Mit Predictive
Applications den
digitalen Wandel
erfolgreich meistern
Prof. Dr. Michael Feindt | @M_Feindt
Predictive Analytics &
Entscheidungsautomatisierung
Autodisposition
Ständige Lieferbereitschaft
Absatzplanung
Spare Part R...
Ursprung: Elementarteilchenphysik
Die Welt verläuft nicht
deterministisch.
Vorhersagekraft prinzipiell begrenzt
durch Quantenphysik &
deterministisches Chao...
Wo ist Predictive Analytics
einzuordnen?
0%
Lotterie (purer Zufall)
Individuelle Vorhersagbarkeit
Predictive Analytics
100...
Für reale Systeme kann man mit
Predictive Analytics individuelle
Wahrscheinlichkeitsaussagen
machen
Zum Beispiel: zum Ausg...
Ein High-Tech-Algorithmus aus der experimentellen
Elementarteilchenphysik kann komplexe Zusammenhänge aus
historischen Dat...
Aus eigenen und anderen Datenquellen möglichst viel
Information über möglichst viele Einzelfälle gewinnen (z.B. Artikel,
K...
Prognose ist nicht nur eine
Zahl…
…sondern komplette Wahrscheinlichkeitsdichte
(Big Data) Prescriptive
Analytics:
Nutze die Prognosen, um Entscheidungen zu treffen.
Mathematisch optimal. Auf Basis geei...
Das Dilemma der großen
strategischen Entscheidungen
Preislevel
besser in Ziel 1
bedeutet
schlechter in Ziel 2
Ziel 1
Profit...
Die Macht des „und“:
Was wir wirklich wollen:
Verbesserung in Ziel 1
UND
Verbesserung in Ziel 2!
Ist das möglich?
Ziel 1
Z...
Ja… Zauberwort „Individualisierung“
Nicht eine globale Entscheidung,
sondern individuelle Optimierung
jeder einzelnen Ents...
Scheinbar unvereinbare Ziele
erreichen
Autodisposition im
Frischsortiment
20 Mio. € weniger
Lebensmittelvernichtung bei
gl...
99% aller operativen
Entscheidungen in Unternehmen
können automatisiert werden.
Und in oft ähnlichen Situationen
schneller...
Der Mensch ist nicht in der Lage,
statistisch-quantitative Entscheidungen
permanent gut genug zu treffen und
lässt sich hä...
Database Marketing
Teure Werbemaßnahmen an den richtigen Kunden
Ziel
Historische
Daten über
den
Kunden
Aktion
Neue Blue-Yo...
Mit Hilfe von individualisierten
Prognosen / Entscheidungen
scheinbar unvereinbare Ziele
vereinbaren
Beispiel aus dem Cash...
Dynamic Pricing mit
Predictive Analytics
Zehntausende Preisänderungen/Tag für
e-Commerce-Angebote
- Retouren
0 Beschwerden...
Wie funktioniert Dynamic Pricing?
Messung / Prognose
Preis-Absatz-Funktion
Berechnung
optimaler Preis
Anwendung
Preis-Rege...
Wie funktioniert Dynamic Pricing?
Messung / Prognose
Preis-Absatz-Funktion
Berechnung
optimaler Preis
Anwendung
Preis-Rege...
Wie funktioniert Dynamic Pricing?
Messung / Prognose
Preis-Absatz-Funktion
Berechnung
optimaler Preis
Anwendung
Preis-Rege...
Optimierung von Umsatz und Ertrag
Arbeitspunkt
Rohertrag
Umsatz
- Wirkung auf KPIs wird mit Situation sichtbar gemacht
- K...
Bestandssteuerung mit Dynamic
Pricing
heuteBestand
Zeit
Bestand wird zum besten Preis punktgenau zum Zieldatum abgekauft
Z...
10% mehr Abverkäufe
6% mehr Umsatz
4% mehr Rohertrag
3% mehr Neukunden
10% weniger Rebtouren
Keine Erhöhung der Kundenbesc...
Four capabilities mandatory for IoT
four use cases on blue yonder platform
Track
• Real-time
tracking of all
sensor data, ...
IoT: Technology Pyramid
Clash of IoT Software Philosophies
Blue Yonder liefert Saas-Lösungen:
initiales Investment minimal - eigene IT-
Aufwände minimal technische Komplexität
kompl...
Workflow:
Von der Idee zur
Predictive Applications
„Google, Facebook, and Amazon
have each applied Machine
Learning to effectively eviscerate
entire industries. This is just...
„Digital business and big data was a
nice warm up act. Now your enterprise
is all about the algorithms. Big data is
not wh...
Blue Yonder Kunden
Mit Predictive Applications den digitalen Wandel erfolgreich meistern
Mit Predictive Applications den digitalen Wandel erfolgreich meistern
Nächste SlideShare
Wird geladen in …5
×

Mit Predictive Applications den digitalen Wandel erfolgreich meistern

451 Aufrufe

Veröffentlicht am

Eine Präsentation von Blue Yonder's Gründer und Chief Scientific Advisor Prof. Dr. Michael Feindt über den digitalen Wandel und Predictive Applications.

