GEO-FINGERPRINT-ANALYSE: Mittels Data Science / AI: erfolgreiche Identifikation von Umsatzeffizienz und Nachfrage

Geo-Fingerprint-Analyse ermöglicht die vertiefte Beurteilung des für ein Produkt von den Händlern zu erwartenden Umsatzes

Der an dieser Stelle nicht namentlich zu nennende Nahrungsmittelkonzern verbessert kontinuierlich sein Produkt- und Kundenverständnis. Mit der Geo-Fingerprint-Analyse gelang IT-Logix die zuverlässige Vorhersage der effektiv zu erwartenden Umsätze der Einzelhändler. Der Service zeigt nicht nur auf, wo Verkaufsprobleme bestehen und wie hoch deren wirtschaftliche Auswirkungen sind. Er ermöglicht auch die statistisch aussagekräftige Nachfrage-Prognose der Filialen und so eine verbesserte Produktionsplanung. 

Unser Kunde stellt Lebensmittelprodukte für den Detailhandel und die Gastronomie in und um die Schweiz her. Das börsenkotierte Traditionsunternehmen beschäftigt mehrere tausend Mitarbeitende und erwirtschaftet jährlich einen dreistelligen Millionenbetrag.

Den Verantwortlichen war es wichtig, das Produktverständnis auf der Basis bereits gesammelter Daten zu verbessern. Für ausgewählte Produkte einer bekannten Marke sollte so ein Absatz-Prognosemodell sowie das effektive Marktpotenzial des Produkts in Erfahrung gebracht werden.. Zum Einsatz kam dazu die Geo-Fingerprint-Analyse von IT-Logix, mittels derer für jede Region die Umsatzeffizienz errechnet werden konnte. So gelang es, diejenigen Händler respektive Filialen zu benennen, bei denen das Absatzpotenzial aus irgendeinem Grund nicht ausgeschöpft wird. Die Berechnungen erlauben darüber hinaus eine deutlich verbesserte Identifikation der effektiven Nachfrage. Dies macht den Konzern unabhängig von den oft ungenauen Umsatzvorhersagen der Händler und erlaubt eine bessere Produktionsplanung.

Mittels demografischer Faktoren zum Umsatzpotenzial

Weil der Konzern im Business-to-Business-Bereich tätig ist, hat das Unternehmen keinerlei Zugang zu Endkundendaten, die zum Verständnis des Kaufverhaltens und der darauf basierenden Produktionsplanung beitragen könnten. Sie verfügt lediglich über die Umsatz- und Absatzzahlen sowie die Adressen der einzelnen Filialen der jeweiligen Detailhändler. Ziel war es, ein Produktverständnis zu schaffen, das Anhaltspunkte zu den demografischen Merkmalen liefert, die den Erfolg des Produkts beeinflussen.

Dazu wurden zuerst alle Filialadressen geocodiert und den verschiedenen Regionen zugeordnet. Die so gewonnenen Absatz- und Umsatzzahlen der einzelnen Regionen wurden mit den Daten des Bundesamtes für Statistik BFS in Beziehung gesetzt. Das BFS bietet nämlich kostenlos riesige Mengen an demografischen Informationen wie Alter, Geburtenraten, Einkommensklassen etc. der Bevölkerung in den einzelnen Regionen an, beispielsweise auf Gemeinde- oder Bezirksebene. Mittels Regressionsanalyse konnten die demografischen Faktoren identifiziert werden, die einen signifikanten Einfluss auf die Verkaufszahlen des Produkts haben. Die Daten wurden so modelliert, dass sich künftig auf regionaler Ebene zuverlässig die zu erwartende Nachfrage der Einzelhändler vorhersagen lässt. Anschließend wurden Regionen, die sich hinsichtlich der demografischen Strukturen ähnlich sind, miteinander verglichen und so diejenigen Verkaufsläden identifiziert, die mit ihren Umsätzen hinter den Erwartungen zurückbleiben. Überdies haben die Berechnungen ans Licht gebracht, wie hoch die Einnahmen bei den untersuchten Produktensein könnten, würde die Umsatzeffizienz 100 Prozent betragen. Tatsächlich ist der realisierbare Mehrumsatz für das Unternehmen bedeutend. Er beläuft sich allein für ein Produkt auf fast zehn Prozent, was auch in absoluten Zahlen einen sehr beträchtlichen Betrag ausmacht. Nachdem bekannt ist, wo manche Filialen hinter den Erwartungen zurückbleiben, kann der Konzern gezielt die Gründe (Lage des Geschäfts, Positionierung des Produktes im Laden, andere Sales-Faktoren etc.) für die finanziellen Konsequenzen wie ungenügende Umsatzeffizienz und Kosten infolge Unter- oder Überproduktion herausfinden.

