Veröffentlicht am

Wie ich meinen Datenschatz in Abhängigkeit von den Unternehmenszielen effektiv und effizient zur Sortimentsoptimierung nutze

Daten liegen in Unternehmen in der Regel in großer Vielfalt vor – oft ist jedoch unklar, welche Priorität die einzelnen KPIs haben und in welchem Kontext sie zur Entscheidungsfindung beitragen. Im Rahmen von Sortimentsentscheidungen stellt sich die Frage, welche Daten nutze und analysiere ich, um meine unternehmerischen Ziele zu erreichen.

Überblick

Ich gehe anhand eines 4 Phasen Modells vor, um Produkt- und Kundendaten effektiv und effizient für Sortimentsanalysen zu nutzen. Ausgangspunkt sind immer die Unternehmensziele wie z. Bsp. Finanzkraft, Qualitätsanspruch oder Wachstumsziel, die durch das entsprechende Produktportfolio abgesichert werden.

Phase 1

In Phase 1 werden zusammen mit den Stakeholdern die relevanten KPIs definiert, wobei neben sortimentsspezifischen Daten wie Umsatz und Marge auch kundenspezifische Daten wie z. Bsp. Anzahl Neukunden, die mit einem Produkt generiert werden, gute Anhaltspunkte für die Analyse bieten. Neben den Kennzahlen werden auch die Analysedimensionen, d.h. auf welchen Ebenen die Daten vorliegen sollen, bestimmt. Gerade in dieser Phase ist ein agiler Ansatz wichtig: die Anforderungen sollten nicht zu detailliert sein und Spielraum für Anpassungen im weiteren Projektfortschritt bieten. Aus meiner Erfahrung ergeben sich oft in der Analysephase – wenn ich mich ausgiebig mit den Daten beschäftige – neue Anforderungen an das Framework.

Phase 2

Im zweiten Schritt wird festgelegt, wie und in welcher Form die Daten bereitgestellt werden. Auch hier ist es sehr hilfreich, vorerst die wichtigsten Anforderungen umzusetzen und dem Anwender ein Dummy Analyse Tool zur Verfügung zu stellen. Bei diesem Dummy Tool kann es sich um ein einfaches Excel Modell handeln, dass einen Datenausschnitt für ein kleineres Produktsegment beinhaltet. Der Anwender nutzt das Tool für erste, vorläufige Analysen und überarbeitet bei Bedarf die Anforderungen an das KPI und Analyse Framework. Nach Abschluss dieser Phase liegen die für die Sortimentsanalyse benötigen Daten in auswertbarer Form vor.

Phase 3

Jetzt beginnt die eigentliche Analysephase. Mit Hilfe von Schwellenwerte für die einzelnen KPIs werden die Top und Poor Performer im Sortiment identifiziert. Der Beitrag einzelner Sortimentsbausteine zur finanziellen Performance, zum Unternehmenswachstum und zur Kundenaktivierung wird deutlich. Für Produktgruppen und Marken werden Performance Maps erstellt, die Sortimentsstärken und -schwächen offenbaren. Aus dem unübersichtlichen Datenwust werden die Ansichten bereitgestellt, die die Sortimentsperformance transparent machen.

Phase 4

Im letzten Schritt werden die Beobachtungen in einer Stärken/Schwächen Analyse zusammengefasst und Maßnahmen zur Sortimentsoptimierung abgeleitet. Das ist eine gute Gelegenheit, neben internen Daten auch Marktdaten (z. Bsp. Wachstum bestimmter Produktgruppen oder Marken im Markt) zum Vergleich heranzuziehen. Es werden auf Basis der Analyseerkenntnisse wichtige Entscheidungen für die Sortimentsentwicklung getroffen: welche Kategorien haben Potential und werden ausgebaut, welche eher reduziert, welche Sortimente werden mit Marketingbudgets unterstützt, auf welche Produkte wird der vertriebliche Fokus gesetzt etc.

