Bessere strategische Entscheidungen durch Datenanalyse
Herausforderungen
Die Volumenprognosen von Segmenten und Wettbewerbern spielten eine wichtige Rolle bei der Reduzierung eines unausgewogenen Angebots. Dies betraf insbesondere die Beschaffungs- und Produktionsplanung.
Es gab jedoch drei wesentliche grundlegende Einschränkungen für diese Prognosen:
- Geringe Automatisierung: Die Prognosen wurden manuell in Excel erstellt.
- Unzureichende Datenquellen: Ein starker Fokus lag auf einer einzigen externen Inputquelle mit begrenzter Vorhersagegranularität
- Fehlen eines geeigneten statistischen Prognosemodells: Es wurde nur die lineare statistische Standardextrapolation verwendet
Darüber hinaus sollten in Zukunft die Granularität und der Umfang der Vorhersagen erhöht werden. Das hätte aber im bestehenden Umfeld zu viel Aufwand erfordert. Aus diesem Grund entwickelte und implementierte rpc eine Datenanalyselösung, um diese Probleme zu bewältigen.
Unser Ansatz im Detail
Definition von Geschäftszielen und analytischen Pilotzielen
Für den ersten Schritt der Entwicklung einer Datenanalyselösung war ein Unternehmensverständnis erforderlich, um die Geschäftsziele zu bestimmen, die Situation zu bewerten, die Ziele des Pilotprojekts zu definieren und ein Projekt aufzusetzen.
Datenaufbereitung und statistische Modellierung
Historische Registrierungs- und Verkaufsdaten wurden vorverarbeitet und zusätzliche Datenquellen einbezogen. Mehrere Arten autoregressiver (ARIMA, ARIMAX, VAR), exponentieller Glättung (Holt Winters) und maschineller Lernverfahren (Random Forest, Regressionsbaum) wurden implementiert und ausgewertet, um die gewünschten Ergebnisse zu erzielen.
Nutzung von Open-Source-Bibliotheken
Etablierte Open-Source-Bibliotheken wurden als effiziente, flexible Werkzeuge zur Datenanalyse eingesetzt, die in bestehende IT-Systeme integriert werden können.
Ergebnisse
Automatisierte, datengesteuerte Volumenprognosen bilden die Grundlage für eine bessere Planung innerhalb des Unternehmens.
68%
der Prognosen hatten eine höhere Genauigkeit
16
Monate für verbesserte Granularität
3
neue Märkte im Prognosebereich
