Customer Case Study Handel

13.483 Aufrufe

Veröffentlicht am

Automatisierte Entscheidungen entlang des
Produktlebenszyklus sparen OTTO Millionen
OTTO ist Vorreiter auf dem Gebiet Smart Data im deutschen Handel

Veröffentlicht in: Technologie
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
13.483
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
10.919
Aktionen
Geteilt
0
Downloads
3
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Customer Case Study Handel

  1. 1. Customer Case Study Handel Automatisierte Entscheidungen entlang des Produktlebenszyklus sparen OTTO Millionen OTTO ist Vorreiter auf dem Gebiet Smart Data im deutschen Handel
  2. 2. Überblick Kunde Onlinehändler für Fashion und Lifestyle OTTO Herausforderung Den sich immer schneller ändernden Marktbedingungen und Kundenanforderungen im Multichannelhandel gerecht werden Warenverfügbarkeit sicherstellen und Lieferzeiten von mehr als einer Woche vermeiden Retourentreiber identifizieren und diesen gegensteuern Lösung Datenbasierter Closed‐Loop‐Ansatz entlang des gesamten Produktlebenszyklus Produkt Blue Yonder Predictive Analytics Suite Erfolg in Zahlen Absatzprognosen Tägliche Inputvariable Wöchentlich ausgewertete Datensätze Jährliche Einzelprognosen Verbesserung der Prognosequalität um Senkung der Restbestände um 200 300 Millionen 5 Milliarden 40 % 20 % Retourenoptimierung Vermiedene Artikelrücksendungen 2 Millionen Dynamische Preisgestaltung Die im Pilotprojekt für einen bestimmten Sortimentsbereich von Otto gesetzten Ziele hinsichtlich Umsatz‐, Absatz‐ und Neukundensteigerung wurden übertroffen 2
  3. 3. Wie lassen sich die riesigen Datenmengen im Onlinehandel gewinnbringend nutzen? Komplexe Zusammenhänge und hohe Kundenerwartungen lassen Versandunternehmen nach neuen Lösungen suchen OTTO befindet sich als Multichannelunternehmen in einem Wettbewerbsumfeld, das seit einigen Jahren geprägt ist von sich immer schneller ändernden Marktbedingungen und Kundenanforderungen. Die Dominanz des Onlinehandels impliziert stetig neue Herausforderungen. Entscheidungsprozesse sind heute von immensen Datenmengen, einer Vielzahl von Einflussfaktoren, permanentem Handlungsbedarf in Echtzeit und hohem Zeitdruck geprägt. Herkömmliche statistische Verfahren im Bereich der Absatzprognose wurden diesen neuen Anforderungen nicht mehr gerecht. Dank der einzigartigen Predictive Analytics Software von Blue Yonder jedoch kann die Einzelgesellschaft nun ihre Datenmengen erfolgreich nutzen. Über OTTO Der deutsche Multichannelhändler OTTO hat den Übergang vom klassischen Versandhändler zum Onlinehändler durch permanente Anpassung seiner Geschäftsprozesse und Neuausrichtung des Unternehmens erfolgreich gemeistert. Den Mittelpunkt des heutigen Geschäfts bildet der Onlineshop www.otto.de mit einem Anteil von über 80 % am Gesamtjahresumsatz von mehr als 2 Milliarden Euro. Eine der Grundvoraussetzungen für diese positive Entwicklung ist das umfassende Sortimentsangebot. Neben Mode und Technik werden unter anderem auch Möbel, Sportartikel, Schuhe und Spielzeug angeboten. Insgesamt führt der Onlineshop rund 4.000 Marken und mehr als 2 Millionen Artikelpositionen. 3
