erfolgsfaktor absatzprognose - daten richtig analysierenfeindt/textillogistik.pdf · erfolgsfaktor...

Erfolgsfaktor Absatzprognose - Daten richtig analysieren Prof. Dr. Michael Feindt Karlsruher Institut für Technologie (KIT) Founder & Chief Scientific Advisor, Blue Yonder

Was steckt hinter Predictive Analytics? Was kann NeuroBayes®? Beispiele aus dem Textilhandel

Big Data Predictive Analytics und Textillogistik

Kahneman-Zitat

D.Kahneman (Nobelpreisträger für Behavioural Economics) Der Mensch ist nicht in der Lage, statistisch-quantitative Entscheidungen permanent gut genug zu treffen und lässt sich häufig täuschen (meist durch Optimismus)

Lange Liste von typischen Denkfehlern: http://en.wikipedia.org/wiki/List_of_cognitive_biases Predictive Analytics: Datengetriebener, objektiver Erkenntnisgewinn und Entscheidungsoptimierung mit wissenschaftlichen Methoden

Predictive Analytics verändert die Welt...

Baltimore & Philadelphia verwenden Predictive Analytics, um vorherzusagen, welche Gefängnis-Entlassenen mit hoher Wahrscheinlichkeit rückfällig werden und daher spezielle Aufsicht benötigen.

...sogar bei der Verbrechensbekämpfung!

http://gcn.com/articles/2013/01/15/predictive-analysis-crime-prevention-tool.aspx

Rüc

kfal

lquo

te

Erfahrung

Senkung der Rückfallquote um 30%

Methode: Predictive Analytics

Was steckt hinter Predictive Analytics?

Die Welt verläuft nicht deterministisch. Vorhersagekraft prinzipiell begrenzt durch Quantenphysik und deterministisches Chaos in komplexen Systemen. Aber sie verläuft auch nicht zufällig.

Wo ist Predictive Analytics einzuordnen?

Lotterie (purer Zufall)

Pendel (deterministisch)

0%

100% Predictive Analytics

Individuelle Vorhersagbarkeit

Für reale Systeme kann man mit Predictive Analytics individuelle Wahrscheinlichkeitsaussagen machen




0%

100%

z.B. zum Ausgang von Sportereignissen





0%

100%

z.B. Zuschauerzahlen z.B. Abverkäufe





0%

100%

z.B. Verkehrsunfälle z.B. Verkehrsstaus

Wo steht Predictive Analytics heute?

(unzählige offensichtliche Nachteile)

ein wenig Bewegung am Arbeitsplatz

Behandle die Welt als wäre sie ...

manchmal gut genug für einfache Probleme Experten können Modell-Verhalten und Nachteile erklären

Mühsamer Prozess der Modellwahl, Parameteranpassung und Optimierung Verlass auf Expertenmeinung und Bauchgefühl

Normalverteilt Linear

Fortschritte in der Technologie

gestern heute morgen

behandle die Welt, wie sie ist

verbinde verschiedene Datenquellen

treffe Entscheidung auf fundierten analytischen Erkenntnissen

vollständige Automatisierung und flexible Modellanpassung fundiertes Verständnis von Daten & Datenanalyse ist unerlässlich

Modernste Technologie

Entwickelt in verschiedenen Hochtechnologie-Bereichen, interdisziplinär. z.B. an Elementarteilchen-Beschleunigern wie dem CERN

1 PETA – BYTE / SEC

100 120 Umsatz

E(X)

Wahrscheinlichkeitsdichte P

Optimale Bestellmenge

NeuroBayes® - Prognosetechnologie

Wir wissen … mit großen Datenmengen umzugehen. … relevante Informationen aus großen Datenmengen (big data) zu extrahieren. … daraus Zukunftsprognosen in Form von Wahrscheinlichkeitsdichten zu formen. … daraufhin optimale Entscheidungen zu treffen. … das Ganze in einfach zu bedienende Software zu verpacken und auf Wunsch vollständig zu automatisieren. … das Ganze als SaaService anzubieten.

NeuroBayes®

NeuroBayes-Beispiel: Der LHCb-Trigger Fundamental research at the forefront of science

Am LHC (CERN) enstehen pro Experiment: 40 000 000 Ereignisse pro Sekunde, das entspricht 1 PetaByte (1,000,000,000,000,000 Byte) pro Sekunde.

