Wie AI Absatzprognosen transformiert

Wenn es regnet, werden mehr Schirme verkauft. Zugegebenermaßen liegen einfache Zusammenhänge wie dieser auf der Hand. Die Dynamik am Markt hängt jedoch von vielen, zum Teil sich gegenseitig beeinflussenden Faktoren ab. Absatzprognosen dienen Händlern und Herstellern dazu, ihre Umsätze zu optimieren und ihre Produktion sowie Bestände entsprechend anzupassen. Das Wissen über zukünftige Ereignisse sowie Kunden und ihr Kaufverhalten ist also mehr als nur die Grundlage für Absatzprognosen. Intelligente Absatzprognosen werden zunehmend zu einem Instrument für die eigene strategische Planung und Steuerung von Geschäftsprozessen.

Absatzprognosen werden heute, insbesondere durch die Entwicklungen im Bereich Artificial Intelligence (AI), immer exakter und die untersuchten Zusammenhänge gleichzeitig komplexer. Vorausgesetzt, die entsprechenden Daten liegen vor. Die vier zentralen Ziele von AI-gestützten Absatzprognosen sind:

1. Vermeidung von Out-of-Stock-Situationen sowie Überschuss-Beständen.
2. Eine bessere Positionierung am Markt gegenüber Mitwettbewerbern.
3. Eine Optimierung der Customer Journey für die eigenen Kunden.
4. Die Überprüfung und Erweiterung der Wertschöpfungskette.

Dies gelingt durch die optimale Steuerung von Produktion, Distribution und Planung von Mitarbeitern, Waren, Wissen und Assets. Aus den Prognosen lassen sich Handlungsempfehlungen ableiten, um beispielsweise neue Zielgruppen zu ermitteln und diese über alle relevanten Kanäle zu erreichen.

“#Intelligente #Absatzprognosen sind ein Instrument zur Planung und Steuerung von #Geschäftsprozessen.“

Twittern WhatsApp

Das Marketing liefert wertvolle Daten

Kaum eine Abteilung bzw. Unternehmensbereich verfügt über ein so detailliertes Wissen über das Verhalten von Kunden wie das Marketing. Marktforschung und die Analyse von Kundenbedürfnissen und Konsumverhalten zählen zu den Kernaufgaben und Kernkompetenzen von Marketern. Damit schaffen sie eine Datenbasis, die für die strategische Planung und Steuerung von Unternehmen wertvoll ist. Aufgrund dieser Expertisen erklärt sich auch die immer größere Bedeutung von Marketing-Experten im Bereich der Geschäftsführung und ihre zunehmende Verankerung auf C-Level-Ebene.

Wie kaum ein anderer Bereich steht das Marketing zwischen Unternehmen und Kunden. Insofern verwundert es auch nicht, dass laut einer wissenschaftlichen Studie Vertrieb und Marketing die „am häufigsten genutzten Stellschrauben bei veränderten Absatzprognosen“ sind. Vor allem die Verbesserung der Kundenbeziehung durch Omnichannel-Marketing sind hier geeignete Mittel.

Der Fokus muss auf die Daten gelegt werden

Das Wissen aus dem Marketing kann aber nur unter einer Bedingung fruchtbar werden: Alle Abteilungen sind entsprechend intern miteinander vernetzt werden. Anders ausgedrückt: Datensilos müssen konsequent abgebaut werden. Die eben erwähnte Studie weist auch nach, dass die Daten für Absatzprognosen im Moment zum Großteil aus der Marktforschung stammen. Wenn aus der Vielzahl und Vielfalt der verfügbaren Daten relevante Informationen für die Planung werden sollen, müssen sie an einer Stelle und zu jeder Zeit verfügbar sein. Technisch gesprochen bedeutet das beispielsweise die Schaffung eines Data Lakes, in den alle Daten eingespeist werden.

Auch wenn es auf den ersten Blick so erscheinen mag, stellen Daten die meisten Unternehmen nicht in erster Linie vor technische Herausforderungen. Vielmehr muss die gesamte Organisation lernen, ein Bewusstsein für Daten und Datenqualität auszubilden. Neue Standards und Verhaltensweisen müssen zum Teil der DNA von Unternehmen werden. Veränderungen in der Unternehmenskultur sind neben den technischen Lösungen also eine wichtige Voraussetzung, um Absatzprognosen als strategisches Mittel einsetzen zu können.