Herausforderungen

Im Vorfeld des Projektes hilft es, gemeinsam mit den Stakeholdern sich folgenden Herausforderungen zu stellen und diese im Projekt zu berücksichtigen:

Oft zeigt sich erst mit der Datenanalyse, ob die KPIs, die Schwellenwerte und die Performance Maps geeignet sind, um das Sortiment aussagefähig zu bewerten. Insbesondere die Wahl der Schwellenwerte muss immer wieder anhand der Ergebnisse überprüft werden

Neben Sortiments Kennzahlen wie Umsatz, WRE und DB sollten auch kundenbezogene KPIs (Anzahl Neukunden, Kundenretention etc.) betrachtet werden. Bei Herstellern ist zu klären, ob Performancedaten aus dem Onlineshop vorliegen oder wie B2B Daten bewertet werden können

Je mehr KPIs desto schwieriger wird die Bewertung. Bei mehr als 5 KPIs sollten Performance Maps gebildet werden d.h. jeweils 2 (voneinander unabhängige) KPI spannen eine Map auf. Alternativ kann versucht werden, die KPIs zu gewichten und zu einer Kennzahl zu verdichten

Die Akzeptanz der Ergebnisse steigt mit der Einbindung der Stakeholder in die Phasen Framework Konzeption, Analyse u. Empfehlungen

 

Veröffentlicht am

I like mess (frei nach Marie Kondo)

oder noch treffender „I like tidying“. So wie ich gerne im privaten Umfeld ausmiste und Ordnung und Überblick schaffe, so gerne überprüfe und optimiere ich betriebliche Abläufe und Steuerungskennzahlen.

Marie Kondos Vorgehensweise, zuerst zu entrümpeln (Auswahlkriterium: „does it spark joy?“) und dann jedem Besitztum seinen festen Platz zuzuordnen, kann ich auch auf mein Arbeitsleben übertragen. Welche Abläufe erzielen einen (Kunden)Nutzen und machen mir damit als Unternehmen Freude? Welche Kennzahlen helfen mir, meine Unternehmensziele zu steuern und zu erreichen? Wenn ich mich so von überflüssigem Ballast getrennt habe, kann ich mich dann intensiv den wertstiftenden Aktivitäten zu wenden. Ich entscheide, wer ist für diese verantwortlich, wie können sie unterstützt, weiterentwickelt und digitalisiert werden.

Habe ich meine „sparking joy“ Themen im Griff, habe ich auch den Kopf frei, mich den täglichen, neuen Herausforderungen zu stellen!

Veröffentlicht am

Wie entscheide ich als Händler, in welche Categories ich investiere und welche ich eher zurückfahre?

Diese Fragestellung kann ich mit Hilfe einer marktorientierten und kennzahlengestützten top-down Zielplanung beantworten. Habe ich die Umsatzziele für meine Categories definiert, plane ich im zweiten Schritt, mit welchem Mitteleinsatz (Werbebudget, SKU Invest, Limit etc.) ich diese Zielwerte erreiche.

Um das Umsatzpotential einer Category festzulegen, benötige ich interne und externe KPIs. Die internen KPIs werden in Abhängigkeit von den Unternehmenszielen definiert. Stehen für das Unternehmen in erster Linie finanzielle Performance und Umsatzwachstum im Vordergrund, so werden auf dieser Basis entsprechende operative Kennzahlen wie z. Bsp. absoluter Umsatz pro SKU, Deckungsbeitrag in % und Neukundenanteil in % festgelegt. Hier können Händler, die ihren Datenschatz pflegen und Produkt- mit Kundendaten verbinden, punkten.

Die Beschäftigung mit rein internen Daten reicht allerdings nicht aus, um eine Category zu analysieren und ihren Stellenwert im Unternehmensportfolio zu bewerten. Es empfiehlt sich in Markt- und Wettbewerbsdaten zu investieren und Umsatzanteile sowie Wachstum einer Category im Markt in Erfahrung zu bringen. Der Vergleich der unternehmensinternen Umsatzanteile und Wachstumsraten mit denen des Marktes sind wertvolle Anhaltspunkte, um Umsatzpotentiale zu erkennen.

Gewichte ich nun diese einzelnen KPIs, kann ich für jede Category ermitteln, welchen internen Erfolgsbeitrag sie aufweist und wie ihre Performance sich im Vergleich zum Markt darstellt. Mit einigen einfachen Algorithmen lege ich top-down fest, welche Categorien ausgebaut, reduziert bzw. auf ihrem Niveau gehalten werden und quantifiziere diese Veränderung auch. Diese top-down ermittelten Zielwerte gebe ich als Vorgaben an die verantwortlichen Category Manager weiter, die diese bottom-up verproben und mit entsprechenden Maßnahmen sowohl qualitativ als auch quantitativ hinterlegen.

