Out-of-Stock Prognose

Transkript

1 Out-of-Stock Prognose Verschafft einen ersten Einblick über Out-of-Stock Prognose im Lebensmitteleinzelhandel Research, Analysis & Consulting 1

2 Projektsteckbrief Projekt: Out-of-Stock Situation im Einzelhandel Ziel: Identifikation von Out-of-Stock Situation und Bestimmung der Umsatzpotenziale für einen großen Brot- und Backwarenhersteller Datengrundlage: Bondaten eines großen SBW- Betreibers 2

3 Out-of-Stock im LEH Trotz verbesserter Warenwirtschaftssysteme sind die Regallücken-Raten (Out-of-Stock) nach wie vor sehr hoch Die Käufer sind irritiert und suchen nach Alternativen! Out of Stock-Rate* Weltweit 8,3 % Europa 8,6 % USA 7,9 % Andere Regionen 8,2 % *durchschnittliche OOS-Rate Quelle: Kühne-Institut für Logistik, Universität St. Gallen

4 Out-of-Stock im LEH Je nach Bedeutung des vermissten Produktes kann eine Outof-Stock Situation zu Käuferwanderungen und Umsatzverlusten führen Kundenreaktion auf Out of Stock 9% verzichten auf Kauf Entgangener Umsatz zu Lasten des Händlers und Herstellers 26% substituieren das Produkt durch ein markenfremdes Produkt Entgangener Umsatz zu Lasten des Herstellers 15% Kauf wird verschoben 19% Substitution des Produkts durch anderes Produkt derselben Marke 31% suchen ein anderes Geschäft auf Entgangener Umsatz zu Lasten des Händlers Quelle: Kühne-Institut für Logistik, Universität St. Gallen 4

5 Out-of-Stock im LEH Die Gründe für Out-of-Stock sind vielfältig. In 72% der Fälle ist die Ursache in der Filiale zu suchen! Bestellung der Filiale 34 % Prognose der Filiale 13 % 72% Regal Nachbefüllung 25 % Distributionszentrum 10 % Zentrale Handel/ Hersteller 14 % 28% Andere Gründe 4 % Quelle: Kühne-Institut für Logistik, Universität St. Gallen 5

6 Bestimmung von Out of Stock Mit Hilfe der Bondatenanalyse können artikel-,pos- und tagesgenau die regulären Zeitpunkte und die regulären Absätze prognostiziert werden, zu denen der jeweilige Artikel als Letztes gekauft wurde. Aufgrund saisonaler Effekte wird je POS, Monat und Wochentag der reguläre Zeitpunkt für einen Artikel bestimmt, zu dem er als letztes gekauft wurde. POS XY: Prognose für KW 28 (Juli) für Brand 3219 Uhrzeit prognostizierter Absatz Absatz prognostizierter Zeitpunkt Montag Dienstag Mittwoch Donnerstag Freitag Samstag 6

7 Datengrundlage: Bondaten auf Stundenbasis OoS Umsatzpotenziale Wie können die Umsatzpotenziale bestimmt werden? Vorgehensweise: Für eine festgelegte Periode können nun auf Basis des Wochentages und des Monats die Tage bestimmt werden, bei denen mit einer 99%igen Wahrscheinlichkeit eine Out-of- Stock Situation aufgetreten ist. Gemäß der identifizierten Tage, in denen eine Out-of Stock Situation aufgetreten ist, kann der entgangene Absatz und somit Umsatz bestimmt werden 7

8 Umsatzpotenziale Wie können Out-of-Stock Situationen identifiziert werden? Uhr Stunden früher als der reguläre Zeitpunkt wurde der Artikel zuletzt verkauft Absatz- Verlust in Höhe von 11 Stück Uhr Uhrzeit Ist-Wert Montag POS XY: Prognose für KW 28 (Juli) für Brand 3219 Prognose-Wert Absatz Montag Dienstag Mittwoch Donnerstag Freitag Samstag 8

9 Potenziale OoS Umsatzpotenziale Ergebnisse der empirischen Analyse mit Bondaten für einen großen Brot und Backwarenhersteller bei einem SBW- Betreiber: In der Jahresbetrachtung entstanden Umsatzverluste durch Out-of-Stock in Höhe von 15,38 % des Umsatzes. 9

10 Einflussfaktoren Einflussfaktoren OoS Ganzheitlicher Ansatz OoS-Messung (Datenbasis) Nachfrageseite Angebotsseite Kundenverhalten OoS Hauptursachen Bewertung von OoS Automatisierte OoS Erkennung Automatisierte Disposition Ausschöpfung der Umsatzpotenziale und Verringerung der Retouren 10

11 Projektphasen OoS Beispiel-Projektfahrplan 1. Datenbeschaffung 2. Datenerhebung am POS 3. Konzeption u. Maßnahmen 4. Projektabschluss Analyse von Bondaten auf Stundenbasis zur Potenzialbestimmung Bestimmung der OOS- Quoten und deren Einflussfaktoren erste Handlungsempfehlungen sowie Konzepte zur autom. OOS- Erkennung und autom. Disposition Umsetzung und Kontrolle der autom. OOS-Erkennung und der autom. Disposition 11

12 Out-of-Stock Prognose Fazit: Trotz verbesserter Warenwirtschaftssysteme ist die Out-of-Stock Rate nach wie vor sehr hoch. In 72% der Fälle sind die Probleme am POS zu finden. Mittels der Bondatenanalysen können OoS Situationen identifiziert werden. Eine bondatenanalytisch gesteuerte automatisierte Disposition reduziert die OoS-Rate bis auf 0.01%. 12

13 Research, Analysis & Consulting Dipl.-Kfm. Jörg Schwerdtfeger Luisenstraße Bielefeld T F kontakt@schwerdtundfeger.de 13