Auf dem Weg zum Predictive EnterpriseMit datengetriebenen Entscheidungen den Geschäftserfolg sichern

Die Software für Datenanalyse und präzise Prognosen

Executive Summary

Predictive Applications ermöglichen Best-in-Class-Unternehmen, sich gegen

den Wettbewerb zu behaupten. Mithilfe ihrer Daten und intelligenter Algorith-

men erzielen sie höhere Gewinne, sind innovativer und schneller am Markt. In

diesem White Paper erfahren Sie, wie Sie von Predictive Analytics und automa-

tisierten Entscheidungen profitieren und Ihr Unternehmen zu einem Predictive

Enterprise entwickeln. Denn Predictive Analytics kann Ihre gesamte Organisa-

tion revolutionieren. Nutzen Sie Ihre vorhandenen Daten − aus Ihren ERP-Sys-

temen, Ihren Materialwirtschaftssystemen und aus vielen anderen IT-Systemen,

die Sie im Einsatz haben und hatten. Sie sind die Grundlage, um Ihr Unterneh-

men noch effizienter und kundenorientierter zu gestalten.

2

3

Inhalt

Paradigmenwechsel − vom Produkt zum Kunden 4

Predictive Enterprise – das Erfolgsmodell der Zukunft 6 Die Cloud als ‚Enabler‘ 8

Von Standard Business Analytics zum datengetriebenen Unternehmen 10

Personalisierung − der Katalysator für individuelle Einkaufserlebnisse 12

Prognosemodelle – Chancen und Risiken 14

Auf dem Weg zum Predictive Enterprise 1: Smart Factory 16

Auf dem Weg zum Predictive Enterprise 2: Closed-Loop-Ansatz im Handel 18

Ausblick: Smart Services 20

Fazit und nächste Schritte 22

PArAdIgmEnWEchSEl − vom Produkt zum kundEnDie Wirtschaftswelt hat sich radikal verändert. Die zunehmende Digitalisierung führt zu

tiefgreifenden Veränderungen in allen Prozessen, Organisationssystemen, Arbeitsformen

und gesamten Geschäftsmodellen. Die drei wichtigsten Aspekte sind dabei:

Nach Einschätzung des Arbeitskreises Smart Service Welt der Deutschen Akademie der

Technikwissenschaften werden in naher Zukunft „die Geschäftsmodelle sowohl von An-

bietern als auch Herstellern und Betreibern vor einer Revolution stehen: Sie werden kon-

sequent digitalisiert, analysiert, um intelligente Dienstleistungen und Produkte erweitert

und miteinander vernetzt.“1

Dieser gravierende Paradigmenwechsel findet in allen Wirtschaftsbereichen überall auf

der Welt statt. Das bedeutet, dass Produkt- und Serviceanbieter umdenken und umpla-

nen müssen. Nicht mehr Produkte und Produktinnovationen werden − wie seit mehr als

150 Jahren − im Mittelpunkt der neuen Geschäftsmodelle stehen, sondern der Kunde. Um

dessen hohen Erwartungen zu entsprechen, werden Daten und Software benötigt, die eine

Optimierung der Geschäftsprozesse mithilfe modernster Technologie erlauben.

Hier setzen datengetriebene Entscheidungen und Predictive Analytics an. Es geht darum,

dem Kunden jederzeit und in Echtzeit die beste Erfahrung zu bieten. Das kann nur gelin-

gen, wenn die richtigen Entscheidungen schnell und automatisiert getroffen werden und

menschliche Subjektivität ausgeschlossen wird. Die Mitarbeiter erhalten dadurch Freiraum

für konzeptionelle und strategische Aufgaben. Predictive Analytics trägt maßgeblich bei

zur Verbesserung von Entscheidungen – und dadurch von Kundenerfahrungen.

1. durchgängige datenverfügbarkeit (Big data)

2. kostengünstiger zugriff über mobile Endgeräte auf die zur verfügung stehenden ressourcen in der cloud (vgl. Amazon, google, Apple)

3. Software als Schlüsselfaktor in vielen geschäftsmodellen

1 Smart Service Welt: Umsetzungsempfehlungen für das Zukunftsprojekt „Internetbasierte Dienste für die Wirt-schaft“, März 2014.

