Datenanforderungen für die Optimierung der Supply Chain

00:00:03 Bedeutung historischer Daten in Lokads Technologie.
00:01:40 Tiefe der Historie für die Optimierung der Supply Chain.
00:04:24 Schlüsseldatensätze: Katalog, Bestellungen, Verkäufe, aktueller Lagerbestand.
00:04:56 Rolle der Katalogdaten bei der Prognose, Saisonalität.
00:07:06 Bedeutung umfassender Verkaufshistoriendaten.
00:08:42 Verfolgung der Verkaufszyklusnuancen eines Produkts.
00:11:16 Kaufauftragsverlauf bei der Preisprognose.
00:13:53 Gewinnmarge, Lagerbestandsrisiken, Schwierigkeiten bei der Prognose.
00:14:32 Genauigkeit der Aufzeichnung von Bestelldaten, Lieferungen, Auswirkungen der Qualitätskontrolle.
00:16:01 Qualitätskontrolle bei Erdbeerlieferungen, Einfluss auf Bestellungen.
00:16:55 Bedeutung der aktuellen Lagerbestandsniveaus verstehen.
00:17:36 Theoretische Lagerbestandsniveaus können Ungenauigkeiten verursachen.
00:18:39 “Stockouts” und die Bedeutung historischer Lagerbestände.
00:20:59 Sekundäre Datensätze: Werbeaktivitäten.
00:22:00 Auswirkungen von Werbeaktivitäten auf Verkaufstrends.
00:23:13 Häufiger Fehler: Komplexe Wahl des ERP-Systems.
00:24:39 Fehler zwei: Lücken in der Aufzeichnung von Bestelldaten.
00:25:35 Fehler drei: Vernachlässigung von Momentaufnahmen des Lagerbestands.
00:26:30 Bedeutung genauer Datenaufzeichnung.

Zusammenfassung

In einem Interview mit Moderator Kieran Chandler erläutert Joannes Vermorel, der Gründer von Lokad, die Komplexität der Optimierung der Supply Chain. Er betont die Bedeutung der historischen Tiefe und Detailgenauigkeit der Daten, eine Herausforderung, mit der viele Unternehmen zu kämpfen haben. Vermorel schlägt vor, dass für genaue Prognosen zehnmal so viele historische Daten wie die Vorlaufzeit benötigt werden. Er betont die Notwendigkeit von vier Schlüsseldatensätzen: Katalog, Kaufauftragsverlauf, Verkaufshistorie und aktuelle Lagerbestände. Laut ihm helfen diese Datensätze dabei, Muster aufzudecken, Prognosen zu optimieren und Lagerbestände effektiv zu verwalten. Schließlich identifiziert Vermorel häufige Fehler, die von Kunden gemacht werden, wie die Wahl schwieriger ERP Systeme und das Versäumnis, Kaufaufträge oder historische Lagerbestände zu erfassen.

Ausführliche Zusammenfassung

Im Interview führt Kieran Chandler, der Moderator, ein Gespräch mit Joannes Vermorel, dem Gründer von Lokad, einem Unternehmen, das sich auf die Optimierung der Supply Chain spezialisiert hat. Sie diskutieren die komplexe Natur der Datenanforderungen für die Technologie von Lokad und die Herausforderungen, denen Kunden gegenüberstehen, wenn sie versuchen, sich an diese Anforderungen anzupassen.

Vermorel erklärt, dass die Hauptherausforderung die historische Tiefe und Detailgenauigkeit der Daten ist, die für die quantitative Supply Chain Optimierung erforderlich sind. Während der aktuelle Zustand eines Unternehmens relativ einfach zu erfassen ist, erfordert das Verständnis der Geschichte des Unternehmens die Analyse eines umfangreicheren Datensatzes. Zahlreiche Unternehmen haben Schwierigkeiten, die relevanten Daten dafür zu sammeln, insbesondere wenn sie sich zuvor nicht auf solche Details konzentriert haben.

Der Umfang der benötigten Historie, so schlägt Vermorel vor, hängt von der Art des Unternehmens ab. Eine historische Datenmenge von weniger als einem Jahr erschwert es Lokad, jegliche Saisonalität zu erkennen, und dies gilt für jede statistische Methode. Mit drei Jahren Daten beginnt es effektiv zu funktionieren. Die Menge an historischen Daten hängt jedoch auch von den Durchlaufzeiten eines Unternehmens ab. Ein Unternehmen mit kurzen Durchlaufzeiten kann mit weniger Daten arbeiten, während solche mit längeren Durchlaufzeiten eine tiefere Detailgenauigkeit erfordern. Als allgemeine Richtlinie wird empfohlen, das Zehnfache des Werts der relevanten Durchlaufzeiten für eine genaue Prognose zu verwenden.

