Lokad importiert die historischen Verkaufsdaten und erstellt direkt daraus Bestandsprognose. Wenn wir von „direkt“ sprechen, ist dies auch so gemeint. Denn für die Erstellung von Prognosen mit Lokad sind keine statistischen Einstellungen notwendig. Das macht Lokad leicht zugänglich für seine Nutzer, auch wenn die über keine Statistikkenntnisse verfügen.
Wenn manuelle Eingriffe für die korrekte Funktionsweise von Prognosen nötig sind, nimmt dies kein Ende: es gibt zu viele Produkte und zu viele Geschäfte.
Viele klassische Prognoselösungen bieten die Möglichkeit der „Feinabstimmung“ der Prognose, doch was den gewöhnlichen Einzelhandel betrifft, konnten wir immer wieder erneut feststellen, dass solche Features äußerst irreführend sind. Wenn manuelle Eingriffe für die korrekte Funktionsweise von Prognosen nötig sind, nimmt es kein Ende: es gibt zu viele Produkte und zu viele Geschäfte. Die komplette Automatisierung ist einfach die einzige Option in diesem Fall.
Lokads einzigartige Prognosetechnologie bezieht auch die Korrelation zwischen Produkten mit ein. Denn betrachtet man ein einzelnes Produkt, sind selten genug historische Daten vorhanden. Zum Glück verkaufen Unternehmen oft Hunderte oder Tausende Produkte gleichzeitig und so kann man alle Muster in Bezug auf andere Produkte im Katalog beobachten. Somit ist die manuelle „Feinabstimmung“ der Prognose bei Lokad nicht vorhanden. Das mag vielleicht wie ein unerwünschtes „Black Box-Verhalten“ vorkommen, doch unserer Erfahrung nach funktionieren einfache lineare Prognosen für Einzelhandelsnetzwerke genrell wie eine „Black Box“, da die Zeit nicht einmal für die manuelle Überprüfung von nur einem Bruchteil der täglichen Ergebnisse ausreicht.
Klassische Prognosesysteme werden auch oft von Randfällen auf die Probe gestellt: Produkte mit geringem Verkaufsdaten, Produkte mit niedrigen Absatzvolumen, Produkte mit unklarer saisonabhängiger Nachfrage, usw. Unsere Prognosetechnologie vernachlässigt kein Produkt und gewährleistet die Berücksichtigung des gesamten Sortiments.
Erweiterte Prognosemodelle, die den Zusammenhang zwischen Produkten und Geschäften erfassen, sind ein Muss für Einzelhandelsnetzwerke, vor allem weil bei diese viele zusammenhängende Daten auftreten.
Die meisten Produkte weisen unregelmäßige Nachfragemuster auf, wenn man die Geschäfte einzeln betrachtet, in denen nur eine Handvoll verschiedener Produkteinheiten täglich verkauft wird. Doch auch wenn ein Produkt nur einmal in der Woche verkauft wird, bemühen sich Einzelhändler um einen hohen Service-Level, so dass die Kundenzufriedenheit gewahrt wird. Dank der Technologie für Quantil-Prognosen kann Lokad sogar für Produkte, die sehr selten verkauft werden, präzise Prognosen erstellen.
Klassische Prognoselösungen verlassen sich auf klassische Prognosen, d.h., Medianprognosen, in anderen Worten, eine Prognose mit 50% Wahrscheinlichkeit über oder unter der zukünftigen Nachfrage zu liegen. Doch auf der Ebene der Verkaufsstellen funktioniert dies nicht, da die Mehrheit der Produkte weniger als einmal täglich verkauft werden.
Eine Prognosetechnologie, die eine einfache Frage beantwortet: Wie viele Einheiten von Produkt X benötige ich, um Service Level Y zu erreichen?
Manche Tools versuchen dieses Problem zu lösen, indem sie wöchentliche oder gar monatliche Prognosen erstellen, um diese zeitlich längeren Prognosen dann in kleinere zu teilen. Doch diese Methoden gehen mit einer erstaunlichen Fehlerquote einher. Klassische Prognosen zur Bestandsoptimierung zu nutzen ist auf jeden Fall kein richtiger Ansatz.
Lokad hat eine statistische Prognosetechnologie für den Einzelhandel entwickelt, die eine direkte Antwort auf folgende einfache Frage liefert: Wie viele Einheiten von Produkt X benötige ich, um Service Level Y zu erreichen? Statt die Antwort auf einem indirektem und ungenauem Weg zu suchen, der oft mit Medianprognosen und Sicherheitsbeständen verbunden ist, beantwortet Lokads Technologie die Frage direkt durch Quantil-Prognosen. Daher ist Lokads Prognosemethode im Verhältnis zu den klassischen Prognosen direkt. So ist die durch Quantil-Prognosen erreichte Bestandsleistung deutlich höher, als die, die mit dem klassischen Ansatz erlangt wird.
Die Erstellung von erweiterten statistischen Prognosen für Tausende Geschäfte benötigt eine beträchtliche Rechenleistung. Lokad kann diese Rechenleistung durch die Nutzung von Microsoft Azure, der Cloud-Computing-Plattform Microsoft, aufbringen. Außerdem wurden wir bei Lokad für unsere Arbeit 2010 mit dem ersten Azure Partner Award von Microsoft ausgezeichnet.
Genauer erklärt, nutzt Lokad eine Technik namens Auto Scaling. Das heißt, dass sobald ein Prognoseauftrag seitens Lokad durchgeführt werden muss, eine dynamische Provisierung der Server über Microsoft Azure stattfindet (potentiell sogar Hunderte, je nach Größe des Einzelhandelsnetzwerks) und dieser Server direkt zur Lieferung der Prognoseergebnisse in weniger als 60 Minuten genutzt wird. Sobald die Berechnungen fertig sind, werden die Server deprovisioniert.
Da Prognosen selten mehr als einmal täglich benötigt werden, bietet Auto Scaling eine direkte Senkung auf 1/24 der Hardwarekosten; was sich gegenüber unserer Kunden wiederspiegelt. Doch die eigentliche Einsparung von Hardwarekosten entsteht dadurch, dass wir eine Technologie entwickelt haben, die auf die leistungsstarke Auswertung der Daten aus dem Einzelhandel gerichtet ist.
Während der Nachbestellungsprozess auf Geschäftsebene gewöhnlich relativ einfach ist, können die Einkaufsstrategien auf Lagerebene äußerst komplex sein. Über den Scripting-Engine von Lokad ist es möglich, einfache Bedarfsprognosen in stimmende Bestellungen, die Preisnachlässe, Versandkosten, Lagerkapazitäten, Änderungen der Durchlaufzeiten, usw. berücksichtigt, umzuwandeln. Sie können auch Priceforge nutzen, um für Ihre Branche äußerst spezifische KPIs zu entwickeln, die die Manager zur Überwachung der allgemeinen Bestandsleistung des Netzwerks nutzen.
