Quantiles = Bestandsoptimierung 2.0

Genauere Prognosen, die in Gewinne umgewandelt werden, sind für Lokad die Nummer 1 Priorität. Allerdings wird die Nachfrageprognose seit mehr als einem halben Jahrhundert intensiv erforscht, und jeder 0.1% an zusätzlicher Genauigkeit ist in der Regel nichts weniger als ein harter Kampf.
Manchmal machen wir jedoch einen Durchbruch. Heute kündigen wir das bedeutendste Technologie-Upgrade von Lokad seit seinem Start vor 6 Jahren: die sofortige Verfügbarkeit von Quantil-Prognosen.
Quantile sind disruptiv, da sie in vielen Situationen klassische Prognosen in Bezug auf die Bestandsoptimierung – für Einzelhandel, Großhandel und Fertigungsunternehmen – regelrecht obsolet machen.
Wir haben 3 Situationen identifiziert, in denen Quantile wirklich glänzen:
- Hohe Service Levels ab 90% und höher.
- Unregelmäßige Nachfrage (Langsamdreher).
- Großaufträge (spitze Nachfrage).
In diesen Situationen deuten Benchmarks im Vergleich zu unserer klassischen Prognosetechnologie darauf hin, dass Quantil-Prognosen in der Regel entweder 20% weniger Bestand oder 20% weniger Fehlbestände mit sich bringen.
Außergewöhnliche Behauptungen erfordern außergewöhnliche Beweise. Carl Sagan
Die zahlreichen Benchmarks, die wir bisher mit unseren Interessenten und Kunden durchgeführt haben, zeigen jedoch, dass unsere klassische Prognosetechnologie der Konkurrenz bereits voraus ist; aber mit Quantil-Prognosen kann ein völlig neues Level der Bestandsoptimierung erreicht werden.
Zögern Sie nicht, Quantile auf die Probe zu stellen.
Die Geschichte hinter dem Quantil-Upgrade
Quantil-Prognose (auch Quantil-Regression genannt) ist seit Jahrzehnten in akademischen Kreisen bekannt. In der Finanzwelt nutzen Analysten Quantile bereits seit den späten 1980er Jahren umfassend für die Value-at-Risk-(VaR)-Analyse.
Auch bei Lokad gibt es Quantile schon seit langer Zeit. Zum Beispiel wurde bereits 2009 Sequential Quantile Prediction of Time Series veröffentlicht. IEEE Transactions on Information Theory, März 2011, Bd. 57, Nr.3 von einem von uns. Bis vor Kurzem wurden Quantile jedoch ganz fälschlicherweise eher als mathematische Spielerei (betriebswirtschaftlich) denn als ein geschäftskritisches Konzept betrachtet.
Was uns zurückhielt, war nicht der Mangel an statistischen Erkenntnissen, sondern das fehlende Verständnis der tiefgreifenden Beziehung zwischen Quantilen und Bestandsoptimierung. Diese Erkenntnis wurde, größtenteils durch einen glücklichen Zufall, ausgelöst, als eine Kundin uns bat, eine Formel zur Berechnung der optimalen Service Levels für ihren Bestand zu erarbeiten.
Ein Durchbruch, ja, aber ein verspäteter
Dieser Quantil-Durchbruch ist nur sehr relativ zu verstehen, da Quantile in anderen Branchen bereits seit Jahrzehnten erfolgreich angewendet werden. Es gibt jedoch einen Aspekt, der dieses späte Eintreffen teilweise erklärt: Quantilmodelle erfordern typischerweise etwa 10x mehr Rechenleistung im Vergleich zu klassischen Prognosemodellen. Ohne Cloud Computing hätten wir Quantile nicht in Produktion bringen können, während wir gleichzeitig eine aggressive Preisgestaltung beibehalten haben.