INVENTARPROGNOSE FÜR EINZELHANDELSNETZWERKE MIT LOKAD

Die Technologie hinter Lokad hilft Einzelhändlern für allgemeine Waren jeder Größe, ihre Produktverfügbarkeit zu erhöhen und gleichzeitig die Menge an Lagerbeständen sowohl auf Filialebene als auch auf Lagerhausbasis zu minimieren. Das sehr hohe Maß an Automatisierung, das mit Lokad verbunden ist, macht es auch für komplexe Produktauswahlen geeignet, ohne zusätzliches Personal einbeziehen zu müssen. Die Quantilprognosetechnologie ist speziell darauf ausgerichtet, hohe Servicelevels zu unterstützen, auch wenn die Verkäufe sowohl intermittierend als auch unregelmäßig sind. Darüber hinaus ist Lokad durch Cloud Computing in der Lage, sich auf tausende Filialen zu skalieren.

salescast retail right in inventory optimization software
Worten, ein Elektronikhändler, verfügt über 300+ Filialen und E-Commerce und bietet eine Vielzahl von Produkten für Technikliebhaber.

Worten setzt auf eine digitale Strategie mit Filialen und einem persönlichen Touch. Unsere Partnerschaft mit LOKAD ermöglicht es uns, die Intelligenz unseres Managements zu digitalisieren und zu erneuern, um sicherzustellen, dass unsere Filialen besser darauf vorbereitet sind, den Kunden das zu bieten, was sie wollen. Letztendlich ist diese Partnerschaft ein technologischer und managementtechnischer Durchbruch in der Art und Weise, wie wir die Supply Chain sehen und verwalten.

Bruno Thiago Saraiva, Leiter des Lagerbestands bei Worten

quotation shape left

Vollautomatisierung für komplexe Sortimente

Lokad importiert historische Verkaufsdaten und erstellt direkt Inventarprognosen. Und wenn wir “direkt” sagen, meinen wir es auch so. Bei der Erstellung von Prognosen mit Lokad sind keinerlei statistische Konfigurationen erforderlich. Dies macht Lokad auch für Benutzer ohne statistische Kenntnisse leicht zugänglich.

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 Einzelhandel mit allgemeinen Waren betrifft, haben wir immer wieder beobachtet, dass solche Funktionen

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. In diesem Fall ist die vollständige Automatisierung einfach die einzige Option.

retail_networks_chart

Lokads einzigartige Prognosetechnologie nutzt Korrelationen zwischen Produkten. Tatsächlich stehen für ein einzelnes Produkt in der Regel nie ausreichend historische Daten zur Verfügung. Glücklicherweise verkaufen Unternehmen oft hunderte, wenn nicht tausende, Produkte gleichzeitig. Durch die Nutzung aller Muster, die in Bezug auf die anderen Waren in einem Produktkatalog beobachtet werden können, umgeht Lokad die komplexe Notwendigkeit, die Prognosen manuell “abzustimmen”. Dies kann als unerwünschtes “Blackbox”-Verhalten angesehen werden, aber unsere Erfahrung zeigt, dass selbst einfache lineare Prognosemodelle in der Praxis für Einzelhandelsnetzwerke wie Blackboxes funktionieren, da nie genug Zeit vorhanden ist, um mehr als nur einen winzigen Bruchteil der täglich produzierten Ergebnisse manuell zu überprüfen.

Klassische Prognosesysteme werden auch von Randfällen geplagt: Produkte mit zu wenig Verkaufshistorie, Produkte mit zu geringen Verkaufsvolumina, Produkte mit unklaren saisonalen Profilen usw. Unsere Prognosetechnologie lässt kein Produkt zurück, um eine 100%ige Abdeckung des gesamten Sortiments zu gewährleisten.

Fortgeschrittene Prognosemodelle, die Korrelationen zwischen Produkten und Filialen nutzen, sind für Einzelhandelsnetzwerke unverzichtbar, gerade weil sie so viele Daten haben, die sie zunächst korrelieren können.