Veröffentlicht am

Agiles Projektmanagement planvoll und strukturiert – geht das überhaupt?

DSDM

Um es vorweg zu nehmen: ja, das geht. Wer die Chancen agiler Ansätze und Arbeitsweisen für sein Unternehmen nutzen möchte, sollte nicht auf einen planvollen und strukturierten Ansatz verzichten. Agiles Arbeiten heißt nicht, jeder macht was/wie er will, sondern im Rahmen seiner Kompetenzen besitzt jede Rolle im Unternehmen größtmögliche Flexibilität.

Die DSDM Dynamic Systems Development Method ist ein agiler Projekt Management Ansatz, der sehr strukturiert die verschiedenen Phasen und Anforderungen im Projektlebenszyklus sowie die Kompetenzen der unterschiedlichen Projektrollen beschreibt. Die Kernaussage, der diesem Ansatz zu Grunde liegenden Philosophie: der größtmögliche Kundennutzen wird durch klare Zielsetzungen, schrittweise und schnelle Umsetzung von Anforderungen und die Förderung der Zusammenarbeit der beteiligten Personen und Teams erreicht. Seit 2010 bietet das in Großbritannien ansässige Unternehmen APMG International (https://apmg-international.com/de) das Agile Project Management Zertifikat an, das auf DSDM beruht. Ich habe die Zertifizierung März 2019 erlangt.

Beispiele

Die Entscheidungskompetenzen des Projektteams hängen von der Rolle und der jeweiligen Projektphase ab. So besteht beispielsweise die Aufgabe des Projektmanagers in der Planungsphase darin, die priorisierten Anforderungen des Kunden/Fachbereichs in einem Umsetzungsplan zu dokumentieren und die grobe Vorgehensweise zu planen. Im Unterschied zum klassischen Pflichtenheft geht es nicht darum, möglichst detailliert alle Anforderungen festzuhalten, sondern sich auf die maximal 10 wichtigsten Features (den Projektscope) zu konzentrieren. Eine der wichtigsten Anforderungen von DSDM ist, dass diese Features nach Must, Should und Could priorisiert werden. Diese Bewertung gewährleistet, dass das Projekt fix bzgl. Termin, Kosten und Qualität aber flexibel bzgl. der Anforderungen unterwegs ist. In der Entwicklungsphase ist das Lösungsteam, dem auch der Kunde/Fachbereich angehört, verantwortlich für die Planung der einzelnen Arbeitspakete (Timeboxes). Das Team entscheidet eigenständig, wie gearbeitet wird und kann bei Kapazitätsengpässen eigenständig entscheiden, auf Should und Could Anforderungen zu verzichten – Must Features sind allerdings nicht verhandelbar, sondern stellen die Kunden Minimalanforderung da, die umgesetzt werden muss.

Diese zwei Beispiele machen wesentlichen Aspekte des agilen Ansatzes deutlich: Flexibilität in der Entwicklungs- und Umsetzungsphase durch priorisierte Anforderungen, die Spielraum lassen, laufende Einbindung des Fachbereichs in alle Phasen des Projektes und eine Projektplanung, die sich zu Beginn auf Schwerpunkte konzentriert und mit jedem Schritt granularer wird.

In der Anlage finden Sie eine Übersicht über die 6 Projektphasen, wie sie in DSDM definiert sind, die Inhalte und Dokumentationsanforderungen der einzelnen Phasen und die wichtigsten Projektbeteiligten.

DSDM Framework

Veröffentlicht am

5 agile Techniken, die klassisches Projektmanagement flexibler und effektiver machen

Agile Techniken lassen sich aus meiner Erfahrung gut in einen klassischen Unternehmenskontext integrieren. Sie helfen, Projekte flexibler und effektiver – oft auch effizienter – durchzuführen. 5 agile Techniken halte ich für besonders geeignet, die klassischen Phasen der Projektdefinition, – planung und -durchführung zu unterstützen und damit final die Kundenzufriedenheit mit den Projektergebnissen zu erhöhen.