Vermorel betont, dass es keine Magie bei der Prognose gibt: Ohne geeignete Daten werden weder statistische noch manuelle Prognosen präzise sein.

Das Gespräch wechselt dann zu den vier Hauptdatensätzen, die Lokad verwendet: den Katalog, die Bestellhistorie, die Verkaufshistorie und eine Momentaufnahme der aktuellen Lagerbestände. Vermorel erläutert die Bedeutung des Katalogs, der es ihrer Prognosetechnologie ermöglicht, die Beziehung zwischen Produkten zu nutzen, um die Prognose für jedes einzelne Produkt zu verfeinern. Dies erweist sich insbesondere bei der Prognose von neuen Produkten als vorteilhaft, die keine Verkaufshistorie haben. Attribute, die das Produkt beschreiben, wie Produktkategorien, Größen und Farben, können verwendet werden, um saisonale Muster auf der Grundlage ähnlicher Produkte abzuleiten.

Die Verkaufshistorie ist laut Vermorel von entscheidender Bedeutung, aber es ist wichtig, ihre Vollständigkeit zu überprüfen. Eine unvollständige Verkaufshistorie kann durch fehlende Verkaufsdaten von nicht mehr verkauften Produkten entstehen. An dieser Stelle wird das Gespräch unterbrochen, und Vermorel verspricht, weitere Informationen über die Bedeutung der Verkaufshistorie bereitzustellen.

Vermorel betont zunächst die Notwendigkeit einer vollständigen Verkaufshistorie, einschließlich Details zu nicht mehr im Verkauf befindlichen Produkten. Dies liegt daran, dass diese Produkte in bestimmten Fällen aus dem Katalog entfernt werden, was zu verzerrten Verkaufshistoriendaten führt. Er erwähnt auch den Unterschied zwischen Verkäufen und Nachfrage und behauptet, dass Verkäufe nicht immer der tatsächlichen Nachfrage entsprechen, aufgrund verschiedener Faktoren. Zum Beispiel kann die Verkaufsrate unmittelbar nach dem Start eines Produkts eine Schätzung der zukünftigen Nachfrage liefern.

Vermorel spricht dann über die Bedeutung der genauen Aufzeichnung der Start- und Enddaten von Produktverkäufen. Diese Daten können Muster im Verbraucherverhalten aufzeigen, wie plötzliche Wechsel zu neuen Produkten oder abrupte Einstellung von Verkäufen aufgrund der Entfernung aus einem Online-Katalog. Es ist auch wichtig, die Verkaufshistorie über verschiedene Kanäle wie physische Geschäfte und verschiedene Online-Plattformen zu verfolgen.

Das Gespräch wendet sich der Bestellhistorie zu. Vermorel erklärt, dass es vorteilhaft ist, zu beobachten, wie viel im Laufe der Zeit für verschiedene Lagerartikel bezahlt wurde. Er weist jedoch darauf hin, dass die Vorhersage zukünftiger Preise aufgrund von Faktoren wie Währungsschwankungen kompliziert ist. Obwohl diese Schwankungen Margen und Lagerentscheidungen beeinflussen können, betont Vermorel, dass die Vorhersage dieser Veränderungen nicht der Hauptfokus von Lokad ist.

Vermorel betont auch die Bedeutung des Verständnisses der mit Bestellungen und Lieferungen verbundenen Daten. Diese Daten geben Einblick in die Durchlaufzeiten, die für die Optimierung der Supply Chain entscheidend sind. Durchlaufzeiten können sich saisonal oder aufgrund von Ereignissen wie dem chinesischen Neujahr ändern. Er fügt hinzu, dass es wichtig ist, Abweichungen zwischen bestellten und gelieferten Mengen zu dokumentieren, da dies zukünftige Bestellungen beeinflussen kann, insbesondere wenn ein Teil der Waren die Qualitätskontrolle nicht besteht.

Vermorel betont die Notwendigkeit einer aktuellen Momentaufnahme der Lagerbestände. Er erkennt an, dass diese Bestände theoretisch aus Verkaufs- und Bestellhistorien rekonstruiert werden könnten, aber es treten häufig Bestandsungenauigkeiten auf. Diese Ungenauigkeiten können sich im Laufe der Zeit ansammeln und zu erheblichen Abweichungen führen. Daher ist es für ein effektives Supply Chain Management entscheidend, regelmäßige Bestandsmomentaufnahmen und Kontrollen durchzuführen.

