Die Vorhersage von Promotionen ist bekanntermaßen schwierig. Sie umfasst Datenherausforderungen, Prozess-Herausforderungen und Optimierungsherausforderungen. Da Promotionen im Einzelhandel allgegenwärtig sind, sind sie für Lokad schon lange ein langfristiges Anliegen.

Allerdings, während fast jeder einzelne Händler seinen Anteil an Promotionen hat und während nahezu jeder Prognoseanbieter behauptet vollen Support für den Umgang mit Promotionen zu bieten, ist die Realität, dass nahezu alle Prognoselösungen in dieser Hinsicht alles andere als zufriedenstellend sind. Noch schlimmer: Unsere Erfahrung zeigt, dass die meisten dieser Lösungen tatsächlich schlechtere Ergebnisse in Bezug auf die Prognosegenauigkeit erzielen, als wenn man den naiven Ansatz verfolgen würde, der darin besteht, Promotionen einfach vollständig zu ignorieren.

Was Promotionen so herausfordernd macht, ist das Maß an Unsicherheit, das routinemäßig bei der Arbeit mit Promotionen beobachtet wird. Aus der klassischen Prognoseperspektive, die nur den durchschnittlichen oder medianen zukünftigen Bedarf berücksichtigt, ist diese zusätzliche Unsicherheit sehr nachteilig für den Prognoseprozess. Tatsächlich sind die numerischen Ergebnisse solcher Prognoselösungen so unzuverlässig, dass sie keine vernünftigen Möglichkeiten bieten, ihre Zahlen zur Optimierung der supply chain zu nutzen.

Doch bei Lokad sind wir im Laufe der Jahre ziemlich gut darin geworden, mit unsicheren Zukunftsaussichten umzugehen. Insbesondere mit unserer 4. Generation probabilistischen Prognose-Engine, verfügen wir nun über die Technologie, die vollständig darauf ausgerichtet ist, sehr unsichere Situationen präzise zu quantifizieren. Die probabilistische Sichtweise beseitigt die Unsicherheit nicht; anstatt den Fall vollständig abzutun, liefert sie eine präzise quantitative Analyse des Ausmaßes dieser Unsicherheit.

Unsere probabilistische Prognose-Engine wurde kürzlich verbessert, um Promotionen nativ zu unterstützen. Wenn Lokad Promotionsdaten bereitgestellt werden, erwarten wir, dass sowohl vergangene als auch zukünftige Promotionen entsprechend gekennzeichnet sind. Vergangene Promotionen werden verwendet, um den quantitativen Zuwachs zu bewerten sowie um die durch die Promotionen selbst verursachten Nachfrageverzerrungen korrekt zu berücksichtigen. Zukünftige Promotionen werden genutzt, um den Nachfragezuwachs vorauszusehen und die Prognosen entsprechend anzupassen.

Anders als die meisten klassischen Prognoselösungen erwartet unsere Prognose-Engine nicht, dass die historischen Daten in irgendeiner Weise von den Promotion-Spitzen “bereinigt” werden. Tatsächlich wird niemand jemals mit Sicherheit wissen, was passiert wäre, wenn keine Promotion stattgefunden hätte.

Schließlich bleibt, ungeachtet des Umfangs an Machine Learning und fortgeschrittenen statistischen Bemühungen, die Lokad zur Vorhersage von Promotionen leisten kann, eine sorgfältige Datenaufbereitung ebenso entscheidend wie eh und je. End-to-end Promotion-Vorhersagen werden als Teil unseres inventory optimization as a service Pakets vollständig unterstützt.