Effiziente Abwicklung dank langjähriger Erfahrung

IT-Logix ist bereits viele Jahre explizit auf Business Intelligence, Big Data, ss Data Warehousing und Data Science spezialisiert. Das Unternehmen verfügt deshalb über das entsprechende Know-how bei der zielführenden Aufbereitung von Daten, der Grundvoraussetzung für eine mehrwertorientierte Durchführung von Datenanalysen. Darüber hinaus trägt die langjährige Erfahrung von IT-Logix in der Integration von zusätzlichen Daten und Informationen (wie z.B. Demografie, Wetter, Social Media etc.) dazu bei, die Aussagekraft und damit den Wert der Analyseresultate deutlich zu verbessern. Schließlich erlaubt das Wissen im Bereich Machine Learning und Data Science, oftmals brachliegende Datenschätze im Unternehmen in echte, greifbare Mehrwerte mit klar quantifizierbarem, positivem Einfluss auf das Geschäftsergebnis zu verwandeln. Die Implementation bei dem Kunden gelang problemlos. Die Initialanalyse dauerte im vorliegenden Fall für das Produkt ca. acht bis zehn Arbeitstage. Auf dieser initial geschaffenen Basis kann die Auswertung für jeden gewünschten Artikel wiederholt, auf Wunsch auch automatisiert und die Erkenntnisse direkt in Geschäftsprozesse eingebunden werden.

Kurzbeschrieb des Projekts

Ausgangslage

Der Nahrungsmittelkonzern verfügt als B2B-Firma nicht über Endkundendaten, sondern lediglich über die Umsatzzahlen der einzelnen Filialen der Detailhändler. Mithilfe von IT-Logix gelang es dennoch, ein Produktverständnis in Bezug auf demografische Einflussfaktoren herzustellen und schließlich die wirtschaftlichen Auswirkungen der fehlenden Umsatzeffizienz zu benennen.

Lösung

Mittels der von IT-Logix entwickelten Geo-Fingerprint-Analyse wurden Kundendaten unter Einbezug von statistischen Daten des Bundesamts für Statistik geocodiert, anhand einer Regressionsanalyse demografische Faktoren für den Verkaufserfolg des Produkts analysiert und ein Modell entwickelt, mit dem sich die Nachfrage bei den Händlern auf regionaler Ebene zuverlässig vorhersagen lässt.

Nutzen

Identifikation der zu erwartenden Umsätze und der Nachfrage der Händler jeder Region ermöglicht eine Verbesserung von Umsatzeffizienz und Produktionsplanung.

Highlights

• Aggreation von Umsatzzahlen auf regionaler Ebene
• Produkteverständnis in Bezug auf demographische Merkmale
• Analyse von Umsatzprognosen, Vertriebs (in-) Effizienz und deren wirschaftlichen Auswirkungen

Technologie und Produkte

• Geo-Fingerprint-Analyse von IT-Logix
• Statistik-Analyse-Software R (kostenlos)
• SAP Predictive Analytics (optional) / Microsoft Azure Machine Learning oder SQL Server (Machine Learning Server)