ERP + POS
täglich
- speist
- Feature-Aufbau
Alle Fallstudien
PrognoseOptimierungAnalytics4 Monate
Nachfrageprognose + Bestandsoptimierung
Die Planung lief auf einer Tabelle mit einer Wachstumsrate. Der Bestand folgt jetzt der tatsächlichen Nachfrage.
Gewichteter MAPE
2,7 %
Abgestimmte hierarchische Prognose
Vorher
12,1 %
Tabelle mit gemischter Wachstumsrate
In einfachen Worten
Worum es geht.
In diesem Abschnitt kein Fachjargon. Die technische Beschreibung folgt weiter unten.
Was schieflief
Die Planung nutzte Tabellen und eine einzige Wachstumsannahme für alles. Gefragte Artikel waren ausverkauft, während langsame im Lager lagen und Kapital banden, und niemand konnte den Zielkonflikt zwischen beidem beziffern.
Was wir gebaut haben
Wir haben Prognosen gebaut, die Produkt für Produkt arbeiten und sich konsistent zu Kategorie- und Unternehmenssummen addieren, eingebunden in den Planungsprozess, den die Leute bereits nutzten, und in der Lage, Was-wäre-wenn-Fragen zu beantworten.
Was sich geändert hat
Der Prognosefehler sank von 12,1 % auf 2,7 %. Zuvor im falschen Bestand gebundenes Kapital wurde frei, ohne dass mehr Artikel ausverkauft waren, und die Planer prüfen jetzt Ausnahmen, statt Tabellen neu zu bauen.
Architektur
Wie alles zusammenpasst.
Scrollen Sie durch die Phasen. Alles, was als hinzugefügt markiert ist, ist eine Komponente, die es vor diesem Projekt nicht gab.
Feature-Aufbau
Kalender + Aktionen
- erhält von
- ERP + POS
- speist
- Prognosemodell
Prognosemodell
hierarchisch
- erhält von
- Feature-Aufbau
- speist
- Abstimmungpro Ebene
Abstimmung
konsistent
- erhält von
- Prognosemodellpro Ebene
- speist
- Bestandsoptimierer
Bestandsoptimierer
Servicegrad
- erhält von
- Abstimmung
- speist
- Planer-UI
Planer-UI
Ausnahmen
- erhält von
- Bestandsoptimierer
ERP + POS
täglich
- speist
- Feature-Aufbau
Feature-Aufbau
Kalender + Aktionen
- erhält von
- ERP + POS
- speist
- Prognosemodell
Prognosemodell
hierarchisch
Das haben wir hinzugefügt- erhält von
- Feature-Aufbau
- speist
- Abstimmungpro Ebene
Abstimmung
konsistent
Das haben wir hinzugefügt- erhält von
- Prognosemodellpro Ebene
- speist
- Bestandsoptimierer
Bestandsoptimierer
Servicegrad
Das haben wir hinzugefügt- erhält von
- Abstimmung
- speist
- Planer-UI
Planer-UI
Ausnahmen
- erhält von
- Bestandsoptimierer
Die Beschreibung
Wie es gebaut würde.
Datensatz, Vorgehen, Zielmetriken und der Stack. Geschrieben für die Person, die es prüfen muss.
PrognoseOptimierungAnalytics4 Monate
Nachfrageprognose + Bestandsoptimierung
Prognosen, die sich in Planungsabläufe einfügen und Was-wäre-wenn-Szenarien unterstützen.
Problem
Die Planung lief in Tabellen mit einer einzigen gemischten Wachstumsrate. Schnelldreher waren ausverkauft, während Langsamdreher Working Capital banden, und niemand konnte den Zielkonflikt beziffern.
Datensatz
- Zeilen
- 31 Mio. SKU-Tage
- Features
- 178
- Quellen
- ERP, POS, Aktionen, Wetter
- Zeitraum
- 48 Monate
Vorgehen
- 01Eine hierarchische Prognose gebaut, abgestimmt über SKU, Filiale und Region
- 02Per Rolling-Origin-Evaluierung statt mit einem einzelnen Split zurückgetestet
- 03Aktionen und Kalendereffekte als explizite Regressoren modelliert
- 04Prognosen in einen Sicherheitsbestands-Optimierer mit Servicegrad-Zielen eingespeist
Metriken
- 2,7 %
- gewichteter MAPE -9,4 pp
- 97,3 %
- Prognosegenauigkeit 12-Wochen-Horizont
- -34 %
- Fehlbestände bei A-Artikeln
- -21 %
- gehaltener Bestand gleicher Servicegrad
Evidenz
- Quelle
- Referenzdesign
- Zahlen
- Illustrativ – typische Werte für dieses Design
- Messung
- Nicht gemessen. Typische Werte für ein Referenzdesign dieser Art, nicht auf einem Kundensystem beobachtet.
- Referenz
- Für dieses Projekt nicht verfügbar
- zuletzt geprüft
- 2026-08-25
Geschäftlicher Effekt
- Working Capital freigesetzt, ohne die Verfügbarkeit zu beeinträchtigen
- Planer prüfen Ausnahmen, statt Tabellen neu zu bauen
- Aktionsentscheidungen gestützt durch eine gemessene Lift-Schätzung
Tech-Stack
- Python
- Prophet
- CatBoost
- dbt
- BigQuery
- Looker
- Airflow
Weiter
Brauchen Sie ein System wie dieses?
Beantworten Sie sechs Fragen, und wir sagen Ihnen, ob diese Form zu Ihrem Problem passt – auch wenn sie es nicht tut.