Non Food führende Tchibo Outlets in Deutschland: Standortplanung mit Hilfe geografischer Informationssysteme bei Tchibo 842 Filialen 5308 FH Depots 7993 LH Depots 28 Franchise 25 TC% Größte Distanz zur Filiale ca. 81km 16928 Bölzke, Boddiner Weg Größte Distanz zum Non Food Depot ca. 48km 27498 Helgoland, An der Sapskuhle Seite 1
Geographisches Basisdatenvolumen Straßennetz (13.490) Gemeindedaten (Tourismus) (13.490) Mikrosozioökonomie auf Straßenabschnitt (1.445.309) Einzelhandel (430.313) Makrosozioökonomie PLZ & Gemeindedaten (8.313) & (13.490) Baumärkte & Gartencenter (4.009) &(2.640) Einkaufscenter (1.387) Lebensmittelhandel (41.707) Basis: ArcView Projekt mit 7,49 GB Speicherplatz Seite 2
Tchibo-generierte Geodaten zur Standortplanung Einzelhandelszentren (21.029) Höhenmodell Deutschland (Basispunktraster 90*90m => vereinfacht auf 500m*500m) Fußgängerzonen & 1A Lagen (17.918) & (748) Seite 3
Aufgaben der Standortbewertung FBV bei Tchibo Suche nach weißen Flecken und schwach abgeschöpften Einzelhandelszentren in der Vertriebsoberfläche Dislozierung und Nachverdichtung des Filialnetzes Kannibalisierungsanalysen / Geo-Controlling Minimierung von Fehlentscheidungen bei Filialeröffnung, Filialverlegung, Zusammenlegung (aus zwei mach 1) durch exakte Umsatzschätzung Abstimmung & Kommunikation der Expansion von drei Vertriebswegen FL / FH / LH Seite 4
GIS-DB-Struktur und Außendienst (AD) Informationsfluss FBV (10) IST Plan für 2005 Generalprojekt TOPAS / FLEX Access AD Access Replikat FH (12) EIS FL (62) FLEX ArcExplorer ArcReader (Arbeitsplätze) Seite 5
Expansionsprozess (vom Angebot zur Anmietung) Potentialbewertung FBV Vorortprüfung durch Immobilienmanagement Umsatzschätzung FBV Vorortprüfung durch Verkaufsleitung Vorentwurfszeichnung Filiale Anmietung Externes Maklerangebot Interner Standort aus FLEX DB Field Research Seite 6
Angewandte Methoden der Standortbewertung und Planung bei Tchibo Regression Nach Einzelhandelszentren und Filialtyp differenzierte Regressionsgleichungen (30 Stück) Scoringmodell eindimensionales Scoringboard Analogieschluss Einzelhandelsvergleich im 100m & 250m Umfeldradius Vergleich der Einzelhandelszentren (nach Einzelhandelsumsatz, Kaufhäuser, Referenzfilialisten usw.) Gemeindevergleich (Einwohner, EH-Umsatz, Kaufkraft, Arbeitslosigkeit und Zentralität ) Risikofaktoren Analyse von Risikofaktoren z.b. mäßiger Branchenmix, kein Kaufhaus, hohe Arbeitslosigkeit, geringe Kaufkraft, geringe øauslastung der Betten (Touristische Attraktivität) kaum TC affine Haushalte, schmale Front und Stufen am Objekt ) parasitäre Planung Punktzahl für nationale Referenzfilialisten (280) im 100m Umfeld (z.b Schlecker 2, kik 3 / Douglas 52 und O² 62 Punkte) Seite 7
Geographische Kurzanalyse und Regression am Beispiel Kappeln Seite 8
Kriterienkatalog der Weißen Fleckensuche am Beispiel Kappeln / Schlei Analyse des Einzelhandels - zentrums/ 250m-Radius: Branchenmix 100m / 250m Referenzfilialisten Kaufhaus/Fußgängerzone Analyse des Tourismus: Ø Auslastung der Betten Tourismusintensität Gastgewerbebeschäftigte Analyse von Gemeindedaten: Einzelhandelsumsatz Zentralität (1,89) Einwohner Kaufkraft Arbeitslosenanteil* Zersiedlung Analyse des Einzuggebietes: Anzahl Haushalte absolut Anzahl Haushalte T1 oder T2 Sonstige Prüfungen: Einkaufcenter Vorkassenzonen FOC Internetseite der Stadt ÖPNV Wochenmarkt * =Arbeitslose der Gemeinde / Einwohner der Gemeinde Seite 9
