Herausforderung
Die optimale Disposition von Produkten im Lager ist eine komplexe Thematik, die häufig durch manuelle Arbeit oder Erfahrungswerte geprägt ist. Eine automatische Disposition unterstützt Retailer dabei, Out-of-Stock-Situationen zu vermeiden, die zum Beispiel durch menschliche Faktoren ausgelöst werden. Unser Kunde, ein internationales Retail-Unternehmen, stand vor der Herausforderung, die bereits existierende Dispositions-Engine in der Weihnachtszeit zu optimieren, um zu hohe automatische Nachbestellungen nach dem 24.12. zu vermeiden. Solche Überbestellungen wurden bisher durch die automatisierte Engine des Kunden generiert, die basierend auf kurzfristigen historischen Daten die zu bestellenden Mengen berechnet.
Ansatz
Nach einer detaillierten Untersuchung der Sales- und Lagerdaten haben wir verschiedene Methoden getestet und verglichen, um ein Modell zu entwickeln, das automatisch die Prognosen der Dispositions-Engine entsprechend den saisonalen Mustern und der Weihnachtszeit korrigiert. Es nutzt die Patterns vergangener Weihnachtsperioden, um diese in die Zukunft zu extrapolieren – so können unnötige Bestellungen nach Weihnachten vermieden werden.
Ergebnis
Die Ergänzung der bestehenden Engine mittels statistischer Methoden hat die Überhitzung in der Weihnachtszeit vollautomatisch korrigiert. Nach der Implementierung der Engine-Korrektur konnten für das Weihnachtsgeschäft sowohl Out-of-Stock- als auch Overstock-Situationen und damit massive Nachbestellungen erfolgreich vermieden werden.