Data Analytics in der Supply Chain

Das Spektrum an Möglichkeiten, mithilfe von Data Analytics Anwendungen in der Logistik zu optimieren, ist vielfältig. Neben der Optimierung von Logistiknetzwerken oder der Ermittlung von Kennzahlen, stecken große Potenziale in der Vorhersage von kritischen Ereignissen, wie z. B. Verspätungen, Kundenbedarfen oder notwendigen Lagerbeständen. Für welche Anwendung sich der Einsatz von deskriptiven, prädiktiven oder präskriptiven Data-Analytics-Verfahren wirklich lohnt und welche Daten überhaupt benötigt werden, ist individuell unterschiedlich. Der tatsächliche Aufwand und Nutzen ergibt sich für Unternehmen erst im konkreten Analytics-Anwendungsfall.

So wurden beispielsweise mit einem Hausgerätehersteller dessen Stamm- und Verbrauchsdaten gezielt auf Muster und Ähnlichkeiten untersucht. Mittels maschinellen Lernens wurde daraus ein Modell für die langfristige Prognose des zu erwartenden Ersatzteilbedarfs entwickelt. Auf dieser Basis können die Disponenten des Kunden ihre Lagerbestände nun optimal planen und auslasten.

Wir haben eine Bibliothek mit Analytics-Anwendungsfällen aufgebaut und sie u. a. mit Informationen zu den passenden Geschäftsprozessen und den dafür notwendigen Daten verknüpft: So können Unternehmen schnell für sich interessante Anwendungen finden, diese auf die eigenen Geschäftsprozesse übertragen, bewerten und erste Analytics-Projekte initialisieren.