Ergriffene Maßnahmen

· Implementierung von Prognosemodellen für maschinelles Lernen (ARIMA, ARIMAX, Ensemble-Ansätze) sowohl auf SKU- als auch auf aggregierter Produkthierarchieebene.

· Automatisierte Generierung von Nachschubbestellungen, Lagerbeständen und Lagerbestandsberichten.

· Entwicklung von Analyse-Dashboards zum Vergleich von tatsächlichen und prognostizierten Verkäufen und Lagerbeständen in verschiedenen Dimensionen.

Erreichte Ergebnisse

· Erreicht Genauigkeit von über 90% auf Filialebeneund Genauigkeit von über 85% auf Produktebene.

· Automatisierte Bestandsauffüllung in allen Bereichen Über 1.500 Geschäfte.

· Deutlich geringere Kosten für die Umverteilung von Waren.

· Verbesserte Bestandskontrolle und Planungseffizienz in großem Maßstab.

Frage für das Kontaktformular: Gibt es immer noch Stock- und Restposten von Geschäft zu Geschäft?

‍