4

5

6

PrEdIctIvE EntErPrISE − dAS ErfolgSmodEll dEr zukunftLaut Cisco sind 99,4 % aller Objekte, die eines Tages Teil des Internets of Everything

sein werden, heute noch nicht vernetzt. Bisher sind schätzungsweise nur 10 Milliarden

von 1,5 Billionen Objekten miteinander verbunden. Hier liegt ein riesiges Potenzial von

14,4 Billionen US-Dollar durch „Vernetzung des Nicht-Vernetzten“ (Mensch–Mensch,

Mensch–Maschine, Maschine–Maschine) über das Internet of Everything.2 Abgesehen

von diesem Zukunftsszenario ist heute schon eine enorm große Menge an ungenutzten

Daten vorhanden, in denen außerordentlich viel Potenzial steckt.

der zentrale nutzen von Predictive Analytics liegt darin, dass unternehmen die Werte heben können, welche durch die digitalisierung von geschäftsprozessen in den letzten Jahrzehnten entstanden sind.

Ergebnisse prognostizieren

muster erkennen Entscheidungen automatisieren

Proaktiv Prozesse optimieren

Smart Services entwickeln

So funktioniert das Predictive Enterprise

Auf historische und aktuelle daten (strukturiert und unstrukturiert) zugreifen und diese in Echtzeit analysieren >>

Predictive Analytics

Alles vernetzen, was innerhalb und außerhalb des unternehmens geschieht

Apps Prozesse Mobile Geräte

Groß-rechner

Sensoren Cloud ERP-Systeme

Services Events Akten Partner Social Media

6

14,4 BIo. $

2 Joseph Bradley, Joel Barbier, Doug Handler. Embracing the Internet of Everything To Capture Your Share of $14.4 Trillion: More Relevant, Valuable Connections Will Improve Innovation, Productivity, Efficiency & Cus-tomer Experience. Cisco Public Information, 2013.

7

Warum sollten Sie ein Predictive Enterprise werden?

fünf gute gründe:

die richtigen Entscheidungen treffen Datengetriebenes Entscheidungsmanagement unterstützt Intuition und Er-

fahrung mit echten Daten. Verantwortliche gewinnen neue Erkenntnisse

und Sicherheit für ihre Entscheidungen. Darüber hinaus werden Massenent-

scheidungen in Echtzeit ermöglicht.

neue geschäftsmodelle ermöglichen Indem Sie Ihren firmeneigenen Datenschatz heben, stehen Ihre Daten

auch für völlig neue Geschäftsmodelle zur Verfügung. Sie können sie bei-

spielsweise direkt selbst nutzen, damit handeln oder mit entsprechenden

Marktplätzen kooperieren bzw. diese selbst schaffen. Beispiele dafür gibt es

heute schon: Amazon verkauft Computing-Ressourcen zu Kassakursen; das

Start-up Uber hat eine Online-Plattform zur Vermittlung von Personenbe-

förderung geschaffen; weitere Unternehmen bieten Angebotserstellung in

Echtzeit im digitalen Marketing an.

dem Wettbewerb einen Schritt voraus sein Durch präzise Zukunftsprognosen können Sie schneller und effektiver agie-

ren als Ihre Wettbewerber. Anstatt auf Kundenanforderungen und Markt-

entwicklungen nur zu reagieren, können Sie Ihr Geschäft proaktiv gestalten,

Ihre Lieferkette optimieren und neue, bessere Serviceleistungen anbieten.

risiko besser managen und Betrug vermeiden Das Predictive Enterprise ist in der Lage, Richtlinien besser einzuhalten und

Betrug zu minimieren. Weitreichendes Wissen und Erkenntnisse ermögli-

chen rechtzeitiges Handeln und unverzügliche Anpassung des Risikoma-

nagements. Damit halten Sie Schaden von Ihrem Unternehmen fern und

senken Ihre Kosten.

Profitabilität steigern Präzise Prognosen unterstützen Sie dabei, Trends und Chancen frühzeitig zu

entdecken und Ihr Unternehmen entsprechend anzupassen. Darüber hinaus

können Sie Marketingkampagnen gezielter planen und Ihren Kunden immer

genau zum richtigen Zeitpunkt das Richtige anbieten.