Produktbacklog

Im Produktbacklog werden die Kundenwünsche gemeinsam mit den relevanten Stakeholdern erarbeitet, auf Karten festgehalten und priorisiert. Welche Anforderungen müssen unbedingt erfüllt sein, welche Zielsetzungen sind optional und welche Themengebiete werden von vorneherein ausgeschlossen und sind nicht Bestandteil des Projektscopes? Da es zu Beginn des Projektes kaum möglich ist, alle Anforderungen zu erfassen und sich weitere Kundenwünsche erst im Laufe des Projektes herauskristallisieren, hilft es, diese Anforderungsphase möglichst kurz zu halten (1 Stunde) und als erste Basis für die Projektplanung zu nehmen.

Storyboard

Im nächsten Schritt werden weitere Fragen bearbeitet, um die Kundenanforderungen noch besser zu verstehen. Warum wird das Projekt aufgesetzt, wer ist involviert und wie soll das Projekt organisiert werden, wie sieht die Timline aus, welche Ressourcen stehen zur Verfügung, wie und mit welchen Methoden wird gearbeitet und wer ist zu informieren? Aus dieser Diskussion wird das Storyboard erstellt, dass alle bis jetzt genannten Anforderungen in Form von User Stories enthält. Diese User Stories enthalten eine kurze Beschreibung, welcher Stakeholder was mit welcher Zielsetzung erreichen möchte („Ich in meiner Rolle als … möchte, dass…., damit….“). Diese Anforderungen werden wie das Produktbacklog auf Karten dokumentiert, die dann nummeriert, zu Themengebieten (Epics) geclustert und priorisiert werden (und in einem späteren Schritt auch mit einer ersten Aufwandschätzung versehen werden).

Sprintplanung

Steht das Storyboard, das jetzt mit den User Stories alle Anforderungen sowie die grobe Vorgehensweise enthält, werden im nächsten Schritt die konkreten Arbeitspakete für die erste Umsetzungsphase – den ersten Sprint – mit dem Projektteam geplant. Im Unterschied zum klassischen Projektmanagement wird nicht das komplette Projekt detailliert durchgeplant. Der Fokus liegt auf dem ersten Sprint – jeder weitere Sprint wird in Abhängigkeit der Ergebnisse des vorangegangen Projektabschnitts geplant. Bei zeitlichen Engpässen wird im Zweifelsfall in Absprache mit dem Kunden der Anforderungskatalog reduziert. Die todos für den ersten Sprint werden im Sprint Backlog festgehalten und der Arbeitsfortschritt regelmäßig (im Idealfall täglich) über Task Boards dokumentiert.

Review und Retro

Nach jedem Sprint, der maximal 4 Wochen dauert, findet ein Feedbacktermin mit den Stakeholdern (Produkt Review) statt, auf dem die Ergebnisse des Sprints demonstriert und das Feedback der Kunden aufgenommen wird. Ebenfalls gibt es nach jedem Sprint einen Arbeitstermin mit dem Projektteam (Retrospektive). Hier wird geklärt, wie der Sprint aus prozessualer Sicht verlaufen ist und welche Verbesserungspotentiale es gibt.

Fazit

Wenn man sich von den ungewohnten Begrifflichkeiten nicht abschrecken lässt, so können einige agile Techniken auch in einem in erster Linie klassisch agierenden Unternehmen eingesetzt und die Vorteile der agilen Prinzipien, z. Bsp. intensive Zusammenarbeit mit den Stakeholdern, hohe Transparenz bzgl. des Projektfortschritts sowie flexibler und konstruktiver Umgang mit Anforderungsänderungen in die Praxis umgesetzt werden.

Veröffentlicht am

Digitalisierung: planvolles Vorgehen ersetzt Aktionismus und Überforderung

Digitalisierungs Baustellen

Alle reden von Digitalisierung. Alle fragen sich, was bedeutet Digitalisierung konkret für mein Unternehmen? Wieviel Digitalisierung braucht mein Unternehmen? Wo investiere icht? Wie kann ich im digitalen Zeitalter erfolgreich sein und meine Daseinsberechtigung finden?

