Vizions by Zalando: Europe's first platform conference
20. April 2017, Berlin
Lassen Sie uns doch mit einer harmlosen Frage beginnen. Warum denken Sie, dass der Schlussverkauf existiert? Heutzutage haben sich der Winter- und der Sommerschlussverkauf, sowie kleinere Events bereits eingebürgert, insbesondere in der Modebranche. (...) Aber aus welchem Grund gibt es sie überhaupt? Deren Sinn ist es, Einzelhändlern die Auflösung von Überbeständen zu ermöglichen. An erster Stelle, zeugen Schlussverkäufe von einer fehlgeschlagenen Prognose. Es lässt sich natürlich darüber streiten, ob sie heutzutage viel mehr bedeuten. Doch im Prinzip besteht das ursprüngliche Ziel weiterhin.
Joannes Vermorel, Gründer von Lokad
Schauen Sie sich unsere Interviews auf Lokad TV an und erfahren Sie mehr über Supply Chains und die Modebranche
Viele Modemarken lancieren Tausende neue Referenzen pro Kollektionen – mit verschiedenen Größen, Farben, Verkaufsorten, usw.
Im Laufe des letzten Jahrzehnts haben die erfolgreichsten Marken bewiesen, stets den neuesten Trends folgen zu können und die Anzahl der Kollektionen pro Jahr bei kürzeren Durchlaufzeiten zu erhöhen.
Lokads prädiktive Optimierungstechnologie berücksichtigt bei jeder einzelnen Entscheidung den gesamten Lebenszyklus aller Produkte der Marke. Unsere Technologie ist eine Mischung aus maschinellem Lernen, mit dem Muster oder Vorhersagen aus den Daten gewonnen werden, und numerischer Optimierung, die zur Generierung optimierter Entscheidungen eingesetzt wird.
Die Vorbereitungen auf die neue Kollektion beginnen mit der Optimierung des Sortiments – auch als Kollektionsrahmenplan bekannt. Dank Lokads Technologie können Sie die richtige Auswahl an Größen, Farben und Formen auf Grundlage des ursprünglichen Designs einplanen. Dieser Kollektionsrahmenplan soll sich bestmöglich an die Wünsche und Erwartungen Ihres Kundenstamms anpassen. Lokad hilft Ihnen gerne, einen Business Case zu erstellen, der Ihren Kollektionsrahmenplan unterstützt und die Möglichkeit bietet, die Planung über hochgradige Einblicke zu verfeinern und so auf das Mikromanagement jeder einzelnen Produktvariante zu verzichten.
Sobald der Kollektionsrahmenplan steht, gehen wir zur Optimierung des Einkaufs über und unterbreiten Ihnen konkrete Vorschläge zur Anzahl von Einheiten, die für jede Produktvariante hergestellt oder beschafft werden sollten sowie der Bestellzeitpunkt hierfür. Natürlich wurden die meisten Produkte bislang noch nie verkauft. Erschwert wird diese Aufgabe zusätzlich durch verschiedene Beschränkungen aufgrund von Mindestbestellmengen (MOQ), Preisnachlässen, sowie abweichenden Durchlaufzeiten (z.B. durch das Chinese Neujahr, das die Produktion in Asien verlangsamt). Lokad kann auch die Kombination der Transportoptionen (z.B. See- oder Luftfracht) sowie der Quelloptionen (z.B. aus- oder inländische Zulieferer) optimieren.
So kann unsere MOQ-Lösung mehrere sich überschneidende MOQs gleichzeitig in Angriff nehmen. Beispielsweise könnte es sein, dass eine MOQ auf Produktebene herrscht (wie etwa mindestens 100 Einheiten pro Produkt bei jeder Bestellung) und eine weitere MOQ auf Stoffebene (etwa mindestens 3000 Meter Stoff pro Farbe), zuletzt noch eine MOQ auf Lieferantenebene (wie Ware mit einem Mindestwert von 50.000 € pro Bestellung). Die Berücksichtigung dieser MOQs bei gleichzeitiger Kontrolle des Bestands ist besonders aufwändig, wenn sie manuell erfolgen soll. Lokad vereinfacht diesen Prozess über numerische Löser, mit denen Sie die rentabelste Zusammenstellung einer Bestellung erkennen, die alle Beschränkungen berücksichtigt.