Die Analysten von Gartner prognostizieren,

dass bis 2016 70 % der weltweit erfolgreichsten

Firmen ihre Geschäftsprozesse mithilfe von

Predictive Analytics in Echtzeit managen werden.

Gartner Business Process Management Summit 2013

1.

2.

3.

4.

5.

70 %

8

dIE cloud AlS ‚EnABlEr‘Smart-Data-Projekte in der Cloud erobern langsam, aber stetig Unternehmen aller Art. Die

Business-Strategen von Decision Management Solutions zeigen in einer aktuellen Studie,

dass der Einsatz von Predictive Analytics in der Cloud sich zusehends etabliert. 60 % der

Umfrageteilnehmer arbeiten bereits mit Predictive Analytics in der Cloud, während über

90 % angaben, in den nächsten Jahren mit hoher Wahrscheinlichkeit eine Predictive-Ana-

lytics-Lösung einzusetzen.3

unternehmen, die Predictive Analytics einsetzen

wollen, stehen vor drei herausforderungen:

Sie brauchen Lösungen, die nur

wenige Spezialkenntnisse erfordern,

oder Experten, die mit standardisier-

ten Frameworks und Plattformen

arbeiten können.

Sie brauchen Applikationen,

die große Datenmengen

verarbeiten können, und

deshalb meist eine große Menge

an Hardware mit inhomogener

Auslastung.

Sie brauchen universell

verfügbare Daten.

1. 2.

3.

3 Decision Management Solutions: Opportunities, Trends and the Impact of Big Data 2013.

99

mit der cloud lassen sich diese herausforderungen meistern:

Auf Standardplattformen lassen sich Anwendungen mit standardisierten frameworks und APIs aufbauen.

die cloud ermöglicht eine hard- und Software-umgebung, in der riesige datenmengen in skalierbarer und wirtschaftlicher form verarbeitet werden können.

die cloud bietet beliebig erweiterbaren Speicherplatz und einfachen zugriff durch netzwerkeffekte.

Arbeiten bereits mit Predictive Analytics in der Cloud

Wollen eine Predictive-Analytics-Lösung einsetzen

60 %Einsatz von Predictive Analytics in der cloud

90 %

10

von StAndArd BuSInESS AnAlytIcS zum dAtEngEtrIEBEnEn untErnEhmEn

Prescriptive AnalyticsDer Weg zum datengetriebenen Unternehmen beginnt damit, Standard Business Analytics in Predictive

Analytics umzuwandeln. Während herkömmliche BI-Lösungen sich auf historische Daten konzentrieren

und die Vergangenheit nur deskriptiv betrachten − Was ist passiert und warum? −, erlaubt Predictive Ana-

lytics den Blick in die Zukunft: Was wird passieren? Künftiges Kundenverhalten und Trends können präzise

prognostiziert werden.

‚Prescriptive‘ Analytics geht im betriebswirtschaftlichen Kontext noch einen entscheidenden Schritt wei-

ter und versetzt Unternehmen in die Lage, auf Basis von Prognosen Entscheidungen zu automatisieren.

Bestehende betriebswirtschaftliche Prozesse können dadurch wesentlich effizienter gestaltet, aber auch

neue Geschäftsmodelle umgesetzt werden. Mustererkennung, Prognosen, Simulationen, Optimierung und

automatisierte Entscheidungsfindung werden in wichtige operative Kernprozesse eingebunden. Prescrip-

tive Analytics gibt Antworten auf die Frage: Was ist zu tun? Dieser Ansatz ist dynamisch: Das datengetrie-

bene Predictive Enterprise setzt Data-driven Apps ein, die eigens für Business User entwickelt wurden und

optimiert sich permanent selbst.

Was wird passieren?Warum?Was ist passiert?

DATEN

MUSTER

Was ist zu tun?

PROGNOSEN

Ein�uss auf Geschäftserfolg

Data Mining und konventionelle Business Intelligence Predictive Analytics Prescriptive Analytics

Automatisierte Entscheidungen

Hilfen für die Entscheidung

Im Vergleich zu konventioneller BI haben Predictive und Prescriptive Analytics direkteren Einfluss auf die Geschäftsentwicklung.