Im Prinzip aus meiner Sicht im Ansatz die richtigen Fragen, die sich ein Unternehmen stellen sollte. Ergebnis dieser Fragestellungen sind jedoch oft Unsicherheit und Überforderung und im schlimmsten Falle teurer Aktionismus. Setze ich mich mit diesen und weiterführenden Fragen bewusst und offen auseinander und nehme sie zum Anlass, eine planvolle Bestandsaufnahme für mein Unternehmen zu machen und daraus meine (digitale) Unternehmensstrategie abzuleiten, kann am Ende eine erfolgversprechende Unternehmensvision und ein effektives und effizientes Maßnahmenpaket stehen.

Digitalisierungs Landkarte

Startschuss für alle Überlegungen ist eine zielgerichtete Bestandsaufnahme. Ob nun von Digitalisierungs Check, Digitalisierungs Landkarte oder digitalen Erfolgsfaktoren gesprochen wird, letztendlich ist damit eine Analyse nach bestimmten Kriterien, die Hinweise zum Digitalisierungsgrad meines Unternehmens geben, gemeint. Dabei ist es aus meiner Sicht wichtig, nicht nur die Prozesse, die direkt beim Kunden wirken (sogenannte Frontendprozesse wie Vertriebs- und Marketingprozesse) sondern auch und insbesondere die Prozesse, die am Anfang der Wertschöpfungskette stehen, im Blick zu haben. Was relevante Kriterien angeht, kann folgende Übersicht eine erste Orientierung geben:

Wie stark sind meine internen und externen Prozesse durch Technik und Automatisierung unterstützt und wie vernetzt sind diese?

Wie modern ist meine IT aufgestellt, wie gut ist deren Performance  und wie ist der Umfang an Zwischenlösungen?

Wie ist mein Unternehmen organisatorisch aufgestellt, wie schnell und flexibel kann ich auf neue Fragestellungen reagieren, wie stark sind Hierarchie und Silodenken ausgeprägt?

Wie stellt sich mein Management- und Mitarbeiterpotential da, wie stark sind Kompetenzen und Veränderungsbereitschaft ausgeprägt?

Analyse Methodiken in diesem Bereich gibt es viele. Hier muss jeder Unternehmer für sich entscheiden, wieviel Zeit und Geld er in die Bestandsaufnahme steckt. Vor dem Hintergrund, dass es nicht damit getan ist, diese Analyse einmal zu tätigen sondern dass diese als ständiger Review in den Unternehmensalltag zu integrieren ist, präferiere ich einfache und effiziente Modelle, die sich nicht im Detail verlieren, sondern schnell einen Überblick und eine Bewertung erlauben.

Digitalisierungs Kompass

Wie identifiziere ich jetzt die Maßnahmen und Investitionen, die mich in die Lage versetzen, planvoll und fokussiert meine Digitalisierungsstrategie umzusetzen? Hier bewährt sich der Strategiekompass oder auch Strategiesteckbrief genannt. In 4 Schritten gelange ich zu einem reflektierten, strategiekonformen und transparenten Maßnahmenpaket, das sich deutlich von planlosem und kostspieligen Aktionismus unterscheidet.

Im ersten Schritt formuliere ich auf Basis meiner Digitalisierungslandkarte Aussagen zu meinen Stärken und Schwächen sowie zu den externen Chancen und Risiken. Insbesondere beantworte ich als Unternehmer die Frage, worauf legen unsere Kunden wirklich Wert und wovon hängt unser Markterfolg ab. Die Festlegung der strategischen Marschrichtung erfolgt im zweiten Schritt. Wie sehen wir uns in der Zukunft? Welche Rolle spielen wir im Markgeschehen? Welche Leitplanken setzen wir uns? Wo und wie müssen wir besser werden? Welche sind die Schlüssel Geschäftsprozesse? Kann ich meine Strategie dann noch mit realistischen, messbaren und zeitlich überschaubaren Zielen hinterfüttern, bleibt noch die Aufgabe, die Maßnahmen zu identifizieren, die zur Erreichung dieser Ziele führen und die entsprechenden Ressourcen aufzuzeigen, die benötigt werden.