Vermorel hebt die Bedeutung des Verständnisses der aktuellen und historischen Lagerbestände hervor. Der Lagerbestand informiert über die Notwendigkeit zur Nachbestellung, bietet aber auch Einblicke in die Verkaufshistorie. Zum Beispiel sollten Lagerbestände, bei denen die Nachfrage aufgrund unzureichender Bestände nicht gedeckt werden konnte, nicht als mangelnde Nachfrage interpretiert werden. In Wirklichkeit ist die nicht erfüllte Nachfrage aufgrund von Fehlbeständen immer noch Nachfrage, wenn auch nicht beobachtet. Historische Lagerbestände helfen somit dabei, die Häufigkeit und Auswirkungen von Fehlbeständen zu bestimmen. Vermorel betrachtet auch ein differenzierteres Verständnis von Fehlbeständen, bei dem es nicht immer darum geht, keine Einheiten auf Lager zu haben. In bestimmten Fällen kann es als Fehlbestand betrachtet werden, wenn Kunden eine bestimmte Menge eines Produkts benötigen und nicht genügend vorhanden ist, um diese Menge zu erfüllen.

Vermorel geht dann auf die Bedeutung von sekundären Datensätzen ein. Vermorel gibt an, dass Werbeaktivitäten ein entscheidender Datensatz sind, der berücksichtigt werden sollte, nicht nur in Bezug auf die Preisgestaltung, sondern auch darüber, welche Produkte über verschiedene Kanäle beworben werden. Diese Daten können Spitzen in der Verkaufshistorie erklären. Zum Beispiel könnte ein Anstieg auf eine Werbeaktion oder eine echte Nachfragesteigerung zurückzuführen sein. Das Verständnis dieser Unterscheidung hilft bei der Prognose zukünftiger Nachfrage.

Vermorel geht auch auf häufige Fehler ein, die von Kunden gemacht werden. Der erste Fehler besteht darin, ein ERP-System auszuwählen, aus dem es schwierig ist, Daten zu extrahieren. Diese Wahl kann zu erheblichen Schwierigkeiten bei der Datenextraktion führen, selbst wenn das System lokal ist. Der zweite Fehler besteht darin, Bestellvorgänge nicht zu erfassen. Während kleine Unternehmen ihre Bestellungen möglicherweise mit Tabellenkalkulationen verwalten, wird dieser Ansatz problematisch, wenn es darum geht, Vorlaufzeiten zu analysieren. Der dritte Fehler besteht darin, historische Lagerbestände nicht zu erfassen. Angesichts der geringen Kosten für die Lagerung argumentiert Vermorel, dass es keine Entschuldigung gibt, diese Daten nicht aufzubewahren.

Vollständiges Transkript

Kieran Chandler: Heute auf Lokad TV werden wir die genaue Tiefe der Daten untersuchen, die erforderlich sind, um mit uns zu arbeiten, und auch einige der wirklichen Schwächen, mit denen einige unserer Kunden konfrontiert sind. Also, Joannes, warum können Kunden nicht ganz mit der Lokad-Technologie arbeiten?

Joannes Vermorel: Eine der größten Herausforderungen, denen Kunden tatsächlich gegenüberstehen, sind Daten. In der Praxis sollte es nicht so sein, aber in der Regel ist es so. Der Schlüsselerkenntnis ist, dass die Daten, die Sie für den Betrieb Ihres Unternehmens benötigen, nicht dieselben sind wie die Daten, die Sie für die quantitative Optimierung der Supply Chain benötigen. Für letztere benötigen Sie die gesamte Geschichte Ihres Unternehmens. Nicht zwei Jahrzehnte zurück, aber Sie benötigen sicherlich eine bestimmte Tiefe und ein bestimmtes Detailniveau in Ihrer Geschichte. Viele Unternehmen, die in der Vergangenheit nicht erfolgreich waren, ein solches System einzurichten, oder bei denen es noch nicht einmal versucht wurde, haben möglicherweise nicht auf alle Details geachtet, um alle relevanten Daten zu haben. Daher können sie Komplikationen haben, wenn es darum geht, alle relevanten Daten zu sammeln, um wirklich relevante Ergebnisse zu erzielen.

Kieran Chandler: Wir haben über die Tiefe der Geschichte gesprochen. Welchen Mindestzeitraum der Geschichte sollten Sie haben?

