Kunden wollen das richtige Produkt über den richtigen Kanal in der richtigen Menge und zum richtigen Zeitpunkt erhalten.
Dazu brauchen Unternehmen Antworten auf Fragen wie: Welche Ware wird an einem bestimmten Tag in den einzelnen Verkaufsfilialen und je Vertriebskanal benötigt? Und wie viel Personal wird entsprechend auf welcher Verkaufsfläche benötigt? Und wie sieht es mit dem benötigten Personal im Lager aus? Oder welche Rohmaterialien sollen in welcher Stückzahl in der nächsten Woche bestellt werden, um eine reibungslose Produktion zu gewährleisten? Egal ob Handels- oder Produktionsunternehmen, die Antwort auf all diese Fragen führt über die Prognose zukünftiger Absätze.
Bei einer sich ständig ändernden Kundennachfrage und Dutzenden von Faktoren, die das Kaufverhalten beeinflussen, ist es für viele Unternehmen eine wahre Herausforderung, zuverlässige Prognosen (Forecasts) zu erstellen. Für menschliche Planer ist es schlichtweg unmöglich, das gesamte Spektrum an potenziellen Einflussfaktoren zu durchdringen und die Auswirkungen zu berücksichtigen. Und auch die bisherigen Planungsinstrumente, allen voran die häufig genutzte Excel-Tabelle oder auch die SAP Module SAP APO oder SAP IBP, stoßen bei der zunehmenden Menge an potenziellen Einflussfaktoren schnell an ihre Grenzen. Das Resultat? Einer Studie der IHL Group zufolge verursachen alleine im Handel Fehlbestände jedes Jahr weltweite Umsatzeinbußen in Höhe von $634 Milliarden, während Überbestände aufgrund von Abschriften zu Umsatzverlusten von $472 Milliarden führen.
Machine Learning Verfahren versprechen hier Abhilfe zu schaffen. Durch den Einsatz von Machine Learning Algorithmen können konsistentere, genauere und transparentere Absatzprognosen erstellt und so letztlich die Planungssicherheit erhöht werden. Die Notwendigkeit schnell und vor allem besser und fundierte Entscheidungen zu treffen, gewinnt gerade in aktuellen Zeiten der Corona Pandemie an Bedeutung. Unternehmen sollten deshalb jetzt auf Machine Learning setzen, um zu verstehen was jetzt passiert und, noch viel wichtiger, was wahrscheinlich in Zukunft passieren wird.