Um in diesem Prozess maximale Transparenz, Flexibilität und Fokussierung zu erreichen, bietet die Methode der Flight Levels einen guten Ansatz. Der Grundgedanke kommt aus der Arbeit mit Kanban: übertragen auf unser Thema werden alle Digitalisierungsprojekte in Abhängigkeit von ihrer Flughöhe (von strategisch über koordinierend bis operativ) in 3 Kategorien eingeteilt und auf Tafeln (neudeutsch Boards) visualisiert. Diese Tafeln informieren über den Umsetzungsstand der einzelnen Projekte und verdeutlichen die Zusammenhänge zwischen den einzelnen Levels. Schnell wird deutlich, welche operativen Projekte auf strategische Themen einzahlen und welche nicht.

Fazit

Alle reden und alle fürchten die Digitalisierung. Je besser ich als Unternehmer in der Lage bin, meine eigenen Stärken und Schwächen einzuschätzen, je konkreter mein Zielbild und meine strategische Marschrichtung und je transparenter und steuerbarer meine Aktivitäten sind, desto eher kann ich diese Herausforderung aktiv managen.

Veröffentlicht am

Business Enabler in Zorlu Center, Istanbul

Super Mall Zorlu Center

Die neuesten, modernsten und luxuriösesten Shopping Center in Istanbul standen auf meinem Programm. Und Zorlu Center ist überwältigend. Nicht das Retail Angebot (das trotz seiner beeindruckenden Dichte an Luxusmarken auf dem Square Floor und der Vielzahl an Mainstreammarken auf den beiden unteren Levels austauschbar wirkt) sondern der Lifestyle, der zum einen über die moderne Architektur und zum anderen über das Angebot an Gastronomie, Wohnraum, Sport, Kultur und Unterhaltung vermittelt wird, macht die Einmaligkeit dieses Centers aus. Für mich wirklich ein „third place“ – zumindest für die, die es sich leisten können.

Konzept

Auf 4 Ebenen werden im Zorlu Center knapp 200 Stores und ca. 50 gastronomische Einheiten erlebbar. Je höher man sich im Center bewegt, desto exquisiter werden Shops und Restauration. Während auf dem Metro und Bosporus Floor die bekannten High Street Fashionmarken und ein sich über mehrere Ebenen erstreckender Apple Store sowie ein großer Foodcourt das Bild bestimmen, wird auf dem Square Floor ein luxuriöser Lifestyle zum hautnahen Erlebnis. Neben den obligatorischen Luxusmarken und Verweilmöglichkeiten sowohl indoor als auch outdoor wird zum Teil ein atemberaubender Blick auf den Bosporus geboten. Ein sehr spannend kuratiertes Sortiment bietet der türkischstämmige Department Store Beymen, der wie ein lässig-luxuriöser Konzeptstore wirkt.

Veröffentlicht am

Erfahrungsbericht über die Einführung von Predictive Analytics

Bettina Wiegen,Erfahrungsbericht

Wie ich lernte, Big Data zu lieben – Erfahrungsbericht über die Einführung von Predictive Analytics zur automatisieren Bedarfsermittlung im eCommerce

Ausgangssituation

Als Projektleiter im Category Management eines mittelständischen Multilabel und Multichannel Einzelhändlers war ich u.a. verantwortlich für die Optimierung der Einkaufs- und Beschaffungsprozesse. Im Rahmen der digitalen Transformation stand nicht nur das Geschäftsmodell des ursprünglichen Versand und Stationär Händlers auf dem Prüfstand, sondern auch die interne Prozesslandschaft. Konkret ging es in diesem Fall um die Frage, wie die Bedarfsermittlung in der Saison – also die Einschätzung des Umsatzpotentials einzelner Artikel nach Vorliegen der ersten Abverkäufe – zum einen an die hohe Dynamik und Komplexität des eCommerce Geschäfts angepasst und zum anderen die Mitarbeiter in der Disposition durch einen möglichst hohen Automatisierungsgrad in ihren Aufgaben entlastet und unterstützt werden konnten.

Ich möchte Sie auf eine Reise mitnehmen, die mit einem grundlegenden Paradigmenwechsel im Einkauf beginnt und mit der erfolgreichen Implementierung der Hochrechnungssoftware noch lange nicht endet. Neben einer Beschreibung der Projektvorgehensweise werde ich Sie in diesem Erfahrungsbericht insbesondere an unseren „Lessons learned“ teilnehmen lassen.