Wenn die Einführung der Kollektion bevorsteht, liefern wir eine optimierte Bestandsallokation, mit der die genaue Anzahl der Einheiten festgelegt wird, die jedem Distributionszentrum und/oder jedem Geschäft zugeordnet wird. Der im Laden vorrätige Bestand erfüllt zweierlei Zwecke. Einerseits wird der Bedarf gedeckt, gleichzeitig wird Kundschaft damit angelockt. In der Optimierung der Bestandsallokation wird diese Funktion der Ware berücksichtigt, wodurch das Potential jedes Ladens ausgeschöpft wird. Zusätzlich fließen in die Optimierung auch die Lagerkapazität (z.B. Regalfläche), sowie die begrenzten Kapazitäten der Teams vor Ort, um mit umfangreichen Produktlieferungen zurechtzukommen mit ein. Pakete und Bestellgrößen, die zur Verringerung der Haltungskosten dienen, werden ebenfalls einbezogen.
Um den letzten Trends zu folgen, werden Bestseller und Lagerhüter festgestellt. Die Feststellung der Bestsellers, die eine frühe Wiederauffüllung auslöst, kann mit begrenzten Bestandsmengen durchgeführt werden, nur zur Marktuntersuchung in einer begrenzten Anzahl an Läden oder gar nur über die E-Commerce Plattform. Umgekehrt ist die frühe Erkennung von Lagerhütern auch wichtig, um solche Produkte, die besseren Produkten den Platz wegnehmen, loszuwerden.
Für die meisten Modelabels sind Nachlässe und andere Werbemaßnahmen ein wesentlicher Bestandteil des Selbstverständnisses. Lokad bietet zusätzlich eine Lösung zur Preisoptimierung, mit der Vorschläge unterbreitet werden zum Zeitpunkt, in dem die Senkung der Preise dazu führt, dass am Ende der Kollektion keine Rückstände übrigbleiben, wobei die Bruttogewinnspanne maximiert wird.
Zusätzlich berücksichtigen wir Nachlässe aus Kundenbindungsprogrammen, die einheitlich auf mehrere Produkte angewandt werden, die manchmal auf Produktebene bestehende Aktionen ersetzen oder ergänzen.
Optimierung des Sortiments, des Einkaufs, der Bestandsallokation, Feststellung von Bestsellern und Lagerhütern, Preisoptimierung – Lokad kann zur Optimierung all dieser, und vieler mehrerer Entscheidungen unter konsistenter Berücksichtigung des gesamten Produktlebenszyklus eingesetzt werden. Dennoch kann man auch klein anfangen, mit einem engeren Ziel. Für jegliche Fragen, stehen wir Ihnen unter contact@lokad.com gerne zur Verfügung.
Die Optimierung von Entscheidungen, die Bestände und Preise betreffen, benötigen genaue Einblicke in die Zukunft. Jedoch funktioniere klassische Bedarfsprognosen, was die Modebranche betrifft, nicht. Aus diesem Grund hat Lokad eine einzigartige Prognose-Lösung entwickelt, die auf die Herausforderungen von Modeunternehmen zugeschnitten ist.
Wir arbeiten mit probabilistischen Vorhersagen: wir berücksichtigen alle möglichen Zukunftsszenarien und berechnen jeweils deren Wahrscheinlichkeit. In der Tat lässt sich die Ungewissheit um den Bedarf in der Modebranche nicht vermeiden. Es besteht auch keine Hoffnung, eine „perfekte“ Prognose zu liefern. Bei traditionellen Methoden erwartet man, dass Entscheidungen aufgrund „der einen“ Prognose getroffen wird. Dadurch werden sie für Prognosefehler anfällig.
Statt uns von der Ungewissheit abzuwenden, begrüßen wir sie. Über probabilistische Vorhersagen bringen wir Chancen und Risiken ins Gleichgewicht.
Die Vorhersagen arbeiten auf Sortimentebene, um die Effekte von Kannibalisierung und Ersatz zu berücksichtigen. Die Bedarfsprognose eines einzelnen isolierten Produkts ist sinnlos, da der Bedarf nach dem Produkt stark vom Vorhandensein oder Mangel ähnlicher Produkte, die für die Kunden im Wettbewerb stehen, abhängt. Traditionelle Methoden, die sich auf Zeitreihen konzentrieren verfehlen das Ziel, wobei sich die Lage gewöhnlich verschärft, wenn zusätzliche Sicherheitsbestände oder Servicelevel eingesetzt werden.