  4. 4. Der erste Schritt: Neue Wege bei der Absatzprognose Um seinen betriebswirtschaftlichen Erfolg sicherzustellen, muss OTTO sein umfassendes Angebot an Produkten für jeden einzelnen Artikel präzise steuern. Eine der größten Herausforderungen hierbei ist es, den voraussichtlichen Absatz eines Artikels frühzeitig vorherzusagen, denn der rentable Wareneinkauf entscheidet über den Gesamterfolg. Die wichtigste Aufgabe ist somit, permanent die richtigen Mengen zu identifizieren. Blue Yonder überzeugte mit der Qualität seiner Prognosen Um die Komplexität des heutigen Geschäftsmodells mit seinen Mengen an Daten aus den unterschiedlichsten Kanälen abzubilden, evaluierte OTTO 13 international ausgerichtete Softwareanbieter. Die Blue Yonder Predictive Analytics Suite überzeugte. OTTO stellte den Anbietern testweise historische Daten zur Verfügung, deren IST‐Zahlen dem Unternehmen bereits bekannt waren. Bei dem Test lieferte Blue Yonder die mit Abstand präzisesten Prognosen. So startete eine enge und erfolgreiche Zusammenarbeit, um zunächst die Absatzprognosen auf Einzelartikelebene zu verbessern. Auf Basis von historischen Daten mit unterschiedlichsten Inputvariablen wurde das System trainiert, sodass es von Beginn an sehr gute Prognosen lieferte. Mit jedem weiteren Iterationsschritt überprüft das System seine eigene Prognosequalität und zieht Schlüsse daraus. Dabei nutzt die Software innovative Techniken wie Predictive Modelling und Machine Learning. Mit Blue Yonder verbessert OTTO seine Prognosequalität um bis zu 40 % Mit dem Einsatz der einzigartigen Prognosesoftware von Blue Yonder wurde OTTO zum „First Mover“ auf dem Gebiet Big Data im Handelsumfeld. Die Artikelabsatzprognose mit Blue Yonder ist heute fest in den operativen Geschäftsprozessen bei OTTO verankert. Es wird täglich für jeden Artikel je Farbe und Größe eine aktualisierte Prognose auf Basis von 200 verschiedenen Inputvariablen (z. B. Marke, Preis, Onlineplatzierung, Bestandssituation, Wetter) ermittelt. Hierzu übergibt OTTO wöchentlich 300 Millionen Datensätze an Blue Yonder. Jedes Jahr werden somit mehr als 5 Milliarden Einzelprognosen erstellt. Ein großer betriebswirtschaftlicher Erfolg: Die Prognosequalität verbesserte sich gegenüber den herkömmlichen Verfahren um bis zu 40 % je Artikel und die Restbestände am Saisonende wurden um 20 % gesenkt! Tägliche Inputvariable 200 Wöchentlich ausgewertete Datensätze 300 Millionen Jährliche Einzelprognosen 5 Milliarden Verbesserung der Prognosequalität um 40 % Senkung der Restbestände um 20 % „Unsere Prognosequalität steigt mit Blue Yonder kontinuierlich und die prognostizierten Absatzmengen werden immer präziser. Sie unterstützen uns dabei, uns frühzeitig auf künftige Entwicklungen einzustellen.“ Michael Sinn, Direktor Category Support, OTTO 4
  5. 5. Der Closed‐Loop‐Ansatz Technologiegetriebener Produktlebenszyklus Aufbauend auf dem Erfolg der neuen Artikelabsatzprognose identifizierten OTTO und Blue Yonder entlang des gesamten Produktlebenszyklus Fragestellungen, die vom Einsatz der neuen Technologie profitieren können. So entstand die Idee des „technology‐driven product lifecycle“, eines ganzheitlichen Systems zur Steuerung des Produktlebenszyklus. Die Steuerungsinstrumente versetzen OTTO in die Lage, schneller und einfacher wirtschaftlich sinnvolle Entscheidungen für einen Artikel zu treffen. Der Produktlebenszyklus wurde in vier Phasen eingeteilt, die im Zusammenspiel einen geschlossenen Kreislauf (Closed Loop) ergeben: Trenderkennung, Planung, Prognose und Abverkaufsoptimierung. Einige der Instrumente sind bei OTTO bereits vollständig in die operativen Geschäftsprozesse integriert, andere befinden sich noch auf der Zielgeraden. Der „technology‐driven product lifecycle“ wird permanent weiterentwickelt. Er trägt den Gegebenheiten des sich immer schneller verändernden Marktumfelds Rechnung und ermöglicht es