Am LHCb-Experiment laufen 30 000 Instanzen von NeuroBayes und filtern real-time 24/7 die „interessanten“ Ereignisse.

Photo: CERN

Aber nur 1 PB interessante Daten pro Jahr können gespeichert werden. Online-Datenreduktion 1 : 10,000,000 nötig!

Prognose: Am 3. September 2013 werden in Carls Online Shop 7 gelbe Doncy & Silvana T-Shirts in Größe M verkauft. Genau 7? Nein, statistische (Poisson-artige Statistik) und systematische (nicht vorhandene Information) Schwankungen führen UNUMGÄNGLICH zu Abweichungen der Zukunft von der Prognose. Eine gute Prognose quantifiziert auch die Unsicherheit, mindestens (meistens) in Form einer Varianz oder Standardabweichung: 9 ± 3 gelbe Doncy+Silvana T-Shorts Größe M Wissenschaft und Risikomanagement in Banken und Versicherungen weiß das. Aber: z.B. viele herkömmliche professionelle SCM- IT-Systeme kennen keine Prognose-Unsicherheit!

Integriertes Risikomanagement: Prognose ist mehr als nur eine Zahl...wie sicher bin ich?

Es ist noch etwas komplizierter: Individuelle Wahrscheinlichkeitsdichten

Sehr viele Verfahren nehmen Normalverteilungen an,

die durch die zwei Parameter Prognose = Erwartungswert µ

und Standarabweichung σ eindeutig gegeben ist.

Die Residuen in den meisten realen Systemen sind aber nicht normalverteilt. Moderne Prognose-Systeme prognostizieren für jeden Einzelfall die gesamte Form der Wahrscheinlichkeitsdichte. Erst damit ist wirkliches Risikomanagement und optimales Entscheiden möglich.

Optimale Entscheidungen durch individuelle Prognosen

Ø Optimale Entscheidungen sind immer ein Kompromiss aus Gier (zu optimistisch) und Angst (zu pessimistisch).

Ø Kennt man für jede Entscheidung die

Kostenfunktion und die Wahrscheinlichkeitsdichte für die in Zukunft auftretenden Zahlen, können optimale Entscheidungen getroffen werden, die langfristige Unternehmensziele optimieren und Risiken minimieren.

Ø Komplexe Mathematik, muss der Anwender aber nicht im Einzelnen verstehen.

Wichtig ist der richtige Umgang mit den Prognosen

Die Kenntnis der Wahrscheinlichkeitsdichte eröffnet neue Wege

Big Data Science und Business Innovation

Top Retail Product

2011/2012

Winner Data Mining Cup

2009 & 2010

Retail Technology Award 2012

bwcon Hightech

Award

Special Award Deutsche Börse

2012

Finalist Entrepreneur of the Year 2012

FOCUS Digital star

2013

Blue Yonder baut auf NeuroBayes basierende, sehr erfolgreiche (die Komplexität versteckende) Lösungen u.a. für seine Kunden:

und wurde dafür schon mit vielen Innovationspreisen ausgezeichnet:

NeuroBayes-Prognosen auf Artikelebene im Textilhandel Individualisierte NeuroBayes-Prognosen

für Ansprache, Umsatz, Retourenquote --- Prognosehorizonte: Jahr, Saison, Monate, Wochen, Tage, intraday --- Prognosezeitpunkte: Planung, Tetsverkäufe, Verkaufsstart, ständig --- auf kleinstem Korn: Artikel, Größe, Farbe, Vertriebskanal (jeder Shop, Katalog, online) und alle Aggregate -- Ersteinkauf -- Nachbestellungen -- Retourenpolitik/-planung -- (dynamische) Preispolitik – stationär, Katalog, Online -- Vermeiden von Abschriften am Ende der Saison -- Lagersteuerung -- Mitarbeitereinsatzplanung

sind Grundlagen für optimale, auf Wunsch vollautomatische individualisierte Entscheidungen für