Joannes Vermorel: Die Tiefe der Geschichte hängt von der Art der Daten und der Art des Geschäfts ab, das Sie haben. Als Faustregel gilt: Wenn Sie weniger als ein Jahr haben, ist es sehr schwer für Lokad, eine Saisonalität zu erfassen. Dies gilt für jede statistische Methode. Wenn Sie weniger als ein Jahr haben, haben Sie die Saisonalität des Unternehmens nicht beobachtet. Um sich die Saisonalität mit einer gewissen Genauigkeit anzusehen, benötigen Sie etwa 18 Monate. Es wird mit zwei Jahren richtig funktionieren und mit drei Jahren sehr gut funktionieren. Aber die Menge der Geschichte, die Sie benötigen, hängt auch von Ihren Vorlaufzeiten ab. Wenn Ihre Vorlaufzeit einen Tag beträgt, können Sie problemlos mit nur zwei Monaten Geschichte arbeiten, weil Ihnen die Saisonalität nicht so wichtig ist. Aber wenn Ihre Vorlaufzeiten vier Monate betragen, wird es viel wichtiger, diese Saisonalität zu erfassen. Wenn Sie also etwas haben möchten, das gut funktioniert, benötigen Sie wahrscheinlich mindestens das Zehnfache Ihrer anwendbaren Vorlaufzeiten an Geschichte.

Kieran Chandler: Sprechen wir jetzt über die Daten selbst. Bei Lokad arbeiten wir mit vier Schlüsseldatensätzen, oder? Die Schlüsseldatensätze sind der Katalog, die Bestellhistorie, die Verkaufshistorie und auch eine Momentaufnahme der aktuellen Lagerbestände. Schauen wir uns diese etwas genauer an. Wenn wir mit dem Katalog selbst beginnen, warum ist er interessant? Ich meine, unsere Kunden haben sicherlich ein gutes Verständnis dafür, was sie verkaufen und die genauen Details dazu. Was kann noch über diesen Katalog gesagt werden?

Joannes Vermorel: Der Katalog ist von höchster Bedeutung. Es ist ein sehr wichtiger Teil der Daten.

Kieran Chandler: Wir diskutieren Lokads Prognosetechnologie und wie sie von der Beziehung zwischen Produkten profitiert, um die Prognose für jedes einzelne Produkt zu verfeinern. Können Sie dies näher erläutern?

Joannes Vermorel: Absolut, zum Beispiel, wenn wir neue Produkte prognostizieren, haben wir keine Verkaufshistorie, auf die wir uns stützen können. Daher verlassen wir uns auf die Attribute, die die Produkte beschreiben. Wir verwenden diese Techniken umfangreich für Produkte, die bereits eingeführt wurden.

Kieran Chandler: Können Sie uns ein Beispiel geben?

Joannes Vermorel: Sicher, nehmen wir ein Produkt, das seit drei Monaten verkauft wird. Können wir ein saisonales Muster auf die prognostizierte Nachfrage für dieses Produkt anwenden? Die Antwort ist, wenn Sie nur die Geschichte dieses Produkts betrachten, können Sie es nicht, weil Sie nur drei Monate Daten haben. Wenn Ihr Unternehmen jedoch seit Jahren besteht, können Sie vergleichbare Produkte betrachten und deren Saisonalität erkennen. Mit nur drei Monaten Geschichte plus den Attributen der Produkte können wir also die anwendbare Saisonalität für dieses Produkt ableiten.

Kieran Chandler: Also ist der Katalog, mit Dingen wie Produktkategorien, Produktattributen wie Größe und Farbe, sehr wichtig?

Joannes Vermorel: Ja, absolut. Der Katalog ist unerlässlich. Wir verarbeiten auch das reine Textlabel, wenn es vorhanden ist, was in Bereichen helfen kann, in denen der Katalog selbst schlecht strukturiert ist. Das Ziel ist es, diese Attribute zu erweitern, damit wir all diese Korrelationen durchführen und die Prognose für jedes einzelne Produkt verfeinern können, auch wenn die Informationen, die wir zu diesem Produkt haben, begrenzt sind.

Kieran Chandler: Sprechen wir über die Verkaufshistorie. Aus Sicht der Prognose gehe ich davon aus, dass die Verkaufshistorie das Wichtigste ist, worauf man achten sollte. Welche Art von Informationen interessieren uns noch?

Joannes Vermorel: Das Erste ist sicherzustellen, dass Ihre Verkaufshistorie vollständig ist. Sie kann auf subtile Weise unvollständig sein. Zum Beispiel, wenn Sie keine Verkaufsdaten von Produkten haben, die Sie nicht mehr verkaufen, oder wenn Sie keine Produktinformationen mit diesen Verkaufsdaten verknüpft haben. Um eine vollständige Verkaufshistorie der letzten drei Jahre zu haben, müssen Sie alle Verkäufe haben, die zu diesem Zeitpunkt stattgefunden haben, einschließlich Produkte, die Sie nicht mehr verkaufen.