SchlüSSElfAktorEn

umsetzung in EchtzeitAutomatisierte Entscheidungssysteme, welche die Ausführung in Echtzeit erlauben.

IntegrationEinfache Integration über standardisierte APIs.

Simulationen in Echtzeit Präzise Prognosen, die auf der Basis von Big Data erstellt werden, übertreffen menschliche Fähigkeiten bei

Weitem – ein Unternehmen kann allein mit den Daten aus seinen ERP- und Materialwirtschaftssystemen je-

den Tag Milliarden von Absatzprognosen erstellen. Bevor eine operative Entscheidung getroffen wird, kann

eine Simulation durchgeführt werden, um die Auswirkungen zu verdeutlichen. So lässt sich beispielsweise

die prominente Bewerbung eines bestimmten Artikels auf der Website in Echtzeit und auf Basis von echten

Daten simulieren. Damit ist sofort zu erkennen, welchen Einfluss eine solche Aktion auf den Abverkauf hat.

Außerdem kann durch Simulation festgestellt werden, ob die Produktionsauslastung durch weniger Maschi-

nenstillstände zu verbessern ist. Und es lässt sich durch Echtzeitsimulation die Akzeptanz unterschiedlicher

Finanzierungsangebote durch bestimmte Testgruppen erkennen. Predictive Analytics bietet hier fast uner-

schöpfliche Möglichkeiten, um Vorteile für Ihr Unternehmen zu generieren, nicht nur in den Bereichen Pro-

duktion und Vertrieb.

demokratisierung Endanwender ohne analytischen Background können die Entscheidungen des

Prognosesystems verstehen, überprüfen und ihnen vertrauen.

11

PErSonAlISIErung − dEr kAtAlySAtor für IndIvIduEllE EInkAufSErlEBnISSE Mit Predictive Analytics können Unternehmen Kundendaten analysieren sowie zukünftiges Verhal-

ten und Bedürfnisse vorhersagen – und das für mehrere Millionen Kunden gleichzeitig. Je mehr In-

formationen zur Verfügung stehen, desto höher sind die Präzision und Qualität der Analysen. Die

Personalisierung von Empfehlungen, Preisen und Finanzprodukten auf die aktuellen und künftigen

Situationen einzelner Kunden trägt sehr schnell zur Erhöhung des Umsatzes und einer stärkeren Kun-

denbindung bei.

Nicht nur Unternehmen mit Endverbraucherfokus profitieren von Predictive Analytics. Auch die her-

stellende Industrie ist ideal aufgestellt, um die Vorteile zu nutzen. Maschinen, die während des Be-

triebs selbst Daten generieren, ermöglichen Analysen und Prognosen, um ihre Flexibilität zu erhöhen.

Die vorausschauende Fabrik kann kleinere Chargen planen, die sich effizienter herstellen, einfacher

managen und effektiver kontrollieren lassen.

Effektive datennutzung Wie sich Daten effektiv nutzen lassen, zeigt das Beispiel einer Fluggesellschaft. Die vorliegenden Mas-

sendaten geben unter anderem der Beschaffungsabteilung genaue Informationen, welche Mahlzei-

ten jeden Tag pro Flugzeug geliefert werden müssen. Weitere Analysen der Buchungsdaten unter-

stützen die Airline bei der Planung des Personaleinsatzes. Und während das Flugzeug noch in der

Luft ist, kann das Bodenpersonal bereits Live-Daten auswerten, die von Sensoren in den Jet-Turbinen

gesendet werden.

Auch Rolls-Royce nutzt sein Datenpotenzial effektiv aus: Die Flugzeugmotoren des Unternehmens

senden ständig Signale an die Firmenzentrale in Derby, Großbritannien, wo Probleme identifiziert und

sofort bearbeitet werden. Techniker erhalten bereits vor der Landung der Maschine alle wichtigen

Informationen, um die nötigen Schritte inklusive Ersatzteilbestellung einleiten zu können. Davon pro-

fitieren auch die Fluggesellschaften, die Rolls-Royce-Triebwerke im Einsatz haben. Denn durch den

Einsatz der fortschrittlichen Technologie kommt es zu weniger „Zwangspausen“ der Maschinen am

Boden und damit zu weniger Verspätungen.