Der Bedarf hängt von der Preisgestaltung ab, die einen wesentliche Rolle in unserer Vorhersage einnimmt. Dabei dreht sich einerseits der künftige Bedarf um Wahrscheinlichkeit, jedoch wird diese Wahrscheinlichkeit vom Preis des Produkts beeinflusst, was das Unternehmen zu seiner Gunsten einsetzen kann.
Wie gesagt, ist das Sortiment von großer Bedeutung und die Förderung des Bedarfs hängt von der allgemeinen Intensität der Werbemaßnahmen ab. So wäre es nicht realistisch dieselbe Steigerung zu erwarten, wenn nur ein Produkt im Geschäft beworben wird, wie wenn eine allgemeine Werbung zum ganzen Geschäft gefahren wird. Vorhersagen enden nicht beim Bedarf, auch Rücksendung und Durchlaufzeiten müssen prognostiziert werden.
Jegliche Quellen von Ungewissheit bedürfen einer angemessenen statistischen Prognose. Obwohl der künftige Bedarf von wesentlicher Bedeutung ist, gibt es weitere Bedürfnisse neben der Bedarfsprognose, dementsprechend haben wir unsere Technologie entwickelt. Solche Prognosen sind gewöhnlich auch probabilistischer Natur und werden oft mit Bedarfsprognosen selbst kombiniert, z.B. den Bedarf während der Durchlaufzeit prognostizieren. Die neueste Generation unserer Prognosetechnologie stützt sich auf differenzierbares Programmieren. Dieser Nachfolger von Deep Learning eignet sich besonders für einen geringen und sporadischen Bedarf, wie er oft in der Modeindustrie beobachtet wird.
Wie sieht es mit dem Wetter und Social Media aus?
Unserer Erfahrung nach schöpfen die meisten Unternehmen ihre eigenen „basic“ historischen Daten leider nicht aus. Die meisten Bedarfsprognosen nutzen nicht einmal Daten aus deren Kundenbindungsprogrammen und die meisten Bestellungen werden ohne eine formale Prognose der Durchlaufzeit gemacht. Daher sind wir der festen Überzeugung – auch wenn wir Angaben aus externen Datenquellen wie Social Media oder den Wettervorhersagen in Betracht ziehen –, dass Unternehmen erst die eigenen ihnen bereits vorliegenden Daten ausschöpfen sollten.
Mode im großen Maßstab umfasst hunderte Geschäfte und tausende Varianten. Daher muss der Prognose-Engine in der Lage sein, auf Millionen von SKUs zu skalieren. Unser Prognose-Engine wurde nativ für Cloud Computing entwickelt. Im Vergleich zu herkömmlichen Lösungen, ist die Cloud bei Lokad nicht erst im Nachhinein dazugestoßen – so kann Lokad täglich Terabytes an Daten verarbeiten.
Im Gegensatz zu den herkömmlichen Ansätzen, ist es für unsere Prognoselösung nicht nötig, ältere und neuere Produkte manuell zuzuordnen, indem man dem System erklärt, welche Produkte für die Prognose der neuen Produkte am relevantesten sind.
Stattdessen verlässt sich unser Prognose-Engine exklusiv auf erweiterte Algorithmen maschinellen Lernens, um automatisch mögliche Ähnlichkeiten zwischen verschiedenen Produkten zu erkennen und von selbst festzustellen, welche bestimmte Produkte für die Prognose eines neuen Produkts in der Kollektion relevant sind.
Diese automatische Erkennung von Ähnlichkeiten stützt sich auf die zahlreichen Produktattribute, die gewöhnlich in der Modeindustrie vorhanden sind: Produktart, Produktfamilie, Größe, Farbe, Stoff, Eckpreis, Marke, usw. Was die Menge der erforderlichen Daten betrifft, reichen unserer Erfahrung nach die Katalogdaten aus, die zur Bedienung eines E-Commerce Front-Ends vorhanden sind, um gute Ergebnisse zu erzielen.
Herkömmliche Prognoselösungen, die auf die manuelle Zuordnung von Produkten zurückgreifen, sind zu zeitaufwändig, um effektiv zu sein, denn es gibt zu viele Paare, die berücksichtigt werden müssen. Genau diese Zuordnung ist die Hauptaufgabe der Prognose.