Kieran Chandler: Also können alte Produkte, die nicht mehr verkauft werden, die Daten verfälschen?

Joannes Vermorel: Genau, manchmal sehen wir Konfigurationen, bei denen Produkte, die nicht mehr verkauft werden, aus dem Katalog und der Verkaufshistorie entfernt werden. Dies führt zu einer voreingenommenen Verkaufshistorie, bei der die Daten von Produkten, die nicht mehr verkauft werden, nicht leicht verfügbar sind. Ein weiterer subtiler Aspekt der Verkaufshistorie besteht darin, sich daran zu erinnern, wann Sie mit dem Verkauf eines Produkts begonnen haben. Verkäufe sind nicht dasselbe wie Nachfrage. Es gibt Verzerrungen wie zum Beispiel, wenn Sie ein Produkt anfangen zu verkaufen und einen Monat lang keine Nachfrage haben, dann endlich eine Einheit verkaufen, ist es anders als ein Produkt am selben Tag zu verkaufen, an dem es online geht.

Kieran Chandler: Können Sie dazu mehr Einblick geben?

Joannes Vermorel: Sicher, wenn Sie ein Produkt online stellen und am selben Tag eine Einheit verkaufen, deutet dies darauf hin, dass Sie wahrscheinlich jeden Tag ein Produkt verkaufen werden. Wenn Sie jedoch ein Produkt online stellen und einen Monat warten müssen, um Ihre erste Einheit zu verkaufen, deutet dies darauf hin, dass Sie wahrscheinlich nur eine Einheit pro Monat verkaufen werden. Daher ist es auch wichtig zu verstehen, wann Sie mit dem Verkauf eines Produkts begonnen haben.

Kieran Chandler: Kann eine statistische Engine den Unterschied machen? Die Prognose-Engine kann den Unterschied zwischen zwei Situationen nur dann erkennen, wenn Sie das Datum, an dem die Nachfrage tatsächlich begonnen hat, und das Enddatum, an dem Sie aufgehört haben, das Produkt zu verkaufen, ordnungsgemäß erfasst haben.

Joannes Vermorel: Absolut. Aber es ist auch wichtig zu wissen, warum ein Produkt aufgehört hat, verkauft zu werden. Ist es plötzlich aufgrund eines neuen besseren Produkts auf dem Markt stark zurückgegangen und hat dies zu einer plötzlichen Veränderung des Verbraucherverhaltens geführt? Oder hat es aufgehört, weil Sie es aus Ihrem Online-Katalog oder Ihrem Ladengeschäft entfernt haben?

Dasselbe gilt, Sie müssen eine ordnungsgemäße Aufzeichnung der Enddaten haben. Es können auch andere Faktoren eine Rolle spielen, wenn Sie ein Produkt haben, das auf dem Markt ist und wieder verschwindet, oder wenn ein Produkt verkauft wird, aber nicht auf allen Kanälen. Wenn Sie zum Beispiel in physischen Geschäften, online oder vielleicht über einen B2B-Kanal verkaufen, müssen Sie die Geschichte dessen aufzeichnen, was die Nachfrage beeinflusst hat, wie zum Beispiel welche Kanäle zu einem bestimmten Zeitpunkt verfügbar waren.

Kieran Chandler: Lassen Sie uns nun zur Geschichte der Bestellung übergehen. Ich nehme an, das Schöne daran, sich die Geschichte der Bestellung anzusehen, ist, dass Sie sehen können, wie viel Sie für verschiedene Lagerbestände bezahlt haben. Also gehe ich davon aus, dass wir das verwenden, um vorherzusagen, welchen wahrscheinlichen Preis wir für einen Artikel zahlen werden. Ist das korrekt?

Joannes Vermorel: Es kommt darauf an. Denn der wahrscheinliche Preis hängt vom Lieferanten ab. Für die meisten Branchen ist der Preis, den Sie an Lieferanten zahlen, relativ stabil. Es kann jedoch Überraschungen geben, normalerweise aufgrund von Währungsschwankungen. Zum Beispiel könnten Sie ein Angebot in Yuan erhalten, während Sie tatsächlich in Dollar verkaufen. Bei einer 15%igen Schwankung der Wechselkurse können Sie eine Überraschung erleben, bei der die Dinge erheblich billiger oder teurer sind.

Kieran Chandler: Ist das etwas, das wir in die Prognose einbeziehen können, diese Art von Währungsschwankungen?