12

13

PrognoSEmodEllE − chAncEn und rISIkEnEin Unternehmen erfolgreich zu führen heißt, zahlreiche Entscheidungen zeitnah

zu treffen. Das manuelle Sammeln, Aufbereiten und Analysieren der Daten, auf de-

ren Basis diese Entscheidungen getroffen werden, ist viel zu zeitaufwendig. Auto-

matisierte Entscheidungen auf Basis präziser Prognosen machen hier einen wichti-

gen Unterschied. Allerdings sind mit zu vereinfachenden Herangehensweisen auch

Risiken verbunden, die sorgfältig abgewogen werden sollten.

Präzisere Prognosen, weniger risikenPredictive Analytics unterstützt auch in der Liquiditäts- oder der Finanzplanung.

Dabei werden Rohstoffpreise, Vertriebszahlen, Ausfallrisiken und viele weitere Kos-

ten- und Umsatzfaktoren betrachtet, die schwer zu kalkulieren und zu analysieren

sind. Predictive Analytics ermöglicht es, für jeden Kunden das Zahlungsausfallrisiko

zu berechnen und in die Finanzplanung mit einzubeziehen. Das trägt dazu bei, For-

derungen zu reduzieren und den Cashflow zu erhöhen. Dadurch ist das Predictive

Enterprise im Bereich Risikomanagement hervorragend aufgestellt und kann sein

unproduktives, gebundenes Kapital deutlich minimieren.

Jede Prognose hat Auswirkungen auf umsatz und gewinn. deshalb sollten Prognosen permanent überprüft und angepasst werden.

Prognosen nicht „blind“ vertrauen! denn es gibt manchmal Sonderfälle oder sogenannte statistische Ausreißer, die den gesamten Entscheidungsprozess stören können. der Erfolg sollte nicht anhand einzelner Spotlights oder vereinzelter Beweise gemessen werden, sondern auf Basis von echten daten im gesamten unternehmen.

Prognosemodelle können anfällig sein für überanpassung an die vergangenheit und sich deshalb auch „irren“, was die zukunft betrifft. deshalb sollten diese modelle sowohl selbstlernend als auch in der lage sein zu „vergessen“.

14

15

16

AUF DEM WEG ZUM PREDICTIVE ENTERPRISE 1: SmArt fActory

SensordatenImmer mehr Maschinen und Anlagen sind mit integrierten interaktiven Sensoren ausgestattet. Die Da-

ten, die diese Sensoren ständig erfassen, werden über das Internet direkt in die Unternehmenssysteme

übertragen und stellen eine unschätzbare Wissensquelle dar. So können zum Beispiel Sensoren in Fahr-

zeugmotoren dem Hersteller in kurzen Abständen Informationen zum Benzinverbrauch, der Temperatur,

dem Drehmoment u. v. m. liefern. Praktisch in Echtzeit kann die Software aufzeichnen, ob Fahrzeugkom-

ponenten von ihrer üblichen Leistung abweichen. Durch diese frühzeitigen Informationen lassen sich

z. B. Motorenprobleme durch Fernwartung beheben und der Hersteller überzeugt durch seinen proak-

tiven Service. Diese zusätzliche Dienstleistung sichert den (Vertrags-)Werkstätten Umsatz. Außerdem

nimmt der Endkunde den Service der Werkstatt positiv wahr, denn ein Ausfall weiterer Fahrzeugteile

oder sogar ein Komplettausfall können vermieden werden.

Nach Schätzungen der Experton Group

wird das in der Industrie anfallende Datenvolumen

jährlich um 20 bis 30 Prozent steigen.

Experton Group, 2012

+ 30 %

Ich bin die nächsten 36 Stunden nur

zu 80 % ausgelastet!

Achtung!hier kugellager

austauschen!

Ich muss nochbefüllt werden!

