Sie haben Fragen zu Data Science ?
Wir freuen uns auf Ihre Nachricht.
Case Study: Prognose von Abverkaufsdaten
Für Handelsbetriebe ist die Vorschau auf die täglichen und wöchentlichen Absatzmengen in den verschiedenen Filialen relevant für die Ein- und Verkaufsplanung. Mit strukturierten Daten und einem Prognosemodell gelang es COSMO CONSULT in einem Projekt, Muster zu verdeutlichen und Absatzzahlen zu prognostizieren.
Key Facts
Genauere Ein- und Verkaufsplanung
Out-of-Stock-Situationen vermeiden
Aus der Vergangenheit lernen
Externen Einflussfaktoren berücksichtigen
Ausgangssituation
Absatzprognosen gehören zu den häufigsten Parametern weiterführender Algorithmen. Meist wird dabei auf tägliche oder wöchentliche Prognosen zurückgegriffen, die auf Verkaufs-, Filial- und Aktionsdaten basieren. Um möglichst viele Einflussfaktoren zu berücksichtigen, werden zudem Wetterdaten, Ferientermine oder Informationen über Konkurrenzstandorte genutzt.
In einem Projekt galt es für COSMO CONSULT, ein Modell zu entwickeln, das die täglich und wöchentlich aggregierter Nachfragemengen prognostiziert, um filialbezogene Absätze vorherzusagen.
Vorgehen
Im Handel ist bei den meisten Verkaufsdaten eine direkte Abhängigkeit der Absatzzahlen von Wochentagen zu erkennen. Hierbei sticht vor allem der Samstag als verkaufsstärkster Tag heraus, mit zum Teil bis zu 70 Prozent des gesamten Wochenabsatzes. Was die Wetterdaten angeht, haben Niederschlagsmengen einen höheren Einfluss als Temperaturschwankungen. Der Effekt ist aber selbst bei den verschiedenen Filialtypen unterschiedlich: In einem Einkaufszentrum sind die Effekte teils genau umgekehrt als bei der Filiale auf der grünen Wiese. Ähnliches gilt für Feiertage und Schulferien.
Zunächst galt es, die Vergangenheitsdaten zu analysieren; auch um herauszufinden, welche Einflussgrößen wirklich von Bedeutung sind. Für die Prognose wurde ein Gradient Boosting-Modell (Machine Learning) in der Programmiersprache R trainiert. Entscheidend für den Erfolg war dabei eine saubere Datenbasis, da sonst falsche Muster in den Daten zu erkennen wären. Die Prognose kann entweder in die vorhandene Infrastruktur integriert oder intern für weiterführende Projekte verwendet werden.
Mehrwert
Oft findet man klassische Absatzprognosen als Teilfunktion größerer Lösungen. So werden z. B. für die Dynamic Pricing-Lösung von COSMO CONSULT zunächst Prognosen der Absatzdaten und Elastizitäten erstellt, um auf dieser Grundlage eine fundierte Optimierung durchzuführen. Absatzprognosen führen aber auch zu wichtigen Erkenntnissen für die Bestandsplanung. Sie helfen, Lieferengpässe zu vermeiden oder durch frühzeitige Bestellvorgänge Rabatte zu nutzen.
Sie haben Fragen zu Data Science ?
Wir freuen uns auf Ihre Nachricht.
Fragen Sie unsere Experten
COSMO CONSULT verfügt über eine langjährige Erfahrung mit digitalen Lösungen für den Bereich Data Science. Unsere Angebote basieren auf einer klaren Vorgehensweise, auf detaillierten Kenntnissen der Branchenprozesse und auf exzellentem Produkt-Know-how. Unsere Experten beraten Sie gerne über die einzigartigen Möglichkeiten, die sich für Sie durch den Einsatz moderner Softwaretechnologien ergeben. Nehmen Sie einfach Kontakt mit uns auf. Wir freuen uns darauf, gemeinsam mit Ihnen darüber zu sprechen, wie auch Ihr Unternehmen in das digitale Zeitalter starten kann.
Beitrag teilen