Joannes Vermorel: Es kommt darauf an, was Sie prognostizieren möchten. Währungsschwankungen werden Auswirkungen haben, aber nicht direkt auf Ihre Nachfrageprognose. Sie werden eher Auswirkungen darauf haben, wie Sie Ihre Entscheidungen auf der Grundlage der Prognose optimieren.

Zum Beispiel würden Sie bei einem höheren oder niedrigeren Margen für ein bestimmtes Produkt nicht so viel Bestandsrisiko eingehen. Wenn Sie einen Artikel haben, der eine massive Marge hat, ist es buchstäblich ein Verbrechen, einen Lagerbestand zu haben. In einem Extremfall, wenn Sie eine Marge von 95 Prozent haben, bezahlt der Verkauf einer Einheit den Überbestand von zwanzig anderen Einheiten. Daher möchten Sie überbestückt sein, wenn Sie Artikel haben, die mit einer so hohen Marge kontinuierlich verkauft werden.

Auf der anderen Seite, wenn Sie eine Marge von 5 Prozent haben, müssen Sie sehr vorsichtig sein, wie viel Sie auf Lager haben. Wenn Sie etwas Überbestand haben, benötigen Sie eine enorme Menge an Verkäufen, um das Geld zu kompensieren, das in die eine zusätzliche Einheit auf Lager eingefroren ist. Wenn Sie am Ende eine Inventurabschreibung vornehmen, wird dies sehr kostspielig sein.

Im Allgemeinen prognostizieren wir in der Regel keine zukünftigen Margen, da dies von so vielen Faktoren abhängt. Wir können es tun, aber in der Regel ist es nicht das Hauptanliegen, da niemand wirklich Währungsschwankungen prognostizieren kann. Die einzigen Menschen, die das können, sind diejenigen, die direkt am Markt handeln, um mit dem erwarteten Devisenhandel Geld zu verdienen. Das ist nicht unsere Spezialität, daher geben wir nicht vor, besser als der Markt im Devisenhandel zu sein.

Kieran Chandler: Lassen Sie uns dann vom Handel abkommen. Aber in Bezug auf Bestellungen, was ist sonst noch interessant?

Joannes Vermorel: Typischerweise sind die in einer Bestellung und Lieferung enthaltenen Daten entscheidend, da sie die Vorlaufzeiten liefern. Wenn wir Supply Chains optimieren wollen, müssen wir berücksichtigen, dass alle Entscheidungen, würde ich sagen, von den Vorlaufzeiten abhängig sind. Darüber hinaus können sich diese Vorlaufzeiten saisonal ändern. Zum Beispiel kann es für Ihre Lieferanten geschäftige Zeiten geben, in denen sie nicht so verfügbar sind. Diese können saisonal nach dem westlichen Kalender sein, aber sie können auch dem östlichen Kalender folgen, wie zum Beispiel dem chinesischen Neujahr, das etwa zwei Wochen zu den Vorlaufzeiten für Produkte aus China oder Asien im Allgemeinen hinzufügen kann.

Absolut, und es gibt auch Unterfangen, die berücksichtigt werden müssen. Wenn Sie zum Beispiel hundert Einheiten bestellen und Ihr Lieferant achtzig liefert, nehmen Sie diese Informationen auf? Wenn Sie Qualitätskontrollmaßnahmen haben, bei denen der Lieferant hundert liefert, aber zwanzig die Qualitätsprüfung nicht bestehen, ist das ein wesentlicher Faktor. Dies ist insbesondere im Bereich frischer Lebensmittel relevant, zum Beispiel wenn Produkte wie Erdbeeren leicht beschädigt werden können. Sie können am Ende mit 20% der Lieferungen, die Sie erhalten, die die Qualitätskontrolle nicht bestehen. Dies kann vorausgesehen werden, da jedes Jahr ein bestimmter Anteil der Erdbeerlieferungen die Qualitätskontrolle nicht besteht. Wenn Ihr Bedarf also hundert beträgt, sollten Sie vielleicht hundertzwanzig bestellen, weil Sie statistisch gesehen im Voraus wissen, dass 20% die Qualitätskontrolle nicht bestehen werden.

Kieran Chandler: Richtig, also sind die Bestellungen und die Sorgfalt, die bei der Notierung der Termine und Mengen, bei denen der Lieferant Fehler machen könnte, sehr wichtig.

