Umsatzprognose zu Weihnachten

Wir befinden uns mitten in der Weihnachtszeit. In Spanien begann der Auftakt traditionell mit der Brückentagswoche im Dezember, wenn alle die Gelegenheit nutzen, den Baum aufzustellen, das Haus zu dekorieren und die Wollpullover herauszuholen, während die Institutionen die erwartete Weihnachtsbeleuchtung in Dörfern und Städten einschalten. In den letzten Jahren hat sich dieser Termin jedoch durch die Konsolidierung des Black Friday in Europa nach vorne verschoben.

Es ist schon einige Zeit her, dass diese nordamerikanische Tradition zaghaft auf dem alten Kontinent Einzug hielt, um sich schließlich als eine der von den Käufern am meisten erwarteten Rabattaktionen des Jahres zu etablieren. Zu ihren Gunsten spricht der Zeitpunkt, an dem sie stattfindet: der letzte Freitag im November, kurz vor der Weihnachtszeit, was Familien dazu zwingt, Geld für Geschenke und Kleidung für die Feiertage auszugeben.

Die Nacht nach Thanksgiving war der Startschuss für die konsumreichste Zeit des Jahres in den Vereinigten Staaten, und mittlerweile ist sie es in den meisten Teilen der Welt. Allerdings verlief die Kampagne, wie alles im Jahr 2020, anders, ebenso wie es der Weihnachtsverkauf sein wird. Die Lockdowns und die Empfehlungen, geschlossene Räume und den Kontakt mit anderen Personen zu vermeiden, haben den Black Friday zu einem Cyber Friday mit massiven Online-Käufen gemacht, die sich nun auch auf die Anschaffungen für unsere traditionellsten Feste ausweiten.

Wie begegnen Unternehmen in diesem atypischen Markt, der von einer schweren Wirtschaftskrise infolge der Gesundheitskrise und von veränderten Konsumgewohnheiten geprägt ist, dieser produktiven und logistischen Herausforderung? Der beste Weg ist die Allianz mit neuen Technologien. Die Verbindung von Künstlicher Intelligenz, Algorithmik und Advanced Data Analytics ermöglicht es, multiple Variablen – sowohl interne als auch externe – in Korrelation zu setzen und zu analysieren, um die Schätzung des Bedarfs an Artikeln und Dienstleistungen zu bestimmen. In einem so volatilen Umfeld, wie wir es derzeit erleben, zeigen prädiktive Modelle mit hoher Zuverlässigkeit auf, was bevorsteht, und erleichtern so die Entscheidungsfindung entlang der gesamten Lieferkette.

Werden die Umsätze sinken? Welche Kaufkanäle werden am meisten genutzt? Welche Produkte werden die Verbraucher nachfragen? Wie viel Lagerbestand benötige ich? Diese Fragen sind seit Beginn der Pandemie in allen Unternehmen präsent – sie waren es schon vorher, da Unsicherheit der treue Begleiter des Begriffs „Markt“ ist, aber jetzt sind sie es kontinuierlich, da das tägliche Gefühl dem Gehen auf Treibsand gleicht. Komplexe Situationen verdeutlichen umso mehr, dass Intuition, Erfahrung und die Ergebnisse früherer Kampagnen (das Modell, mit dem bisher gearbeitet wurde) nicht mehr als Referenz gültig sind. Es werden Evidenzen für die täglich komplexer werdende geschäftliche Entscheidungsfindung benötigt.

Umwandlung von Daten in Informationen

Diese Gewissheiten, von denen wir sprechen, werden durch Informationen geliefert, und diese entstehen aus der Datennutzung – aus objektiven Inputs, die miteinander verknüpft ein Zukunftsbild der Konsumtrends bieten. Daten sind eine Quelle des Reichtums, die bis vor kurzem noch ungenutzt verworfen wurde; oft wusste man gar nicht, dass sie existierten. In jeder Sekunde generieren alle Prozesse der Lieferkette Informationen, daher ist der erste Schritt zur Implementierung von Bedarfsprognosesystemen die Kompilierung dieser Daten.