Wie AI Absatzprognosen verbessert

Absatzprognosen sind im Grunde nichts anderes als Datenanalysen. In der Regel beruhen diese heute auf Big Data – auch wenn es insbesondere in diesem Fall dafür nicht immer gleich Petabytes an Daten sein müssen. In diesem Zusammenhang kommt es nicht unbedingt auf eine große Datenmenge an, sondern auf die Vielfalt und die Variabilität der Daten an. Je mehr unterschiedliche Datenquellen zur Verfügung stehen, desto komplexer sind die Faktoren, die in die Analyse einbezogen werden können. In welcher Abhängigkeit stehen Absätze zu Faktoren wie:

• Wetter & Temperatur
• Wochentag & Tageszeit
• Aktuellen Nachfrage & Trendanalysen
• Analyse von Kaufhistorien
• Daten zur Markt- und Wirtschaftslage
• Lebensmittelpreisen
• Newsletter-Aktionen & Angeboten
• Alter der Kunden

Diese Liste ließe sich noch beliebig erweitern. Die Gemeinsamkeit aller Faktoren ist jedoch: Sie verändern sich im Lauf der Zeit. Manche stärker, manche weniger stark. Künstliche Intelligenz hilft dabei, in den Daten Muster und Zusammenhänge zu entdecken, die nicht offensichtlich sind. Oder solche, die sehr komplex sind. Vor allem lässt sich ein Algorithmus so trainieren, dass er im Lauf der Zeit die optimalen Lösungen erkennt. Ein auf Bäckereien zugeschnittenes Tool zur Absatzprognose ermittelt beispielsweise den optimalen Bestand von Backwaren in Abhängigkeit von zahlreichen Faktoren. Modelle wie dieses lassen sich prinzipiell für jeden Bereich in jeder Branche entwickeln.

“#Absatzprognosen eignen sich in idealer Weise dazu, #AI in Unternehmen oder Betriebe zu bringen. Von der Bäckerei bis zum Konzern.“

Twittern WhatsApp

Fazit: Ein Blick in die Zukunft

Eine besondere Herausforderung sind nach wie vor langfristige Absatzprognosen. Je weiter wir versuchen, aus vergangenen Events Vorhersagen für die Zukunft abzuleiten, desto ungenauer werden die Prognosen. Auch das lässt sich am Wetter verdeutlichen: Wetterprognosen stimmen in etwa für 3 Tage mit einer sehr hohen Wahrscheinlichkeit. Wie das Wetter aber in einer Woche, einem Monat oder in einem halben Jahr wird, lässt sich mit den aktuellen Modellen nur schwer errechnen. Für große Zeiträume, in diesem Fall im Bereich Klimaforschung, können wir allgemeine Trends vorhersagen und mögliche Szenarien modellieren.

Mit AI und Machine Learning stehen aber zwei neue Ansätze bereit, die es ermöglichen, die Prognosequalität deutlich zu verbessern. Die aktuelle Herausforderung besteht daher auch darin, einen Umgang mit den neuen Technologien zu lernen. Was bedeutet es, Entscheidungen auf Basis von Prognosen zu treffen? Auf welche Prognosen können sich Entscheider verlassen? Wie erklärungsbedürftig sind die Handlungsempfehlungen, die Algorithmen liefern? Welchen Einfluss haben AI-gestützte Prognosen auf unsere Entscheidungen und unser Handeln?

Wie mit jeder neuen Technologie müssen wir auch im Umgang mit AI und Absatzprognosen ein Gefühl dafür entwickeln und Erfahrung damit sammeln. Richtig eingesetzt können intelligenten Absatzprognosen ein machtvolles Mittel sein. Für Organisationen bedeutet das in der Regel einen Lern- und Anpassungsprozess zu durchlaufen und die Unternehmenskultur entsprechend anzupassen. Darum ist es so wichtig, frühzeitig neuen Entwicklungen Raum im Unternehmen und im eigenen Arbeitsalltag zu schaffen.