OTTO, Entscheidungen zu automatisieren und betriebswirtschaftlich bessere Ergebnisse zu erzielen. Closed Loop Ganzheitliche Betrachtung verschiedener Fragestellungen entlang des Produktlebenszyklus Trenderkennung • Frühzeitiges Erkennen • Neue Informationsquellen • Welches Produkt möchte der Kunde in Zukunft? Planung Abverkaufsoptimierung • Flexible Preissetzung • Recommendation Engine • Retourenmanagement • Effiziente Bestandssteuerung Closed Loop • Aufbau Sortimentsstruktur • Kollektionsgedanke • Mengenschätzung • Betriebswirtschaftliche Steuerung der Eigenbewirtschaftung Prognose • Beschaffung • Absatz-/Retourenprognose • Publikationsmanagement 5
  6. 6. Dynamic Pricing: Wie OTTO den optimalen Preis findet Die Anforderungen an ein intelligentes Preismanagement sind heute im Onlinegeschäft ungleich höher als zu Katalogzeiten. Der Kunde erwartet stets einen angemessenen Preis, die Preistransparenz liegt insbesondere bei Markenware bei nahezu 100 %. Der optimale Preis für ein Produkt hängt von zahlreichen Einflussfaktoren ab, die täglich variieren können. Zu jedem Zeitpunkt im Produktlebenszyklus gibt es einen optimalen Preis für ein Produkt − die Herausforderung ist, diesen zeitbezogen festzulegen. Das Finden des „idealen“ Preises wird bei OTTO heute mit Unterstützung von Big Data erfolgreich umgesetzt. In einem halbjährigen Pilotprojekt im Bereich Herrenausstattung testete OTTO, wie mithilfe der Predictive Analytics Software von Blue Yonder die Preisfestsetzung automatisiert werden kann, um den Umsatz und die Rendite zu steigern. Mit beeindruckenden Resultaten: Blue Yonder war nachweislich in der Lage, gleichzeitig den Absatz, den Umsatz und das Ergebnis signifikant zu optimieren. Auf dieser Basis erfolgt aktuell der sukzessive Rollout auf das gesamte Sortiment, von dem sich OTTO eine nennenswerte Verbesserung des Unternehmensergebnisses verspricht. Retourenmanagement: So senkt OTTO seine Retourenquote Warenrücksendungen durch den Kunden und deren Management haben sich durch den Onlinehandel zum erfolgskritischen Faktor Nummer 1 entwickelt. Auf der einen Seite verursachen Retouren immense Logistikkosten, Kosten zur Wiederaufbereitung und im unerfreulichsten Fall Abschreibungen für nicht mehr einlagerungs‐ und somit versandfähige Ware. Auf der anderen Seite sind Retouren grundlegender Bestandteil des Geschäftsmodells. Denn ein Vorteil des Versandhandels ist es, die Ware in Ruhe zu Hause zu prüfen, dann zu entscheiden und anschließend unter Umständen einen Teil der Ware zurückzusenden. Vor diesem Hintergrund wurde ein gemeinsames Projekt zwischen OTTO und Blue Yonder initiiert, um Gründe und Treiber für Rücksendungen zu identifizieren, zu quantifizieren und auf Basis dessen Maßnahmen zur Senkung der Retourenquote abzuleiten. Im Rahmen eines Expertenworkshops wurden Arbeitshypothesen formuliert, Die Senkung der Retourenquote führte zu einer Kostenersparnis in zweistelliger Millionenhöhe. die im Verlauf des Projektes mit der Blue Yonder Software überprüft wurden. Hierbei wurden beispielsweise die Entwicklung von Auswahlbestellungen (ein Kunde bestellt einen Artikel in mehreren Größen oder Farben), der Zusammenhang zwischen Lieferzeit und Retourenverhalten oder auch der Einfluss der werblichen Darstellung eines Artikels im Rahmen eines umfangreichen Daten- modells untersucht. Auf Basis der Ergebnisse wurden zahlreiche Maßnahmen ergriffen, die zu einer signifikanten Senkung der Retourenquote geführt haben. So konnten beispielsweise die Auswahlbestellungen durch das Einblenden eines Umwelthinweises im Bestellprozess deutlich gemindert werden. Zudem wurde ein System entwickelt, um die Retourenquote eines Artikels frühzeitig zu prognostizieren und hochretourige, unrentable Artikel vollautomatisch entsprechend eines genau definierten Regelwerks aus dem Onlineshop zu entfernen. Insgesamt wurden durch die Erkenntnisse des Projektes bisher ca. 2 Millionen Artikelrücksendungen vermieden. 6