Sobald der Rohstoff aus Internet-of-Things-Geräten (IoT), ERPs, MRP, WMS, CRM… gesammelt wurde, ist es an der Zeit, ihn miteinander in Beziehung zu setzen. Mithilfe fortschrittlicher prädiktiver Algorithmen verbinden Dateningenieure die extrahierten Serien, um sie in nützliche, objektive und kontinuierlich aktualisierte Informationen umzuwandeln. Damit diese Ergebnisse einfach zu interpretieren sind, erfolgt der nächste Schritt durch eine weitere disruptive Technologie: Business Intelligence. Diese ermöglicht es, die Informationen in visuellen und intuitiven Dashboards darzustellen, mit denen das Personal je nach Bereich und Berechtigung die Geschäftsaktivitäten effizient steuern kann – weg von Schätzungen hin zu echten Prognosen.

Von der Schätzung zur Prognose und von dieser zur Präskription

Doch es gibt noch einen weiteren Schritt: den Sprung zur Präskription. Machine Learning oder maschinelles Lernen ermöglicht die Definition prädiktiver Analysemodelle, die auf den evolutionären Daten des Verbrauchs von Produkten basieren, für die eine Verkaufshistorie vorliegt, sowie auf deren Substituten oder Produkten mit ähnlichen Merkmalen. In allen anderen Fällen erfolgt die Verhaltensschätzung auf Basis von assoziativen Modellen, die auf Markttrends, Konsumkapazität oder dem Einfluss von Marketingkampagnen beruhen.

Auf Basis dieser Informationen passen präskriptive Modelle durch maschinelle Lernprozesse Abweichungen an, die durch atypische Zeiträume wie den aktuellen oder durch Änderungen in den Konsumgewohnheiten entstehen. Der große Vorteil dieser Umsatzprognosesysteme ist folglich die Generierung von Modellen, die der Reaktion des potenziellen Marktes vorgreifen, indem sie zukünftige Konsumbedürfnisse identifizieren, mit denen die Bedarfsplanung vorgeschrieben werden kann.

Die Verfügbarkeit von Prognosen über die geschätzte Umsatzentwicklung ermöglicht es, die erforderlichen Lagerbestände vorzuhalten, wodurch Out-of-Stock-Situationen (möglicher Kundenverlust) und Überbestände (Kapitalbindung) vermieden werden. Sie ermöglicht die Optimierung von Transportwegen, die Reduzierung von Risiken wie der Obsoleszenz von Referenzen, die Senkung der Betriebskosten, die Durchführung von Marketing- und Preisaktionen zur Stärkung von Zeiten mit geringem Umschlag, die Verbesserung von Lieferantenvereinbarungen dank höherer Planungssicherheit, die Reaktionsfähigkeit auf Bedarfsschwankungen und spart Planungszeit, die für die Entscheidungsfindung genutzt werden kann – welche zudem viel fundierter sein wird, neben vielen weiteren Vorteilen.

Effizienz, Sicherheit und Rentabilität

Letztendlich bedeutet Bedarfsprognose Effizienz, Sicherheit und Rentabilität, und das ist in jedem Markt, aber erst recht unter den aktuellen Umständen, Gold wert. Die Covid-19-Krise hat die Notwendigkeit beschleunigt, auf den Zug der digitalen Transformation aufzuspringen, wenn man wettbewerbsfähig bleiben will. Diejenigen, die den Weg der Digitalisierung eingeschlagen haben und über Data-Driven-Strategien verfügen, haben eine solide Basis für fundierte Entscheidungen und eliminieren ein hohes Maß an Unsicherheit. Atypische Weihnachtskampagnen, wie wir sie gerade erleben, werden von denjenigen besser bewältigt, die beispielsweise über die besprochenen Bedarfsprognosesysteme verfügen, die Fragen in Gewissheiten verwandeln und ein effizientes Management der Lieferkette ermöglichen.