Kurzanalyseberichte am Beispiel Kappeln (Analogieschluss) Vergleich von Gemeinderahmendaten Seite 10
Potentialbewertung Kappeln (Ausschnitte) Besonders Augenmerk verdient der Tourismus in Kappeln: Die sekundäre Bevölkerung resultierend aus den Touristen entspricht 269 permanenten Einwohnern. Die Touristen verweilen ø 3,79 Tage (98.291 Übernachtungen/25.907 Ankünfte) 43 Betriebe halten 906 Betten vor, die allerdings ganzjährlich nur zu 26,4% belegt sind Der Anteil der Beschäftigten im Gastgewerbe beträgt im Sommer 6% und im Winter 4%! Seite 11
Interpretationsproblem von Gemeinderahmendaten bei Zersiedung und EH auf der Grüne Wiese Pfarrkirchen Neutraubling Gemeindename Einwohner KK EH Umsatz Zentralitätsindex EH Umsatz pe ArbeitslosenAnteil Stadt 11.657,00 99 119.131.008 2,03 10342 4,4 Stadt 11.851,00 101 117.597.133 2,07 10078 3,99 Kappeln, Stadt 10.138,00 88 102.258.376 2,10 10025 4,56 Kappeln Trotz ähnlicher Gemeindedaten stellen sich die drei Gemeinden geographisch und einzelhandelstechnisch grundsätzlich verschieden dar. Kappeln besitzt 34 Ortsteile und Neutraubling nur Einen! In Neutraubling wird der EH-Umsatz durch einen GLOBUS generiert (ca. 81 Mio. = 70% des gesamten EH Umsatzes) in Kappeln sind es über 50 verschiedene Einzelhändler in der Innenstadt! In Pfarrkirchen ist es die Mischung: real,- generiert ca. 33 Mio. (ca. 27% der Gemeinde) der Rest stammt aus dem innenstädtischen Einzelhandel. Seite 12
Dieses Axiom steuert die Expansionspolitik eines Einzelhändlers Personalkosten sind bundesweit tariflich gleich. Der Standort differenziert sich wirtschaftlich nur durch die Miete und Umsatz. Eine Expansion in mietgünstige Standorte korreliert mit hohen Leerständen, geringem Koppelungspotential und anderer Risikofaktoren. Eine Expansion in mietteuere Standorte korreliert oft mit hoher Konkurrenz/Kannibalisi erung und geringerer Rendite. + - Probleme der Immobilienverfügbarkeit Risikofaktoren Umsatzerwartung Bisheriges Filialnetz Vorteil GIS: mit der Koppelung des Investmentantrages veranschaulicht eine geographische Simulation betriebswirtschaftlich komplexen Zusammenhänge in der Karte! Miete Seite 13
Probleme der Umsatzprognose in der Expansionsphase Das Problem der statistischen Umsatzprognose bei einer Expansion außerhalb des validierten Untersuchungsbereiches (bisheriges Filialnetz). Workaround: verstärkte Analyse der Risikofaktoren sowie Scoring bestehender Filialisten (parasitäre Standortplanung) + Umsatzerwartung Gültigkeit der Regression Bisheriges Filialnetz?? - Güte des Standortes + Seite 14
Lage(un)genauigkeit durch Geocodierung Trier - Simeonstraße Apolda - Bahnhofstraße Seite 15
Teure Folgefehler durch billige Geocodierung Cuxhaven - Nordersteinstraße Köln Venloer Straße Radienselektionen liefern hier je nach Qualität des Geocoders völlig andere Ergebnisse z.b. Branchenmix, Konkurrenz etc. Seite 16
Aktuelle Tests* & Ausblick Geocoder* ArcSDE* ArcEdit ArcPad* SAP BW Ziel Gecodierung auf Hauskoordinaten Ziel keine Redundanz der Daten Ziel bidirektionale Korrektur von Sach- und Geodaten Ziel Online-Erfassung mit PDA von Immobiliendaten und Straßenkartierungen (Field Research) Ziel Integration von Shapes in SAP BW Seite 17