Joannes Vermorel: Ja, und es ist auch dieses Maß an Granularität, an dem Sie wirklich interessiert sind. Das bringt mich zum letzten Teil des Puzzles: dem Schnappschuss der aktuellen Lagerbestände. Wir wissen bereits, wie die Kaufhistorie war, und wir wissen auch, wie die Verkaufshistorie war. Wir haben intelligente Supply Chain Scientists hier bei Lokad. Also, brauchen wir wirklich diesen aktuellen Schnappschuss? Können sie das nicht aus den anderen beiden Historien generieren?

Kieran Chandler: In der Theorie könnten Sie die Lagerbestände tatsächlich rekonstruieren, indem Sie genau wissen, wie viele Einheiten hereinkamen und wie viele Einheiten herausgingen. Das würde Ihnen Ihren theoretischen Lagerbestand zu jedem Zeitpunkt geben. Die Herausforderung besteht jedoch darin, dass Bestandsungenauigkeiten gelegentlich auftreten. Wenn Sie nur die gesamte Historie zurückverfolgen, um die Lagerbestände herauszufinden, würden sich diese Ungenauigkeiten im Laufe der Zeit ansammeln und zu einem Punkt führen, an dem sie stark ungenau sind.

Joannes Vermorel: Das ist richtig. In der Praxis benötigen wir Bestands-Schnappschüsse und Kontrollen. Erstens müssen wir die aktuellen Lagerbestände kennen, denn wenn wir nicht wissen, was wir gerade haben, können wir uns nicht nur auf die prognostizierte zukünftige Nachfrage verlassen, um Bestellungen aufzugeben. Wir müssen berücksichtigen, was wir bereits haben. Wenn wir bereits einen Berg von Sachen haben, auch wenn wir eine sehr hohe Nachfrage prognostizieren, bestellen wir möglicherweise nicht einfach nach, weil wir genug haben. Daher benötigen wir den aktuellen Lagerbestand, aber auch die vergangenen Lagerbestände. Dies geht auf die Verkaufshistorie zurück. Die Verkäufe sind nicht die Nachfrage. Wenn Sie einen Lagerbestand haben, hatten Sie wahrscheinlich tagelang keine beobachtete Nachfrage, aber das liegt nicht daran, dass keine Nachfrage bestand, sondern daran, dass Sie sie nicht bedienen konnten. Daher ist es wichtig, den historischen Lagerbestand zu kennen, um Ihre historischen Lagerbestände zu kennen, und die Situation kann etwas knifflig sein.

Wenn Menschen beispielsweise etwas wie einen Türgriff kaufen möchten, haben sie eine Wohnung und möchten fünf Türgriffe haben, die genau gleich aussehen. Wenn sie in Ihren Laden gehen und nur drei davon finden, die gleich aussehen, werden sie nicht drei kaufen und hoffen, dass sie in einem anderen Laden zwei identische finden. Sie ziehen es einfach vor, fünf zu finden, die gleich aussehen, oder einen anderen Laden auszuprobieren, der ihnen fünf identische verkaufen kann. Daher ist ein Lagerbestand nicht ein binäres Konzept, bei dem entweder genau null Einheiten vorhanden sind und Sie keinen Lagerbestand haben, oder Sie gut sind. Manchmal suchen Menschen nach bestimmten Mengen, sodass Sie ein nuancierteres Konzept des Lagerbestands haben. Deshalb müssen Sie den Lagerbestand verfolgen, und historische Lagerbestände können auch hilfreich sein, um die wahrscheinlichsten Bestandsungenauigkeiten automatisch zu erkennen.

Kieran Chandler: Sie haben viel über die Kern-Datensätze gesprochen, die Lokad benötigt. Was ist mit diesen sekundären Datensätzen? Gibt es etwas, das auch für uns von Interesse sein könnte?

Joannes Vermorel: Ja, der Kern-Transaktionsdatensatz ist das, was wir hauptsächlich verwenden. Der zweite Kreis umfasst wahrscheinlich alles, was mit Werbeaktivitäten zu tun hat. Werbeaktionen, im eigentlichen Sinne des Wortes, sollen hervorheben oder in den Vordergrund stellen. Es geht nicht nur um die Preisgestaltung. Es geht auch darum, was Sie auf Ihren verschiedenen Kanälen bewerben. Zum Beispiel kann ein E-Commerce-Unternehmen Werbeaktionen durchführen, bei denen nur die fünf Produkte beteiligt sind, die dauerhaft im Newsletter aufgeführt sind, der an die gesamte Kundenbasis gesendet wird. Das ist eine Art von Werbung, auch wenn sie keinen Preisnachlass beinhaltet. Es handelt sich um ein Produkt, das auf der Startseite des Online-Shops angezeigt wird. Daher umfasst der zweite Kreis alles, was mit Werbeaktionen zu tun hat, einschließlich Werbung. Dieser Datentyp umfasst wahrscheinlich auch alle E-Commerce-Verkehrsdaten, die sie auf der Website haben.