17

Servicemitarbeiter müssten eigentlich nur

der Fehlermeldungen von herkömmlichen Überwachungssystemen

genauer ansehen – aber sie wissen nicht, welche!

maschinenüberwachungDurch bessere Maschinenüberwachung lassen sich Produktionsprozesse anpassen und optimal koor-

dinieren. In der „Smart Factory“, wo alle Maschinen automatisch miteinander vernetzt sind und über-

wacht werden, können Hersteller höchst effiziente Abläufe unter minimalem Personal- und Materi-

aleinsatz garantieren. Wissensbasierte Diagnosetechnologie misst und erfasst jeden einzelnen Prozess

und macht sich bekannte Muster zunutze. Sie unterscheidet zwischen üblichen Warnmeldungen der

Überwachungssysteme und Problemen, die zu einem Leistungsabfall der Maschinen führen können.

Der Servicetechniker muss nur eingreifen, wenn es wirklich nötig ist. Dadurch kann das Personal mehr

Maschinen gleichzeitig steuern und jedes Teil kann systematisch getestet werden, um Verbesserungs-

potenzial zu identifizieren.

Selbstgesteuerte ProduktionCisco schätzt, dass es im Jahr 2017 rund 1,7 Milliarden Maschine-zu-Maschine-Anbindungen geben

wird und dass bis 2015 ungefähr sechs Milliarden Geräte mit einer IP-Adresse ausgestattet sein werden.4

Industrielle Big Data (Industrie 4.0) werden Produktionsprozesse automatisieren, sodass Facharbeiter

seltener operative Entscheidungen individuell treffen müssen. Denn die Systeme werden sich aus intel-

ligenten Teilen zusammensetzen, die sich − weitgehend − selbst steuern und optimieren können. Ma-

schinen werden ihren eigenen Zustand melden und Werkstücke werden RFID-Chips tragen, die sowohl

Informationen zu ihrer Geschichte als auch Details der Produktionsschritte beinhalten. Modulare Ma-

schinenkonzepte ermöglichen es, einzelne Maschinen, Anlagen und Komponenten individuell in den

Produktionsprozess zu integrieren. Das macht die Produktionsumgebung flexibler und die Herstellung

kleinerer Chargen einfacher. So lassen sich auch individuelle Kundenwünsche kostengünstig umsetzen.

fEhlE

r

AnfAh

rEn

grEIfEn

SEnkEn

W

Artung

üB

Er

hItzung

SEnkEn

1/5

kühlkette unterbrochen!

Ich muss in 24 Stundengewartet werden.

Maschine-zu-Maschine-Anbindungen

Geräte mit IP-Adressen

4 Cisco Visual Networking Index: Global Mobile Data Traffic Forecast for 2012 to 2017.

18

AUF DEM WEG ZUM PREDICTIVE ENTERPRISE 2: cloSEd-looP-AnSAtz Im hAndEldie königsdisziplin: automatisierte massenentscheidungen

Das Predictive Enterprise verknüpft Big Data und Entscheidungsprozesse intelligent miteinander.

Idealerweise werden Daten aus den Unternehmenssystemen wie ERP- und CRM-Systemen, der Fer-

tigungssoftware und vielen anderen internen und externen Quellen mit einbezogen und als Basis für

die Automatisierung der operativen Entscheidungen verwendet. Je enger diese mit dem Kerngeschäft

des Unternehmens verbunden sind, desto größer die Wirkung: Der Umsatz erhöht sich, Kosten sinken

und der Gewinn steigt.

Das Multichannel-Handelsunternehmen OTTO setzt in seinem Onlineshop täglich rund 20 Millionen

Artikel um – und diese gilt es zu prognostizieren. Entscheidungsprozesse sind von immensen Daten-

mengen, einer Vielzahl von Einflussfaktoren, permanentem Handlungsbedarf in Echtzeit und hohem

Zeitdruck geprägt. All das und steigende Kundenanforderungen bedeuten, dass Handelsunterneh-

men wie OTTO permanent nach neuen Ansätzen für Entscheidungsprozesse suchen. Mit Predictive

Analytics können sie ihre Datenmengen erfolgreich nutzen – und das entlang des gesamten Pro-

duktlebenszyklus. Innovative Techniken wie Machine Learning und Predictive Modeling ermöglichen

der Prognosesoftware, täglich Millionen von Datensätzen zu verarbeiten, diese in Smart Data zu ver-

wandeln und damit ihre Absatzplanung zu verbessern.

