Ergriffene Maßnahmen

· Implementierte auf maschinellem Lernen basierende Nachfrageprognosemodelle unter Filial-SKU-Granularität.

· Angewandte ARIMA- und ARIMAX-Modelle sowohl auf SKU- als auch auf aggregierter Produkthierarchieebene.

· Generierte filialspezifische Mengenprognosen zur Unterstützung von Nachschubentscheidungen.

· Integrierte Prognoseergebnisse in die Workflows zur Bestandsplanung.

Erreichte Ergebnisse

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

· Verbesserte Genauigkeit der Inventarpositionierung in allen Filialen.

· Weniger Ineffizienzen, die durch eine falsch ausgerichtete Inventarzuweisung verursacht wurden.

· Ermöglicht fundiertere Entscheidungen zur Bestandsplanung in großem Maßstab.

Frage für das Kontaktformular: Haben Sie keinen Überblick darüber, was wo verkauft wird?

‍