und damit sehr wichtig für die Optimierung des Gesamtergebnisses

NeuroBayes-Prognosen auf Kundenebene im Textilhandel

Individualisierte NeuroBayes-Prognosen

von potentiellem Interesse an verschiedensten Artikeln von Bonität, Zahlungsverhalten von Retourenverhalten Kundenbindungsmaßnahmen Werbemittelsteuerung individuelle Empfehlungen im Onlineshop, Newsletter etc angebotene Zahlungsmodi Kulanz bei übermäßigen / betrügerischen Retouren

sind Grundlagen für optimale, auf Wunsch vollautomatische individualisierte Entscheidungen über

und damit sehr wichtig für die Optimierung des Gesamtergebnisses

Lösung: ►  Artikelabverkaufsprognosen auf täglicher Basis ►  Vorhersage der Retourenquote ►  Dispositionsvorschläge während der ganzen Saison ►  (inklusive ,,Lager durch Retouren’’)

Optimierung der Nachfrageprognose für jeden Artikel

Resultat: Prognoseverbesserung um 40% Optimierung der Einkaufspolitik bringt

Ergebnisverbeserung im 2-stelligen Millionen € Bereich – pro Saison.

Prognosen pro Artikel:

»  Mittelwert

»  Zwei Prognosewerte für die Unsicherheit (68% und 95% Kredibilitätsintervalle)

Sales Forecast Fashion Beispiel: OTTO Group

Sales [units]

ROI-Berechnungen für die Otto Group

Scheinbar unvereinbare Ziele vereinbaren

mit Hilfe von individualisierten Prognosen / Entscheidungen

Beispiel aus der Versicherungswirtschaft (BGV) u  3,5% mehr Neukunden bei gleichzeitiger Reduktion der Schadenquote um 10%

Beispiel aus dem Versandhandel (Otto) u  Erhöhung der Warenverfügbarkeit bei gleichzeitiger Reduktion von Restbeständen am Ende der Saison

Ergebnis: Prognoseverbesserung um 40%

Bestandsverbesserung im 2-stelligen Mio.-€-Bereich pro Jahr.

Optimale Versendung von Werbemitteln

Retail – optimiertes Customer-Targeting Kundenauswahl für Werbung und Kampagnen Auswahl der profitabelsten Kunden Spezielle Auswahl je nach Saison

Führender europäischer Distanz-, Stationär- und

Online-Händler

Resultate : Erhöhung der Verkäufe (Bruttonachfrage) um 6%

Erhöhung des Umsatzes um > € 1 Million in den ersten beiden Wochen des Weihnachtsgeschäfts

Prognosen 5. Spieltag Ergebnisse 4. SpieltagSaison 2013/2014Paarung Heim Remis Gast

Hertha BSC Berlin - VfB Stuttgart SC Freiburg - FC Bayern München 1:1(0:1)40% 29% 31%

FC Bayern München - Hannover 96 Bor. M’gladbach - SV Werder Bremen 4:1(1:0)77% 14% 9%

Bayer 04 Leverkusen - VfL Wolfsburg Hannover 96 - 1.FSV Mainz 05 4:1(2:1)58% 19% 23%

SV Werder Bremen - Eintr. Frankfurt VfL Wolfsburg - Hertha BSC Berlin 2:0(2:0)43% 24% 33%

1.FSV Mainz 05 - FC Schalke 04 1.FC Nürnberg - FC Augsburg 0:1(0:0)43% 26% 31%

FC Augsburg - SC Freiburg Hamburger SV - Eintr. Braunschweig 4:0(2:0)46% 23% 31%

Bor. Dortmund - Hamburger SV FC Schalke 04 - Bayer 04 Leverkusen 2:0(1:0)71% 13% 15%

1899 Hoffenheim - Bor. M’gladbach VfB Stuttgart - 1899 Hoffenheim 6:2(3:1)39% 23% 39%

Eintr. Braunschweig - 1.FC Nürnberg Eintr. Frankfurt - Bor. Dortmund 1:2(1:1)34% 19% 46%

Prognose der nächsten Bundesligaspiele: NeuroNetzer

Wahrscheinlichkeiten für Heim - Unentschieden – Auswärts

Questions & Answers

& Vielen Dank für Ihre Aufmerksamkeit

erfolgsfaktor absatzprognose - daten richtig analysierenfeindt/textillogistik.pdf · erfolgsfaktor...

Documents