Quantitative Supply Chain
Die Verbesserung der Prognosegenauigkeit, die sich in Gewinnen niederschlägt, ist die oberste Priorität von Lokad. Die Nachfrageprognose wurde jedoch seit mehr als einem halben Jahrhundert intensiv erforscht, und jede 0,1% zusätzliche Genauigkeit ist in der Regel nichts weniger als ein Kampf bergauf.
Manchmal jedoch machen wir einen Durchbruch. Heute kündigen wir das bedeutendste Technologie-Upgrade von Lokad seit seiner Gründung vor 6 Jahren an: die sofortige Verfügbarkeit von Quantil-Prognosen.
Quantile sind in dem Sinne revolutionär, dass sie in vielen Situationen klassische Prognosen als völlig veraltet erscheinen lassen, was die Bestandsoptimierung betrifft - für Einzelhandel, Großhandel und Fertigungsunternehmen.
Wir haben 3 Situationen identifiziert, in denen Quantile wirklich glänzen:
- Hohe Servicelevel von 90% und mehr.
- Unterbrochene Nachfrage (langsame Bewegung).
- Großbestellungen (sprunghafte Nachfrage).
In diesen Situationen zeigen Benchmarks mit unserer eigenen klassischen Prognosetechnologie typischerweise entweder 20% weniger Bestand oder 20% weniger Lagerbestandsausfälle.
Außergewöhnliche Behauptungen erfordern außergewöhnliche Beweise. Carl Sagan
Die vielen Benchmarks, die wir bisher mit unseren Interessenten und Kunden durchgeführt haben, zeigen jedoch, dass unsere klassische Prognosetechnologie bereits führend ist. Mit Quantil-Prognosen kann jedoch ein völlig neues Niveau der Bestandsoptimierung erreicht werden.
Zögern Sie nicht, Quantile zu testen.
Die Geschichte hinter dem Quantil-Upgrade
Quantil-Prognosen (auch als Quantil-Regression bezeichnet) sind seit Jahrzehnten in akademischen Kreisen bekannt. In der Finanzbranche verwenden Analysten seit den späten 1980er Jahren Quantile umfangreich für die Value-at-Risk (VaR)-Analyse.
Bei Lokad gibt es Quantile schon seit langem. Zum Beispiel wurde bereits 2009 Sequential Quantile Prediction of Time Series. IEEE Transactions on Information Theory, März 2011, vol. 57, n°3 von einem von uns veröffentlicht. Bis vor kurzem wurden Quantile jedoch fälschlicherweise als mathematische Ablenkung (geschäftlich gesehen) und nicht als missionkritischer Begriff angesehen.
Was uns zurückgehalten hat, waren nicht fehlende statistische Erkenntnisse, sondern fehlende Erkenntnisse über die tiefe Beziehung zwischen Quantilen und Bestandsoptimierung. Diese Erkenntnis wurde größtenteils durch reines Glück ausgelöst, als uns ein Kunde bat, eine Formel zur Berechnung der optimalen Servicelevel für ihren Bestand zu finden.
Ein Durchbruch, ja, aber ein später
Dieser Quantil-Durchbruch ist nur sehr relativ, da Quantile bereits seit Jahrzehnten erfolgreich in anderen Branchen angewendet werden. Es gibt jedoch einen Aspekt, der dieses späte Eintreffen teilweise erklärt: Quantil-Modelle erfordern in der Regel etwa 10-mal 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.
