Sollen Prognosen für das Abverkaufsverhalten beispielsweise im Bereich Mode, Textil- und Versandhandel oder auch für elektronische Konsumgüter erfolgen, steht man schnell vor einer großen Herausforderung: Wie sollen Prognosen für Artikel ermittelt werden, für die keine historischen Abverkaufsdaten zur Verfügung stehen? In der Vergangenheit wurden große Unschärfen in Kauf genommen, da die statistischen Standardverfahren der Zeitreihenanalyse nur erfolgreich für Prognosen von Abverkäufen verwendet werden können, wenn historische Daten vorliegen. Konsequenz war, dass die Disponenten auf Basis von eigenen Erfahrungswerten Schätzungen über das Abverkaufsverhalten gegeben haben.
Welchen Weg geht SAF?
Mit SAF FirstTimeItems bietet SAF nun erstmalig eine Lösung zur Prognose von Abverkäufen und Nachfragen von Artikeln ohne historische Datenbasis. Diese neuen Artikel werden in ihrem Abverkaufsverhalten künstlich nachgestellt. Es werden automatisch Referenzartikel ausgewählt, deren Abverkaufsverhalten z.B. aus einer vorherigen Saison bekannt ist und in ihren Eigenschaften dem neuen Artikel entsprechen. Mehrere ähnlich geartete Artikel werden miteinander kombiniert, indem der Einfluss verschiedener Eigenschaften (z.B. Größe, Farbe, Stil) unterschiedlich gewichtet werden. Auf diese Weise wird ein neuer Referenzartikel auf Basis einer Gruppe von Artikeln ähnlichem – jedoch bekanntem - Abverkaufsverhalten modelliert. So wird eine insgesamt automatisierte Prognose inklusive Trend und Saisonerkennung sowie ggf. externen Einflüssen für die neu zu disponierenden Artikel bestimmt. Zusätzlich wird eine Prognose für den Gesamtverlauf des Abverkaufs gegeben, so dass während der Laufzeit des Artikels eine Beobachtung (Monitoring) erfolgen kann.
Mit SAF FirstTimeItems wird erstmals eine Entscheidungsgrundlage für Artikel ohne historische Abverkaufsdaten geliefert, die auf statistischen Daten basiert und als Planungsgrundlage dient. Über das Early Sales Monitoring werden die ursprünglich erstellten Absatzprognosen überprüft und eventuelle Abweichungen identifiziert. Mit Hilfe dieser Abweichungen ist ein Disponent in der Lage, die Planung zu revidieren und folglich in den Abverkauf aktiv einzugreifen bzw. diesen mitzusteuern. Das kann sich in Form von Nachbestellungen bei Unterschätzen der erwarteten Nachfrage oder Preisreduktionen sowie Aktionsmaßnahmen bei Überschätzen der Nachfrage äußern. Dem Disponenten wird ein neues Werkzeug auf Basis statistischer Verfahren an die Hand gegeben, um den Planungsprozess qualitativ zu verbessern und weitgehend zu automatisieren.
Fazit: Mit SAF FirstTimeItems wird eine neue Prognosequalität der Endnachfrage von Artikeln ohne historische Abverkaufsdaten erzielt.
Folgende Vorteile bietet der Einsatz von SAF FirstTimeItems:
- Mehrere Referenzartikel: Auf SAF FirstTimeItems basierende Prognosen sind genauer und robuster als Prognosen auf Basis einzelner Referenzartikel.
- Early Sales Monitoring: Abgleich tatsächlicher Abverkäufe mit geplanten Abverkäufen und direkte Rückkopplung zum Planungsprozess, um mögliche Preisabschriften, Nachbestellungen o. ä. zeitnah durchzuführen.
- Auto-Adaptivität: Durch Early Sales Monitoring aktualisiert SAF FirstTimeItems ständig seine Prognosen und damit die Qualität.
- Automatisierung: Supply Chain Manager können sich auf die wichtigen Artikel fokussieren und werden dabei durch automatisierte Prüfgründe (Management by Exception) unterstützt.
- Geschwindigkeit: SAF FirstTimeItems prognostiziert tausende Artikel innerhalb von wenigen Minuten.
