Dauerbrenner Fehlprognosen

Chancen verpasst am Black Friday oder im Weihnachtsgeschäft? KI-basiertes Demand Sensing reduziert die Fehlerwahrscheinlichkeit bei Umsatzprognosen und Bestellungen.

Während sich der Einzelhandel auf die umsatzstärksten Wochen im Jahr vorbereitet, können zahlreiche Hersteller wieder einmal ihre Absatzmöglichkeiten nicht voll ausschöpfen. Der Grund sind fehlerhafte Prognosen von Angebot und Nachfrage. Untersuchungen zeigen, dass es bei Einzelhändlern und Herstellern Ungenauigkeiten von bis zu 80 % bei der Bedarfsplanung und im Einkauf gibt, da sie ihre Prognosen auf unzureichende Daten stützen, die mit veralteten Systemen ausgewertet werden.

Diese Prognosefehler betreffen nicht nur den Black Friday und das Weihnachtsgeschäft. Tatsächlich liegen zu jedem beliebigen Zeitpunkt weltweit Waren im Wert von Billionen Dollar in Depots, Geschäften und Lagern und belasten die Bilanzen. Aber nicht nur diese, sondern auch die Umwelt und die Reputation. Für die Herstellung dieser Bestände werden mehr als 10 Gigatonnen Kohlendioxid (was 1,75 Milliarden Auto-Jahren entspricht) und 1,6 Billionen Kubikmeter Wasser (was 40 % des jährlichen weltweiten Wasserverbrauchs entspricht) aufgewendet.

Verantwortlich für die hohen Warenbestände sind mehrere Faktoren. Just-in-time Lieferungen sind nicht immer möglich. Es braucht daher Zwischen-/Sicherheitslager – bei Produzenten wie bei Abnehmern. Des Weiteren veralten Produkte aufgrund der hohen Innovationsrate in immer kürzeren Abständen, lassen sich nicht mehr so schnell, nur noch mit Preisnachlass oder gar nicht mehr verkaufen und liegen dann in Lagern und Geschäften. Darüber hinaus verwenden die meisten Hersteller und Einzelhändler für Umsatzvorhersagen traditionelle Bedarfsplanungstools, die auf saisonalen Mustern basieren. Für relativ neue Ereignisse wie den Black Friday gibt es jedoch noch keine ausreichenden Daten als Basis präziser Entscheidungen. Die meisten Tools sind auch nicht in der Lage, kurzfristig neue oder andere umsatzbeeinflussende Faktoren zu erkennen und bei den Prognosen zu berücksichtigen.

Kosteneffizientes Demand Sensing

Mit Hilfe innovativer Technik, künstlicher Intelligenz (KI) und maschinellem Lernen können neue „Demand Sensing“-Lösungen dagegen fast in Echtzeit Bedarfssignale und Bestellmuster verarbeiten, das Auftragsverhalten der Kunden abbilden und Prognosen zum Umsatz, Absatz und Einkauf erstellen. Dadurch werden Prognosefehler um mehr als 40 % reduzieren.

„Die Nachfrage bestimmt alles andere in der Lieferkette. Je genauer die Prognosen sind, desto besser können sich Produktion und Einkauf darauf einstellen. Desto höher ist auch die Kosteneffizienz”, sagt Robert Byrne, VP Supply Chain Solutions bei E2open. Er berät Unternehmen, wie sie versteckte Kosten im Supply-Chain-Ökosystem aufdecken und reduzieren können. 

www.e2open.com