Projektdefinition, -planung und -durchführung

Aufgrund der Vielzahl der Umsatztreiber (Printaktionen, eCommerce Kampagnen, Filialbeilagen, Trends etc.) und den damit verbundenen starken Nachfrageschwankungen im Zeitablauf war schnell klar, dass konventionelle Demand Planning Prognoseverfahren nicht ausreichen würden, um eine belastbare Prognose auf der Ebene Artikelgröße zu erstellen. Ebenso wurde deutlich, dass es nicht damit getan sein würde, die bestehenden Prognosetools, die sich bei der Hochrechnung der Katalogartikel bewährt hatten, zu übernehmen oder zu überarbeiten. Was nötig war, war ein grundlegender Paradigmenwechsel in der Disposition!

Die physische Warenverfügbarkeit ist im eCommerce von hoher Priorität, da sie ein Hauptkriterium für das Ranking von Produkten im Webshop ist – ohne verfügbare Ware besteht ein hohes Umsatzrisiko. Die Umsatztreiber sind multikausal und nicht mehr durch lineare, rein vergangenheitsorientierte Prognosemodelle abbildbar. Umsatzsteigernde Maßnahmen sind kurzfristig möglich und verändern den Umsatzverlauf einzelner Artikel spürbar. Für unser Projekt waren damit folgende grundsätzliche Anforderungen definiert: das Prognosetool sollte auf Basis von Big Data Anwendungen arbeiten und möglichst viele Faktoren berücksichtigen, die den Abverkauf beeinflussen, es sollte auf Basis Nachfrage (=Warenbedarf) und Retouren hochrechnen, den gesamten Lebenszyklus eines Artikels beinhalten und, um eine flexible und zeitnahe Steuerung zu unterstützen, Prognosedaten auf Ebene Woche bereitstellen.

Nach der Erarbeitung der grundlegenden konzeptionellen Anforderungen sah die Projektplanung folgende Schritte vor:

  • Anbieterauswahl
  • Feinkonzeption Dateninput und -output
  • Migration historischer Daten
  • Entwicklung Prognosemodell
  • Integrationstests
  • Go live

Bei der Anbieterauswahl kam ein Dienstleister zum Zuge, mit dem schon im Vorfeld die Möglichkeiten von Predictive Analytics und der Einsatz von maschinellem Lernen zur Verbesserung der Hochrechnungsqualität über einen längeren Zeitraum getestet worden war. Charakteristik der Predictive Analytics Verfahren ist, dass auf Basis von Datenmodellen und Algorithmen Vorhersagen getroffen werden, wie sich der Absatz in der Zukunft entwickeln kann bzw. wird. Diese Modelle werden sowohl mit Vergangenheitsdaten als auch mit Parametern, die den zukünftigen Abverkauf beeinflussen, gefüttert und trainieren und optimieren sich selber.

Die Feinkonzeption beinhaltete im Wesentlichen, mit welchen Daten das Prognosetool gespeist und welche Daten zu welchem Zeitpunkt hochgerechnet und geliefert wurden. Das umfasste natürlich auch die Frage, welche Vergangenheitsdaten wie weit zurück aufbereitet werden konnten. Die wesentlichen Schnittstellen – was sowohl den Input als auch den Output anging – mussten zu SAP gebaut werden. Darüber hinaus waren aber auch Schnittstellen zum Webshop (für Infos wie z. Bsp. Onlinestellungsdatum, Ranking, Clicks) relevant. Eine wesentliche Aufgabe des externen Dienstleisters war natürlich die Entwicklung des Prognosemodells und der entsprechenden Algorithmen. Das Modell lernte anhand der Vergangenheitsdaten und erstellte rückwirkend für die Vergangenheit zu unterschiedlichen Zeitpunkten Prognosen, die dann mit den tatsächlichen Istwerten verglichen wurden. Allerdings wurde diese Aufgabe erheblich dadurch erschwert, dass eine Vielzahl der benötigten Daten noch nicht in der neuen Struktur vorlag. Nach entsprechenden Integrationstests in die SAP Umgebung war der Go Live nach ca. 12 Monaten geplant.