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

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
451
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
12
Aktionen
Geteilt
0
Downloads
4
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Mit Predictive Applications den digitalen Wandel erfolgreich meistern

  1. 1. Mit Predictive Applications den digitalen Wandel erfolgreich meistern Prof. Dr. Michael Feindt | @M_Feindt
  2. 2. Predictive Analytics & Entscheidungsautomatisierung Autodisposition Ständige Lieferbereitschaft Absatzplanung Spare Part Replenishment Industrie 4.0 / IoT Investitionsschutz, Anwendungen Dynamic Pricing Absatz, Umsatz, Rohgewinn steigern Database Marketing Teure Werbemaßnahmen an den richtigen Kunden
  3. 3. Ursprung: Elementarteilchenphysik
  4. 4. Die Welt verläuft nicht deterministisch. Vorhersagekraft prinzipiell begrenzt durch Quantenphysik & deterministisches Chaos in komplexen Systemen. Aber sie verläuft auch nicht zufällig.
  5. 5. Wo ist Predictive Analytics einzuordnen? 0% Lotterie (purer Zufall) Individuelle Vorhersagbarkeit Predictive Analytics 100% Pendel (deterministisch)
  6. 6. Für reale Systeme kann man mit Predictive Analytics individuelle Wahrscheinlichkeitsaussagen machen Zum Beispiel: zum Ausgang von Sportereignissen, Zuschauerzahlen, Abverkäufe, Verkehrsunfälle, Verkehrsstaus
  7. 7. Ein High-Tech-Algorithmus aus der experimentellen Elementarteilchenphysik kann komplexe Zusammenhänge aus historischen Datenbanken von Firmen lernen und zur Prognose für die Zukunft nutzen. Basiert auf einem künstlichen neuronalen Netzwerk. Ist aber viel mehr. Äußerst hohe Generalisierungsfähigkeit (d.h. die Vorhersagen treffen innerhalb ihrer angegebenen Unsicherheiten auch ein.) Inzwischen > 1000 Personenjahre Erfahrung und Weiterentwicklung. Blue Yonder Kerntechnologie NeuroBayes®
  8. 8. Aus eigenen und anderen Datenquellen möglichst viel Information über möglichst viele Einzelfälle gewinnen (z.B. Artikel, Kunden, Point of Sales, Artikel am Point of Sales am Tag, Ersatzteil in Woche in Land ...) Mit modernen Algorithmen Prognosen für die Zukunft für jeden individuellen Einzelfall machen. Inklusive Unsicherheit (Risiko), ganze Wahrscheinlichkeitsverteilung. Automatisch regelmäßig wieder. Oft im Laufe der Zeit immer besser. (Big Data) Predictive Analytics
  9. 9. Prognose ist nicht nur eine Zahl… …sondern komplette Wahrscheinlichkeitsdichte
  10. 10. (Big Data) Prescriptive Analytics: Nutze die Prognosen, um Entscheidungen zu treffen. Mathematisch optimal. Auf Basis geeigneter Nutzen-/ Kostenfunktionen. Heute möglich: Full Service als Software as a Service in der Cloud (in Europa, private Rechenzentren) Mathematische und technische Komplexität komplett outsourcebar.
  11. 11. Das Dilemma der großen strategischen Entscheidungen Preislevel besser in Ziel 1 bedeutet schlechter in Ziel 2 Ziel 1 Profitabilität Ziel 2 Marktanteil
  12. 12. Die Macht des „und“: Was wir wirklich wollen: Verbesserung in Ziel 1 UND Verbesserung in Ziel 2! Ist das möglich? Ziel 1 Ziel 2
  13. 13. Ja… Zauberwort „Individualisierung“ Nicht eine globale Entscheidung, sondern individuelle Optimierung jeder einzelnen Entscheidung. Ziel 1 Ziel 2 Das Magnet kann immer noch strategisch steuern, jetzt aber auf einer effizienteren Kurve.
  14. 14. Scheinbar unvereinbare Ziele erreichen Autodisposition im Frischsortiment 20 Mio. € weniger Lebensmittelvernichtung bei gleichzeitiger Reduktion der Out-of- Stock-Quote um 20% Einkaufsmenge eures Versandhandels Erhöhung der Warenverfügbarkeit bei gleichzeitiger Reduktion von Restbeständen Preissetzung 3,5% mehr Neukunden bei gleichzeitiger Steigerung der Profitabilität um 4% 10% mehr Absatz bei 4% mehr Profitabilität Database Marketing 2,8% mehr Kundenaktivität bei 35% weniger Werbeetat
  15. 15. 99% aller operativen Entscheidungen in Unternehmen können automatisiert werden. Und in oft ähnlichen Situationen schneller, zuverlässiger & besser als bisher getroffen werden.
