen
stark irreführend sind. Wenn manuelle Eingriffe erforderlich sind, um sicherzustellen, dass die Prognosen ordnungsgemäß funktionieren, gibt es kein Ende: es gibt zu viele Produkte, zu viele Filialen. Eine vollständige Automatisierung ist in diesem Fall einfach die einzige Option.
Die einzigartige Prognosetechnologie von Lokad nutzt Korrelationen zwischen Produkten. Tatsächlich gibt es für ein einzelnes Produkt fast nie genügend historische Daten. Glücklicherweise verkaufen Unternehmen oft Hunderte, wenn nicht Tausende von Produkten gleichzeitig, und indem alle Muster in Bezug auf die anderen Waren in einem Produktkatalog genutzt werden, umgeht Lokad den komplexen Bedarf, die Prognosen manuell abzustimmen. Dies mag als unerwünschtes „Blackbox“-Verhalten angesehen werden, aber unsere Erfahrung zeigt, dass selbst einfache lineare Prognosemodelle in der Praxis für Einzelhandelsnetzwerke wie Blackboxes agieren, da niemals genügend Zeit vorhanden ist, um mehr als nur einen winzigen Bruchteil der täglich produzierten Ergebnisse manuell zu überprüfen.
Klassische Prognosesysteme sind auch von Grenzfällen geplagt: Produkte mit zu wenig Verkaufshistorie, Produkte mit zu geringen Verkaufsvolumina, Produkte mit unklaren Saisonalitätsprofilen usw. Unsere Prognosetechnologie lässt kein Produkt zurück, um eine 100%ige Abdeckung des gesamten Sortiments sicherzustellen.
Fortschrittliche Prognosemodelle, die Korrelationen zwischen Produkten und Filialen nutzen, sind für Einzelhandelsnetzwerke unverzichtbar, gerade weil sie von Anfang an so viele Daten zur Korrelation haben.
Hohe Serviceniveaus bei intermittierender Nachfrage
Auf Filialebene sind die allermeisten Produkte mit intermittierenden Nachfrageprofilen verbunden, wobei täglich nur eine Handvoll einzelner Produkteinheiten verkauft wird. Dennoch streben die meisten Einzelhändler, selbst wenn ein Produkt nur einmal pro Woche verkauft wird, hohe Serviceniveaus an, um ihre Kunden zufrieden zu stellen. Dank der Quantile-Prognosetechnologie kann Lokad selbst für Produkte, die sehr selten verkauft werden, präzise Bestandsprognosen liefern.
Klassische Prognoselösungen basieren auf herkömmlichen Prognosen, also Medianprognosen, mit anderen Worten Prognosen, bei denen eine 50%ige Wahrscheinlichkeit besteht, dass sie über oder unter der zukünftigen Nachfrage liegen. Auf Filialebene funktionieren herkömmliche Prognosen jedoch einfach nicht, da die Mehrheit der Produkte weniger als einmal täglich verkauft wird.
Eine Prognosetechnologie, die direkt eine einfache Frage beantwortet: Wie viele Einheiten des Produkts X benötige ich, um das Serviceniveau Y zu erreichen?
Einige Werkzeuge versuchen, dieses Problem anzugehen, indem sie auf wöchentlicher oder sogar monatlicher Ebene prognostizieren, um übergeordnete Prognosen in anteilige Prognosen zu zerlegen, doch die mit solchen Methoden verbundenen Fehler sind beträchtlich. Die Verwendung klassischer Prognosen für die Bestandsoptimierung greift das Problem aus der falschen Perspektive auf.
Lokad hat eine statistische Prognosetechnologie für den Einzelhandel entwickelt, die direkt die folgende einfache Frage beantwortet: Wie viele Einheiten des Produkts X benötige ich, um das Serviceniveau Y zu erreichen? Anstatt zu versuchen, diese Frage über einen sehr indirekten und hochungenauen Weg zu beantworten, der typischerweise Medianprognosen und Sicherheitsbestände beinhaltet, ermöglicht die Technologie von Lokad eine direkte Antwort durch Quantilprognosen. Dadurch übertrifft die durch Quantilprognosen erzielte Bestandsleistung die durch den klassischen Ansatz erzielte Leistung bei weitem.
Skalierung auf tausende Filialen
Das Bereitstellen fortschrittlicher statistischer Prognosen für bis zu tausend Filialen kann eine enorme Menge an Rechenleistung erfordern. Lokad liefert diese Rechenleistung durch den Einsatz von Microsoft Azure, der Cloud-Computing-Plattform von Microsoft. Aufgrund unserer Arbeit bei Lokad erhielten wir bereits 2010 den ersten Azure Partner Award von Microsoft.
Insbesondere nutzt Lokad eine Technik, die als Auto-Scaling bekannt ist, was bedeutet, dass sobald ein Prognoseauftrag von Lokad ausgeführt werden muss, wir die Server auf Microsoft Azure dynamisch bereitstellen (möglicherweise Hunderte davon, abhängig von der Größe des Einzelhandelsnetzwerks), und diese Server sofort nutzen, um Prognoseergebnisse in weniger als 60 Minuten zu liefern. Sobald eine Berechnung abgeschlossen ist, werden alle Server wieder freigegeben.
Da Lagerbestandsprognosen fast nie mehr als einmal täglich benötigt werden, bietet Auto-Scaling eine direkte Reduzierung der Hardwarekosten um den Faktor 24 – eine Einsparung, die an unsere Kunden weitergegeben werden kann. Die tatsächliche Senkung der Hardwarekosten resultiert jedoch aus der Tatsache, dass wir eine Technologie entwickelt haben, die stark auf die leistungsstarke Verarbeitung von Einzelhandelsdaten ausgerichtet ist.
Komplexe Einkaufsstrategien auf Lager-Ebene
Während der Nachbestellprozess auf Filialebene in der Regel relativ einfach ist, können Einkaufsstrategien auf Lager-Ebene sehr komplex sein. Durch die Skript-Engine von Lokad ist es möglich, reguläre Nachfrageprognosen in korrekte Bestellungen umzuwandeln, die Mengenrabatte, Versandkosten, Lagerkapazitäten, Lieferzeitvariationen usw. berücksichtigen. Priceforge kann auch dazu verwendet werden, alle hochbranchenspezifischen KPIs zu erstellen, die Manager benötigen, um die Gesamtleistung des Bestands im Netzwerk zu überwachen.