Doch aufgrund der geringen Effektivität dieser Methoden, tendieren Unternehmen dazu, bei Ihren Tabellen zu bleiben, weil die manuelle Zuordnung nicht die nötigen Werte liefert. Bei Lokad nähern wir uns der Herausforderung direkt an, indem wir uns auf die Hauptschwierigkeiten konzentrieren, statt sie den Benutzern aufzubürden.
Obwohl wir uns bei Lokad auf diesen Prognoseprozess als Produktkopplung beziehen können, gehen wir nicht davon aus, dass eine Eins-zu-Eins-Zuordnung zwischen den Produkten der alten und der neuen Kollektion besteht. So kann beispielsweise ein Produkt in mehrere Variante unterteilt werden, die zu Kannibalisierungen führen können. Gleichzeitig, kann ein weiteres Produkt wirklich „neu“ sein, ohne ähnliche vergangene Produkte, die ihm zugeordnet werden können. In solchen Fällen, greift der Prognose-Engine auf breitere Zusammenhänge, wie Produktkategorie, -Familie, Marke oder Eckpreise.
Die Optimierung der Entscheidungen muss vor dem Hintergrund der erwarteten Erträge, die in Dollar oder Euro ausgedrückt werden, stattfinden und nicht als Prozente.
Alle Faktoren, sie sich auf die Kosten und Belohnungen einer Entscheidung beziehen, werden kollektiv als Wirtschaftstreiber bezeichnet. Unter ihnen befinden sich die Bruttogewinnspanne, die Lagerhaltungskosten, die Transportkosten, die Opportunitätskosten für Regalflächen, das Wohlwollen der Kunden, usw. Lokad modelliert genau diese Wirtschaftstreiber und berücksichtigt dabei die Besonderheiten der Modeindustrie.
Beispielsweise erwartet ein Kunde, der einmal einen Nachlass auf ein Produkt erhält, auch künftig von solchen Nachlässen zu profitieren.
Wirtschaftstreiber dienen in erster Linie der Unterstützung des Prozesses zur numerischen Optimierung, das die Entscheidung erzeugt (z.B. Bestellmengen oder Produktrabatte). Ohne Messungen kann keine Optimierung stattfinden. Nur dank der Wirtschaftstreiber kann der Optimierungsprozess funktionieren.
Lokad ist kein Ersatz für tiefgreifende strategische Einblicke (diese kann nur die Erfahrung Ihres Teams liefern). Unsere Technologie wurde nur dazu entwickelt, diese strategischen Einblicke, die sich in den Wirtschaftstreibern wiederspiegeln, auch skalierbar bei jeder einzelnen Entscheidung des Unternehmens einsetzen zu können.
Das zweite Ziel der Treiber ist der „White-Boxing-Prozess“. Mit letzterem soll Ihr Team ein Höchstmaß an Transparenz erhalten, was jede einzelne von Lokad generierte Entscheidung betrifft. Es soll für Ihr Team nachvollziehbar sein, warum eine bestimmte Entscheidung von Lokad empfohlen wird. Deshalb hat jede von Lokad generierte Entscheidung eigene Kennzahlen, in Euro oder Dollar, mit denen der Geschäftszweck der Entscheidung erklärt wird. Diese Kennzahl unterscheiden sich von den Wirtschaftstreibern. Dieser Ansatz hat sich unserer Erfahrung nach bewährt und wird bevorzugt eingesetzt, statt zu versuchen, die algorithmischen Regeln der Berechnungen zu erklären, die nicht nur unglaublich langwierig sind, sondern für die meisten, die nicht aus dem Bereich des Maschinelles Lernens oder der numerischen Optimierung kommen, ziemlich unverständlich sind.
Aus der Perspektive des Managements bieten Wirtschaftstreiber einen effektiven Mechanismus, um das Unternehmen in die richtige Richtung zu lenken. Diese Treiber sind unserer Ansicht nach nicht in Stein gemeißelt, sondern ganz im Gegenteil, stets Änderungen ausgesetzt, mit denen die Marktentwicklung widergespiegelt wird. Lokads Technologie bietet von Design aus ein hohes Maß an Agilität: mit begrenztem Aufwand ist es möglich, komplexe „was-wäre-wenn-Szenarien “ zu erstellen und verschiedene alternative Strategien zu darzustellen.