  7. 7. Exakte Planung: So verbessert OTTO seine Sortimentierung Die präzisen Absatzprognosen, die OTTO mithilfe von Blue Yonder Software ermittelt, haben direkten Einfluss auf die erfolgsentscheidende Sortimentsstruktur des Unternehmens. Denn die Kernfrage, die bei der Planung zu beantworten ist, lautet: Welche Sortimentsstruktur hat unsere neue Kollektion und welche Mengen müssen wir von einem bestimmten Artikel in der Produktion berücksichtigen? Um die Kollektionen zu planen, werden präzise Einschätzungen voraussichtlicher Abverkäufe und Ordermengen benötigt. Hier stellt Blue Yonder einzigartige Analysen zur Verfügung, die sowohl historische Daten, eigene Kundendaten, aber auch unstrukturierte Daten wie Suchanfragen auf otto.de und neue Informationsquellen, z. B. aus Social Media oder Google, berücksichtigen. Trends lassen sich damit früher erkennen und die Sortimentsplanung wird deutlich einfacher und präziser. Trenderkennung: Gemeinsam mit Blue Yonder schaut OTTO in die Zukunft In einem nächsten Projekt werden die Data Scientists von Blue Yonder und die Handelsexperten bei OTTO den Einsatz der Software in der ganz frühen Planungsphase prüfen. Denn natürlich will OTTO rechtzeitig wissen, welche Artikel in der Zukunft von den Kunden gewünscht werden und welche Trends abzusehen sind. Hierbei kann Predictive Analytics die Trendexperten von OTTO sinnvoll unterstützen. Deren Entscheidungen basieren heute auf ihrem großen Erfahrungsschatz, auf Store Checks, Messebesuchen, Reisen in Produktionsmärkte und auf historischen Daten. Künftig sollen diese Informationen durch die Betrachtung und Analyse zusätzlicher Informationsquellen wie Google und Social Media präzisiert und mithilfe von Blue Yonder Predictive Analytics ausgewertet werden. 7
  8. 8. Blue Yonder Blue Yonder hilft Unternehmen dabei, wertvolles Wissen für automatisierte Entscheidungsprozesse und profitables Wachstum aus ihren Datenmengen zu ziehen. Das Blue Yonder Entwicklungsteam besteht aus Data Scientists und Softwareentwicklern, die alle aus der Wissenschaft kommen und an internationalen Forschungsinstituten wie dem CERN profundes Wissen erworben haben. Basierend auf unserer langjährigen Erfahrung mit Unternehmenssoftware und Software as a Service (SaaS) entwickeln wir Lösungen, die für anspruchsvolle Aufgaben in der Wirtschaft eingesetzt werden. Mithilfe unserer branchenspezifischen Prognosesoftware und Data‐driven Apps können auch Fachabteilungen einfach mit Predictive Analytics arbeiten. Durch diese Demokratisierung von Big Data ermöglichen wir Unternehmen auf der ganzen Welt, selbst zum Predictive Enterprise zu werden. Dabei nutzen wir innovative Techniken wie Predictive Modelling und Machine Learning, um präzise Prognosen von höchster Qualität zu erstellen und Massenentscheidungen zu automatisieren. Die SaaS-Lösung für Predictive Analytics Blue Yonder GmbH Karlsruher Straße 88 D-76139 Karlsruhe Tel. +49 (0)721 383 117 0 Fax +49 (0)721 383 117 69 info@blue-yonder.com www.blue-yonder.com 8 BY_022014 Wollen auch Sie ein datengetriebenes Unternehmen werden? Sprechen Sie mit uns!

×