technologiegetriebener ProduktlebenszyklusDer Produktlebenszyklus im Bereich Mode und Lifestyle kann bei OTTO in vier Phasen eingeteilt wer-

den, die im Zusammenspiel einen geschlossenen Kreislauf (Closed Loop) ergeben: Trenderkennung,

Planung, Prognose und Abverkaufsoptimierung. Aus den vorhandenen Daten leitet das Predictive

Enterprise Bestellvorschläge für das gesamte Sortiment und für jede Filiale ab. Da der Planung auto-

matisierte Entscheidungen und zuverlässige Prognosen zugrunde liegen, kann OTTO sowohl Out-of-

Stock-Situationen als auch hohe Abschreibungen vermeiden.

Planung• Aufbau Sortimentsstruktur

• Kollektionsgedanke• Mengenschätzung

• Betriebswirtschaftliche Steuerung der

Eigenbewirtschaftung

trenderkennung• Frühzeitiges Erkennen

• Neue Informationsquellen• Welches Produkt möchte

der kunde in zukunft?

cloSEd looP

Prognose• Beschaffung

• Absatz-/Retourenprognose• Publikationsmanagement

Abverkaufsoptimierung• Flexible Preissetzung

• Recommendation Engine• Retourenmanagement

• Effiziente Bestandssteuerung

closed loop

Ganzheitliche Betrachtung verschiedener Fragestellungen

entlang des Produktlebenszyklus

18

19

trenderkennungPredictive Analytics kann schon in einer sehr frühen Planungsphase eingesetzt werden, um das Han-

delsunternehmen rechtzeitig wissen zu lassen, welche Artikel in der Zukunft von den Kunden ge-

wünscht werden und welche Trends abzusehen sind. Hierbei kann eine Prognosesoftware die Trend-

experten des Unternehmens sinnvoll unterstützen. Deren Entscheidungen basieren heute auf ihrem

großen Erfahrungsschatz, auf Store Checks, Messebesuchen, Reisen in Produktionsmärkte und auf

historischen Daten. Künftig können diese Informationen durch die Betrachtung und Analyse zusätzli-

cher Informationsquellen wie Google und Social Media präzisiert und mithilfe von Predictive Analytics

ausgewertet werden.

AbsatzplanungPräzise Absatzprognosen sind für den Handel erfolgsentscheidend. Um Kollektionen zu planen, wer-

den genaue Einschätzungen voraussichtlicher Abverkäufe und Ordermengen benötigt. Hier stellt

Predictive Analytics einzigartige Analysen zur Verfügung, die sowohl historische Daten, eigene Kun-

dendaten, aber auch unstrukturierte Daten wie Suchanfragen auf Shop-Websites und neue Informa-

tionsquellen, z. B. aus Social Media oder Google, berücksichtigen. Trends lassen sich damit früher er-

kennen, die Sortimentsplanung wird deutlich einfacher und präziser.

umsatzoptimierung durch dynamische PreisgestaltungDer optimale Preis für ein Produkt im Handel hängt von zahlreichen Einflussfaktoren ab, die täglich

variieren können. Das Predictive Enterprise passt seine Preise anhand dieser Marktfaktoren perma-

nent an. Ob „verkaufen um jeden Preis“ oder maximaler Gewinn: Mit der dynamischen Preisgestaltung

verfügen Sie über ein hochwirksames Mittel, um Ihre Unternehmensziele umzusetzen.

19

Lila wird

Sommer-Trendfarbe!

Kaltfront –

Sommertemperaturen

max. 19 °C

29,95 €59,90 €

Bademode

50 % rabattieren!

5 Smart Service Welt: Umsetzungsempfehlungen für das Zukunftsprojekt „Internetbasierte Dienste für die Wirtschaft“, März 2014.

20

AuSBlIck: SmArt SErvIcESWie bereits deutlich wurde, ist das Predictive Enterprise weit mehr als nur ein Modell, um existierende

Geschäftsprozesse und Services zu verbessern. Das Predictive Enterprise setzt ein völlig neues Denken

voraus. In der Zukunft werden Unternehmen neue Geschäftsmodelle auf Basis von Smart Services und

Smart Networks entwickeln müssen. Statt der aktuellen Unternehmensstrukturen, die auf Prozess- und

Ressourceneffizienz basieren, wird es neue Ökosysteme auf Basis von Innovation, Information und In-

dividualisierung geben, die Smart Services entwickeln und anbieten werden.