  16. 16. Der Mensch ist nicht in der Lage, statistisch-quantitative Entscheidungen permanent gut genug zu treffen und lässt sich häufig täuschen (meist durch Optimismus). Daniel Kahneman - schnelles Denken, langsames Denken
  17. 17. Database Marketing Teure Werbemaßnahmen an den richtigen Kunden Ziel Historische Daten über den Kunden Aktion Neue Blue-Yonder- Algorithmen können diesen kausalen Einfluss der Aktion auf jeden Kunden prognostizieren.
  18. 18. Mit Hilfe von individualisierten Prognosen / Entscheidungen scheinbar unvereinbare Ziele vereinbaren Beispiel aus dem Cash&Carry-Handel - Reduktion des Werbebudgets um 36% -Bei gleichzeitiger Erhöhung der Kundenaktivität um ca. 2,8%
  19. 19. Dynamic Pricing mit Predictive Analytics Zehntausende Preisänderungen/Tag für e-Commerce-Angebote - Retouren 0 Beschwerden +++ Neukunden, Marktanteile ++ Umsatz + Profitabilität
  20. 20. Wie funktioniert Dynamic Pricing? Messung / Prognose Preis-Absatz-Funktion Berechnung optimaler Preis Anwendung Preis-Regeln Data Science
  21. 21. Wie funktioniert Dynamic Pricing? Messung / Prognose Preis-Absatz-Funktion Berechnung optimaler Preis Anwendung Preis-Regeln (configurable by customer) Mathematik
  22. 22. Wie funktioniert Dynamic Pricing? Messung / Prognose Preis-Absatz-Funktion Berechnung optimaler Preis Anwendung Preis-Regeln Optimierungs-Spielraum
  23. 23. Optimierung von Umsatz und Ertrag Arbeitspunkt Rohertrag Umsatz - Wirkung auf KPIs wird mit Situation sichtbar gemacht - Kunde wählt strategischen Arbeitspunkt
  24. 24. Bestandssteuerung mit Dynamic Pricing heuteBestand Zeit Bestand wird zum besten Preis punktgenau zum Zieldatum abgekauft Zieldatum Bestandsprognose Preisänderung
  25. 25. 10% mehr Abverkäufe 6% mehr Umsatz 4% mehr Rohertrag 3% mehr Neukunden 10% weniger Rebtouren Keine Erhöhung der Kundenbeschwerden (!) Massive Verminderung der Restanten —> Prozessverschlankung in der Verwertung — gemessen in A/B-Tests
  26. 26. Four capabilities mandatory for IoT four use cases on blue yonder platform Track • Real-time tracking of all sensor data, and monitoring of significant sensor data • Turbine sensor data have to be ordered and analysed with respect to impact and significance for predictive application Optimize • Optimize the use of resources based on sensor data and business process data • Deliver highest steel quality by predicting process results based on sensor, video, and chemical analysis data Predict • Predict health of resource or predict future demands of products • Predict the efficiency profile of street lights to lower costs by optimizing maintenance cycles Act • The ability to fully automate decisions aligned with business strategy • Spare parts replenishment which optimizes risk of over- capacity and out-of-stock situations
  27. 27. IoT: Technology Pyramid
  28. 28. Clash of IoT Software Philosophies
  29. 29. Blue Yonder liefert Saas-Lösungen: initiales Investment minimal - eigene IT- Aufwände minimal technische Komplexität komplett ausgesourct - pay per use (month) Data Services Storage Platform Customer-defined Domain Model Secure Micro Cloud Infrastructure Job Control Framework Web Application Runner Standard APIs Multi-Tenant Runtime Environment Custom Machine Learning Pipeline Custom APIs and User Interfaces
  30. 30. Workflow: Von der Idee zur Predictive Applications
  31. 31. „Google, Facebook, and Amazon have each applied Machine Learning to effectively eviscerate entire industries. This is just the beginning, so the wait-and-see option is looking pretty scary.“ — Geoffrey Moore
  32. 32. „Digital business and big data was a nice warm up act. Now your enterprise is all about the algorithms. Big data is not where the value is. Algorithms are where the action lies. Algorithms define the way the world works.“ — Peter Sondergaard, Gartner
  33. 33. Blue Yonder Kunden

×