Nachfrageprognose und Optimierung der Warenverteilung
Distribution und Logistik, mehrere Märkte
Das Projekt hat Michael Jan Rogocki vor der Gründung von cm-opti umgesetzt. Dieselbe Methode setzen wir heute in Kundenprojekten ein.
Branche und Unternehmen
Ein Unternehmen, das Waren auf mehreren Märkten zugleich vertreibt. Es plant Bestände bei schwankender Nachfrage, wobei ein zu kleiner Bestand Lücken im Regal bedeutet und ein zu großer Kapital im Lager bindet.
Ausgangslage
Die Bestandsplanung für viele Märkte auf einmal ist schwierig, weil jeder Markt seine eigene Saisonalität, sein eigenes Verkaufstempo und seine eigenen Lieferbeschränkungen hat. Bei manueller Planung beruhen die Entscheidungen auf Durchschnittswerten und auf der Erfahrung des Planers, und beides hält mit den Schwankungen nicht Schritt.
Die Folge zeigt sich an beiden Enden des Lagers: dort, wo Ware fehlte und Umsatz verloren ging, und dort, wo Bestand liegt, den in dieser Saison niemand mehr abnimmt. Beides kostet.
Vorgehen: Nachfrageprognose und Lieferoptimierung
Das Projekt verband zwei Methoden. Die Nachfrageprognose basierte auf klassischem Machine Learning, vor allem auf Regressionsmodellen, die einen Zahlenwert vorhersagen, also den erwarteten Absatz eines einzelnen Artikels. Das Modell berücksichtigt die Verkaufshistorie, saisonale Muster und Trends im Zeitverlauf (Zeitreihenanalyse) sowie externe Faktoren, die die Nachfrage beeinflussen. Auf Basis dieser Prognose planen Algorithmen der mathematischen Optimierung die Warenverteilung und berücksichtigen dabei Logistikkosten, Lieferzeiten und Lagerkapazitäten.
Dabei handelt es sich um stochastische Optimierung: Sie berücksichtigt, dass die Prognose unsicher ist, und plant diese Unsicherheit mit ein. Der Planer erhält mehrere Szenarien für die Entwicklung von Nachfrage und Beständen und sieht, was bei verschiedenen Annahmen geschieht, bevor er eine Entscheidung trifft.
Ergebnis: optimierte Lager- und Logistikprozesse
Artikelebene
Prognose für das einzelne Produkt
statt Durchschnitten für ganze Warengruppen
mehrere Märkte
ein Prognoseansatz
jeder Markt mit eigener Saisonalität
Eine bessere Prognose bedeutet weniger Ware, die im Lager liegen bleibt, und Lieferungen, die nach der tatsächlichen Nachfrage statt nach Durchschnitten geplant werden. Produkte verkaufen sich, bevor sie reduziert werden müssen, sodass weniger Geld durch Überbestände und Abverkäufe verloren geht. Die Ware wird umgeschlagen, statt liegen zu bleiben, und das schlägt sich in einer höheren Marge nieder.
Umfang des Projekts
Die Prognose umfasst das Sortiment auf Artikelebene und mehrere Märkte auf einmal. Die Modelle müssen nachtrainiert werden, sobald neue Verkaufsdaten hinzukommen, denn eine Prognose auf Basis veralteter Muster verliert schnell an Genauigkeit.
Wenn du Bestände für viele Märkte planst und zwischen Fehlbestand und Überbestand rätst, beschreib uns deinen Fall. Wir prüfen, ob deine Verkaufsdaten ausreichen, um genauer zu prognostizieren.
Verwandte Artikel in der cm-opti-Wissensdatenbank
Leistungsbereich: Machine Learning und Prognosen (Datenanalyse, Prognose und Prozessoptimierung).