Der Termin konnte auch in etwa gehalten werden. Inputdaten wurden täglich auf Ebene Artikelgröße von SAP an das Hochrechnungstool geliefert und nach einem Hochrechnungslauf auf der Maschine des Dienstleisters die entsprechenden Prognosen (Bruttoabsatz und Retouren auf Ebene Woche für einen Zeitraum von 6 Monaten) zurück an die SAP Module BW und MM geliefert. Die Hochrechnungsqualität lag anfänglich aufgrund von mangelhafter Inputdaten und Anlaufzeit, die das Modell brauchte, um die Algorithmen zu optimieren, bei ca. 50%. Diese Prozentzahl bezieht sich auf das Verhältnis von absoluter Stückabweichung der Prognose zum Istwert (retrograde Betrachtung). Mit verbessertem Dateninput und Training des Prognosemodells sind deutliche Verbesserungen zu erwarten – je nach Zeitpunkt der Prognoseerstellung liegt die Zielsetzung bei einer relativen Abweichung von maximal 20-30%.

Fazit

Im Laufe des Projektes wurden wichtige Erkenntnisse gesammelt. So wurde der durchaus kostspielige Einsatz von Predictive Analytics über einen Business Case gerechnet – Mehrumsätze durch verbesserte Warenverfügbarkeit bei gleichzeitiger Reduzierung von Beständen und Überhängen kompensierten die Kosten. Sie sollten sich fragen, ob Ihre Fragestellung so ein komplexes Tool rechtfertigt. Wenn Sie Produktdaten nicht nur im Rahmen der Artikelprognose sondern auch in Verbindung mit CRM Maßnahmen nutzen wollen oder daran denken, ein Pricingtool einzuführen, dann ergeben sich sicherlich aus der gemeinsamen Nutzung der Daten große Synergiepotentiale.

Die Messbarkeit der Prognosequalität ist unabdingbar, um sowohl das Modell ständig verbessern zu können als auch um die Akzeptanz der Prognose bei den Anwendern zu stärken. Das Modell trifft eine Aussage über das Umsatzpotential jedes einzelnen Artikels – das vorgegebene Budget limitiert weiterhin das Ordervolumen. Die Entscheidung, welche Artikel auf Basis eines automatisierten Bestellvorschlags in welchem Umfang nachgeordert werden, verbleibt beim Disponenten. Unterstützt wurde der Disponent bei dieser Entscheidung durch ein Bestandssteuerungstool, das auf Basis von Warenbedarf und Warenbereitstellung das Open-to-Buy über den gesamten Entscheidungszeitraum ausweist.

Die intensive Betreuung und Weiterentwicklung des Tools nach der Go live Phase ist essentiell. Nur durch intensives Monitoring der Hochrechnungsergebnisse und regelmäßige Feedbacks an die Entwickler des Modells ist eine Verbesserung der Hochrechnungsqualität möglich. Es empfiehlt sich auch, die Gesamtprognose über alle Artikel mit den zentralen Unternehmensprognosen zu vergleichen und damit einen ersten Plausibilitätscheck durchzuführen. Informationen zu zukünftigen (auch kurzfristigen) umsatzrelevanten Maßnahmen sollten so weit wie möglich im Prognosemodell berücksichtigt werden.

Rückblickend waren für die erfolgreiche Einführung des Projektes aus meiner Sicht 3 Faktoren ausschlaggebend. Zum einen die heterogene Zusammensetzung des Projektteams, das aus Data Scientists, Disponenten, SAP Spezialisten und unternehmensinternen IT Experten mit klaren Aufgabenverteilungen bestand. Zum anderen war die Vorarbeit in Form des Grobkonzeptes enorm wichtig, so dass allen Beteiligten schon zu Beginn des Projektes klar war, welchen Anforderungen das neue Prognosetool genügen sollte. Ebenso war eine straffe Projektorganisation und eine geregelte und offene Kommunikation zwischen internen und externen Projektbeteiligten unabdingbar für die effiziente und vertrauensvolle Zusammenarbeit. Letztendlich stand trotz aller Automatisierung und Digitalisierung der Mitarbeiter und seine Anforderungen im Mittelpunkt unseres Projektes.