Hohe Servicelevel für intermittierende Nachfrage

Auf Filialebene sind die meisten Produkte mit intermittierenden Nachfragemustern verbunden, bei denen nur eine Handvoll unterschiedlicher Produktstücke pro Tag verkauft werden. Doch selbst wenn ein Produkt nur einmal pro Woche verkauft wird, streben die meisten Einzelhändler hohe Servicelevel an, um ihre Kunden zufrieden zu stellen. Durch seine Quantil-Prognosetechnologie kann Lokad auch für Produkte, die sehr selten verkauft werden, genaue Inventarprognosen liefern.

Klassische Prognoselösungen basieren auf klassischen Prognosen, das heißt, Medianprognosen oder Prognosen, die eine 50%ige Chance haben, über oder unter der zukünftigen Nachfrage zu liegen. Auf Filialebene funktionieren klassische Prognosen jedoch einfach nicht, da die Mehrheit der Produkte weniger als einmal pro Tag verkauft wird.

Eine Prognosetechnologie, die direkt eine einfache Frage beantwortet: Wie viele Einheiten des Produkts X benötige ich, um den Servicelevel Y zu erreichen?

Einige Tools versuchen, dieses Problem zu lösen, indem sie auf wöchentlicher oder sogar monatlicher Ebene prognostizieren, um höherstufige Prognosen in Bruchteilprognosen zu disaggregieren, aber die mit solchen Methoden verbundenen Fehler sind recht erheblich. Die Verwendung klassischer Prognosen zur Bestandsoptimierung behandelt das Problem aus dem falschen Blickwinkel.

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 den Servicelevel Y zu erreichen? Anstatt diese Frage über einen sehr indirekten und hoch ungenauen Weg zu beantworten, der in der Regel Medianprognosen und Sicherheitsbestände umfasst, ermöglicht Lokads Technologie eine direkte Antwort durch Quantilprognosen. Als Ergebnis, da Lokads Prognosemethode direkt ist und nicht indirekt wie bei klassischen Prognosen, übertrifft die Bestandsleistung, die durch Quantilprognosen erzielt wird, bei weitem die Leistung, die durch den klassischen Ansatz erzielt wird.

Skalierung auf Tausende von Filialen

retail_networks_stores

Die Bereitstellung fortschrittlicher statistischer Prognosen für Tausende von Filialen kann eine enorme Rechenleistung erfordern. Lokad stellt diese Rechenleistung durch die Verwendung von Microsoft Azure bereit, der Cloud-Computing-Plattform von Microsoft. Aufgrund unserer Arbeit hier bei Lokad haben wir 2010 den ersten Azure Partner Award von Microsoft erhalten.

Insbesondere nutzt Lokad eine Technik namens Auto-Scaling, was bedeutet, dass sobald eine Prognoseaufgabe von Lokad durchgeführt werden muss, wir die Server auf Microsoft Azure dynamisch bereitstellen (potenziell Hunderte von ihnen, 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 de-provisioniert.

Da Bestandsprognosen fast nie öfter als einmal pro Tag benötigt werden, bietet Auto-Scaling eine direkte Hardwarekostenreduktion um den Faktor 24; eine Reduktion, die an unsere Kunden weitergegeben werden kann. Die tatsächliche Reduktion der Hardwarekosten ergibt sich jedoch aus der Tatsache, dass wir eine Technologie entwickelt haben, die stark auf die Hochleistungsverarbeitung von Einzelhandelsdaten ausgerichtet ist.

Komplexe Einkaufsstrategien auf Lagerhausbene

Während der Bestellprozess auf Filialebene in der Regel relativ einfach ist, können die Einkaufsstrategien auf Lagerhausbene recht komplex sein. Durch den Skripting-Engine von Lokad ist es möglich, reguläre Nachfrageprognosen in korrekte Bestellungen umzuwandeln, die Preisnachlässe, Versandgebühren, Lagerkapazitäten, Lieferzeitvariationen usw. berücksichtigen. Priceforge kann auch verwendet werden, um alle hochspezifischen KPIs der Branche zu erstellen, die von Managern benötigt werden, um die Gesamtbestandsleistung des Netzwerks zu verfolgen.