Brötchen und Wetter wie passt das zusammen?

Transkript

1 Brötchen und Wetter wie passt das zusammen? Bäckereien nutzen regionale Einflüsse und Wetterprognosen für die Bestelloptimierung Dr. Florian Siedenburg 2013 IBM Corporation

2 2 Der Zusammenhang von Wetter und Absatz: Kundenverhalten und Wetter

3 3 Der Zusammenhang von Wetter und Absatz: Kundenverhalten und Wetter

4 Der Zusammenhang von Wetter und Absatz: Herausforderungen HINTERGRUND Bedarfsprognosen für verderbliche Ware 4

5 Der Zusammenhang von Wetter und Absatz: Herausforderungen HINTERGRUND Bedarfsprognosen für verderbliche Ware Absatzprognosen nach gesundem Menschenverstand ohne Berücksichtigung des Wetters 5

6 Der Zusammenhang von Wetter und Absatz: Ferien als Herausforderung in Bäckereien Ferien mit höherem Umsatz

7 Der Zusammenhang von Wetter und Absatz: Ferien als Herausforderung in Bäckereien Unterschätzung Überschätzung Einfache Prognose

8 Der Zusammenhang von Wetter und Absatz: Herausforderungen HINTERGRUND Bedarfsprognosen für verderbliche Ware Absatzprognosen nach gesundem Menschenverstand ohne Berücksichtigung des Wetters LÖSUNG meteolytix forecast: individuelles statistisches Prognosetool, das auch das Wetter berücksichtigt 8

9 Das System meteolytix forecast: Einflussfaktoren und Prognose 1 nicht-wetterbedingte Modellmerkmale Datengrundlage statistische Analysen 3 4 wirtschaftliche Prognose 2 wetterbedingte Modellmerkmale meteolytix forecast 9

10 Das System meteolytix forecast: Einflussfaktoren und Prognose im Detail 1a nicht-wetterbedingte Modellmerkmale: allgemeine Einflussfaktoren Wochen- / Kalendertage Schulferien Feiertage 10

11 Das System meteolytix forecast: Einflussfaktoren und Prognose im Detail 1a nicht-wetterbedingte Modellmerkmale: allgemeine Einflussfaktoren Wochen- / Kalendertage Schulferien Feiertage 1b nicht-wetterbedingte Modellmerkmale: kunden- und regionalspezifische Faktoren regionale Feste, Veranstaltungen kundenspezifische Maßnahmen, z.b. Preiseffekte 11

12 Das System meteolytix forecast: Einflussfaktoren und Prognose im Detail 1a nicht-wetterbedingte Modellmerkmale: allgemeine Einflussfaktoren Wochen- / Kalendertage Schulferien Feiertage 1b nicht-wetterbedingte Modellmerkmale: kunden- und regionalspezifische Faktoren regionale Feste, Veranstaltungen kundenspezifische Maßnahmen, z.b. Preiseffekte 2 wetterbedingte Modellmerkmale Morgen Mittag Nachmittag Abend Nacht WETTERANGABEN FÜR MEHRERE ZEITPERIODEN PRO TAG Wetterdaten (Wettermuster) Temperatur Sonnenschein / Bedeckung Wind Niederschlag Gewitter / Unwetter Glatteis 12

13 Das System meteolytix forecast: : Rahmenbedingungen der Prognosen Big Data- Problem 13

14 Das System meteolytix forecast: : Rahmenbedingungen der Prognosen Big Data- Problem multivariates Problem 14

15 Das System meteolytix forecast: : Rahmenbedingungen der Prognosen Big Data- Problem multivariates Problem automatische Auswahl Erklärende 15

16 Das System meteolytix forecast: : Rahmenbedingungen der Prognosen Big Data- Problem multivariates Problem automatische Auswahl Erklärende Losgrößen 16

17 Das System meteolytix forecast: : Rahmenbedingungen der Prognosen Big Data- Problem multivariates Problem automatische Auswahl Erklärende Losgrößen Neue Artikel, Marketingaktionen 17

18 Das System meteolytix forecast: : Rahmenbedingungen der Prognosen Big Data- Problem multivariates Problem automatische Auswahl Erklärende Losgrößen Neue Artikel, Marketingaktionen 3 statistische Analysen / Data Mining 18

19 Das System meteolytix forecast: : Rahmenbedingungen der Prognosen Big Data- Problem multivariates Problem automatische Auswahl Erklärende Losgrößen Neue Artikel, Marketingaktionen 3 statistische Analysen / Data Mining Permanente Optimierung der Prognosen Datenanalyse Prognose Evaluation 19

20 Der Einsatz des Systems in der Praxis: Einsparungen an Retourenkosten durch meteolytix forecast 5% Umsatz- und Retourenquotenentwicklung 2011 gegenüber 2012 (jeweils Januar bis August) 3% 0% -5% Umsatz Retourenquote -10% -15% -20% -25% -20.7% Mit meteolytix forecast ließen sich gegenüber dem Vorgängerprognosesystem Retouren im Verkaufswert von je Filiale und Jahr einsparen. 20

21 Der Einsatz des Systems in der Praxis: Einsparungen an Lebensmitteln durch meteolytix forecast 2,00 m 2,00 m 2,50 m Mit meteolytix forecast ließen sich gegenüber dem Vorgängerprognosesystem Lebensmittelabfälle im Volumen von ca. 10 m 3 je Filiale und Jahr einsparen. 21

22 Vielen Dank! 2013 IBM Corporation