Nur wenn aus Smart Data gewonnene Informationen und Wissen als „vierter Produktionsfaktor“ be-

trachtet und genutzt werden, können Unternehmen künftig erfolgreich neue Geschäftsmodelle im-

plementieren. Intelligente Produkte verschmelzen mit physischen und digitalen Dienstleistungen zu

bedarfsgerechten und flexiblen Smart Services.

„Nicht mehr der einzelne Anbieter mit seinen klassischen Produkten und Services steht im Zentrum,

sondern der Konsument in seiner jeweiligen Rolle als Nutzer, Patient, Mitarbeiter, Techniker, Passagier,

Unternehmer etc., der jederzeit und an jedem Ort die für ihn passende Kombination von Produkten

und Dienstleistungen erwartet.“5 Unter dieser Voraussetzung werden neue Geschäftsmodelle entste-

hen und die Unternehmen werden ihre Produkte und Service-Portfolios permanent anpassen und/

oder erweitern müssen. Die damit verbundenen unternehmerischen Herausforderungen lassen sich

mithilfe eines datengetriebenen Entscheidungsmanagements meistern.

21

22

fAzIt und nächStE SchrIttEDie Analyse von Daten entwickelt sich von descriptive über predictive bis zu

prescriptive. Indem Daten intelligent genutzt werden, können Unternehmen

sich in Predictive Enterprises verwandeln, die den Wettbewerb in Sachen Time-

to-Market, Profitabilität und Innovation übertreffen.

Erfahren Sie, wie andere unternehmen Ihrer Branche daten nutzen, um ihr geschäft zu optimieren.

machen Sie eine Bestandsaufnahme, um herauszufinden, welche daten in Ihrer organisation verfügbar sind.

überprüfen Sie, welche Entscheidungen sich in Ihrem unternehmen regelmäßig wiederholen.

Entwickeln Sie Prognose-Algorithmen, um Entscheidungen zu unterstützen.

operationalisieren Sie diese Algorithmen mithilfe von Predictive Enterprise Applications.

Ihre nächsten Schritte auf dem Weg zum Predictive Enterprise

Blue yonder

Blue Yonder ist der führende SaaS-Anbieter für Predictive Applications im europäischen

Markt. Heute werden mithilfe moderner Sensornetzwerke enorme Datenmengen generiert.

Blue Yonder bietet Unternehmen branchenspezifische Prognosesoftware, um aus diesen Big

Data wertvolles Wissen zu gewinnen und Entscheidungsprozesse zu automatisieren. Mit in-

novativen Techniken wie Predictive Modeling und Machine Learning erstellen wir präzise

Prognosen von höchster Qualität.

Blue Yonder verfügt über das größte Data-Scientist-Team von Spitzenwissenschaftlern in

Europa. An internationalen Forschungsinstituten wie dem CERN haben unsere Data Scien-

tists und Softwareentwickler profunde Kenntnisse in der Auswertung und Verarbeitung von

riesigen Datenmengen (Big Data) erworben. Basierend auf unserer langjährigen Erfahrung

mit Unternehmenssoftware und Software as a Service (SaaS) entwickeln wir Lösungen für

anspruchsvolle Aufgaben in der Wirtschaft.

Unsere Predictive Applications stellen wir Ihnen als Platform as a Service (PaaS) über die Cloud

zur Verfügung. Der selbstlernende Ansatz trägt dazu bei, dass sich verändernde Rahmenbe-

dingungen permanent erkannt und in die Analyse einbezogen werden. Dadurch können wir

Ihnen kontinuierlich präzise Prognosen liefern.

23

24

BY_0

8201

4Blue Yonder GmbH

Ohiostraße 8

76149 Karlsruhe

Tel +49 (0)721 383 117 77

Fax +49 (0)721 383 117 69

E-Mail info@blue-yonder.com

www.blue-yonder.com

Soll auch Ihr Unternehmen ein Predictive Enterprise werden?Sprechen Sie mit uns!