de
                    array(1) {
  ["de"]=>
  array(13) {
    ["code"]=>
    string(2) "de"
    ["id"]=>
    string(1) "3"
    ["native_name"]=>
    string(7) "Deutsch"
    ["major"]=>
    string(1) "1"
    ["active"]=>
    string(1) "1"
    ["default_locale"]=>
    string(5) "de_DE"
    ["encode_url"]=>
    string(1) "0"
    ["tag"]=>
    string(2) "de"
    ["missing"]=>
    int(0)
    ["translated_name"]=>
    string(7) "Deutsch"
    ["url"]=>
    string(74) "https://www.statworx.com/case-studies/sales-forecasting-mit-deep-learning/"
    ["country_flag_url"]=>
    string(87) "https://www.statworx.com/wp-content/plugins/sitepress-multilingual-cms/res/flags/de.png"
    ["language_code"]=>
    string(2) "de"
  }
}
                    
Kontakt
Case Studies
Case Studies

Sales Forecasting mit Deep Learning

In diesem spannenden Projekt haben wir eine Sales Forecasting Engine auf Basis von Deep Learning Modellen zur Vorhersage des erwarteten Absatzes in den nächsten drei Monaten entwickelt.

  • Branche Retail & Consumer
  • Thema Forecasting
  • Tools Teradata, SQL, R, H2O
  • Projektdauer 3 Monate

Herausforderung

Im Retail-Umfeld ist Sales Forecasting einer der bekanntesten Data Science Use Cases für den Einsatz von Statistik und Machine Learning. Unser Kunde, ein internationaler Retail-Konzern, steht vor der Herausforderung, den Einkauf von Produkten einer bestimmten Warengruppe besser zu planen. Generell soll die Anwendbarkeit von Forecasting-Modellen getestet werden. In der Vergangenheit kam es immer wieder zu Out-of-Stock-Situationen, die sich negativ auf Sales und Kundenzufriedenheit auswirkten.

Ansatz

Zur Prognose der benötigten Mengen wurden Kassendaten auf Bon-Ebene auf Tages- und Wochenbasis aggregiert. Anschließend wurden, neben Produkt-, Stock- und Promotion-Daten, verschiedene externe Einflussfaktoren wie Ferien und Feiertage, saisonale Effekte und aggregierte Sales-Informationen modelliert und zur Prognose in komplexe Deep Learning Modelle überführt. Diese wurden aufwändig unter Maximierung der Prognosegüte optimiert und anschließend in die IT-Infrastruktur des Kunden implementiert. Hier können die Modelle nun tagesaktuell automatische Prognosen für die betrachteten Produkte generieren. Diese werden automatisiert historisiert, um eine Nachvollziehbarkeit der Ergebnisse im Zeitverlauf sicherstellen zu können.

Ergebnis

Ausgehend von den täglich generierten, produktspezifischen Forecasts kann unser Kunde nun den Einkauf sowie die Logistik der betrachteten Produkte optimieren. Dem Prognosehorizont von drei Monaten entsprechend, können auf dieser Basis sowohl kurzfristige als auch mittelfristige Aktionen geplant und durchgeführt werden.

Experte

Kontakt anfragen

Erfahre mehr!

Als eines der führenden Unternehmen im Bereich Data Science, Machine Learning und KI begleiten wir Sie in die datengetriebene Zukunft. Erfahren Sie mehr über statworx und darüber, was uns antreibt.
ÜBER UNS