Kieran Chandler: Sprechen wir über einige der aktuellen Kunden von Lokad. Gibt es häufige Fehler, die wir erlebt haben und von denen zukünftige Kunden vielleicht lernen könnten?

Joannes Vermorel: Ich denke, der größte Fehler Nummer eins besteht darin, ein ERP-System zu wählen, aus dem es äußerst schwierig ist, Daten zu extrahieren. Das ist eine Form des Vendor Lock-in. Es gibt viele Unternehmen, die ein System wählen, bei dem sie selbst wenn es intern ist, einen lokalen Server haben, der alles lokal erledigt. Sie denken, sie haben die Kontrolle, weil die Maschine in ihren Büros steht.

Kieran Chandler: Die Realität ist, dass es unglaublich schwierig ist, Daten zu extrahieren, weil das System nicht ordnungsgemäß entwickelt wurde, um es bequem zu machen. Zum Beispiel ist es eine enorme Herausforderung, irgendetwas aus QuickBooks auf dem US-Markt zu extrahieren. Ich meine das nicht respektlos gegenüber Intuit, sie sind ein großartiges Unternehmen, aber die Datenextraktion ist einfach unglaublich schwierig.

Joannes Vermorel: Tatsächlich ist das wahrscheinlich der erste Fehler. Der zweite Fehler besteht wahrscheinlich darin, Lücken in den Statistiken nicht zu erfassen, was normalerweise bei Bestellungen passiert. Für ein kleineres Unternehmen mit einem Umsatz von zehn Millionen Dollar könnten Ihre Bestellungen auf ein Excel-Blatt passen. Wenn Sie jedoch kein besseres System haben, um sie zu erfassen, werden Sie Schwierigkeiten haben, wenn Sie eine Vorlaufzeitanalyse durchführen möchten, da die Daten über Dutzende von Tabellenkalkulationen verteilt sind.

Der dritte Fehler könnte darin bestehen, Lagerbestände nicht zu erfassen. Heutzutage sind Festplatten sehr billig, aber viele Unternehmen erfassen keine historischen Lagerbestände. Wenn wir also sagen, dass wir die vergangene Lagerbestandssituation oder die vergangene Niedrigbestandssituation benötigen, wurden die Daten nie erfasst. Das ist bedauerlich, denn es handelt sich um ein paar Gigabyte Daten, die buchstäblich nur ein paar Cent kosten sollten. Es gibt keinen Grund, diese Daten nicht zu erfassen und sie unbegrenzt aufzubewahren.

Kieran Chandler: Um das Ganze abzurunden, wenn unsere Zuhörer einen Schlüsselpunkt aus der heutigen Diskussion mitnehmen sollten, was wäre das?

Joannes Vermorel: Ich würde sagen, achten Sie auf Ihre Daten. Es ist von Natur aus nicht sehr teuer, aber der beste Zeitpunkt, um alle Daten, die Sie benötigen, ordnungsgemäß zu erfassen, ist heute. In drei Jahren, wenn Sie einige Jahre Geschichte benötigen, wenn Sie heute nicht angefangen haben, werden Sie sie nicht haben. Das Sammeln und die ordnungsgemäße Organisation von Daten ist etwas, das Sie nicht aufschieben können, es muss jetzt erledigt werden.

Als Supply Chain Manager können Sie keine richtigen Entscheidungen ohne Daten treffen. Sie können nicht optimieren, was Sie nicht messen, unabhängig davon, ob Sie etwas so Sophistiziertes wie Lokad verwenden, um Ihre Lieferketten zu optimieren. Dies gilt nicht nur für die statistischen Algorithmen, die Lokad verwendet, sondern auch für Menschen. Ohne Daten werden die von Ihnen getroffenen Entscheidungen nicht gut sein. Sie können nicht einfach erraten, wie viele Einheiten Sie für Hunderttausende von Produkten verkaufen werden.

Alles beginnt damit, die richtige Software für Ihr Unternehmen auszuwählen und sicherzustellen, dass Sie Zugriff auf die Daten haben. Andernfalls sind Sie an die vom Ihnen gewählte Lösung des Anbieters gebunden.

Kieran Chandler: Großartig. Das ist eine grundlegende Erkenntnis für jemanden wie mich, der dazu neigt, Dinge auf morgen zu verschieben. Das ist alles für diese Woche. Wir sind nächste Woche wieder mit einer neuen Folge zurück, aber bis dahin sehen wir uns bald. Tschüss für jetzt.