Predictive Analytics im Supply Chain Management

predictive-analytics
© WrightStudio - stock.adobe.com
Bewerten
8 Bewertungen,
Durchschnitt 5,0

Predictive Analytics dient dazu, Daten zu nutzen, um zukünftige Entwicklungen vorauszusagen. Das Thema wird dank immer größerer Datensammlungen und intelligenter Algorithmen zunehmend relevant – auch für das Supply Chain Management.

Was heißt Predictive Analytics?

Schauen wir uns die Worte doch einmal genauer an: „Predictive“ bedeutet auf Deutsch so viel wie „vorausschauend“ oder „vorhersagend“. Das heißt: die Ergebnisse beziehen sich auf die Zukunft.

„Analytics“ lässt sich ganz einfach mit „Analyse“ oder „Analytik“ übersetzen.  Dabei geht es um das Auswerten von Daten, deren Zusammenhänge und Abhängigkeiten.

Kombiniert man diese zwei Bereiche, entsteht die Analyse historischer Daten mit einem Ergebnis für die Zukunft, das sich auf gewisse Muster in der Vergangenheit bezieht, dessen Zusammenhänge verknüpft werden und mit hoher Wahrscheinlichkeit ein ähnliches Verhalten für die Zukunft vorhersagen. So wird beispielweise ein Trend ersichtlich, der auch zukünftig noch andauern wird.

Predictive Analytics hat in den letzten Jahren stark an Relevanz gewonnen, da durch die entstehenden Datenmengen und die modernen Machine Learning-Algorithmen die (Echtzeit-)Daten von einer ganz neuen Seite betrachtet werden können.

Wie funktioniert Predictive Analytics?

Predictive Analytics ist ein Zusammenspiel aus Big Data und Vorhersagemodellen. Die Vorhersagemodelle durchsuchen die Datenmasse aus der Vergangenheit nach sich wiederholenden Mustern, Abhängigkeiten zu anderen Daten und deren Auswirkungen. So werden beispielsweise von einem regressiven Vorhersagemodell, abstrahiert gesprochen, unzählige „wenn X dann Y“ Verknüpfungen erstellt, wobei X das auftretende Muster darstellt und Y die Auswirkung.

Daraus lässt sich schließen: Je besser die Prognose sein soll, desto wichtiger ist eine solide und konsistente Datengrundlage, mit der gearbeitet werden kann.

Predictive Analytics findet in allen vorstellbaren Bereichen bereits Anwendung. Jeder kennt es beim Online-Shopping: auf Basis der bisher eingekauften Ware werden weitere Produkte vorgeschlagen. Im Bankwesen wird beispielsweise das Risiko beim Kreditentscheidungsprozess bewertet, oder in der Supply Chain der zukünftige Bedarf, der für die verkauften Produkte zu erwarten ist.

logistik kpis
© chokniti - stock.adobe.com

Welche Vorteile hat Predictive Analytics?

Mit Predictive Analytics die Effizienz des Unternehmens steigern! Wieso die Effizienz? Durch die angehende Digitalisierung werden bereits unzählige Datenströme erzeugt und evtl. sogar schon gesichert. Wenn die Daten sowieso entstehen, wieso nutzt man sie dann nicht gleich, um einen Mehrwert für das Unternehmen daraus zu gewinnen?

Wenn ein Risiko bereits frühzeitig erkannt wird, kann sich darauf vorbereitet werden oder es vielleicht sogar komplett verhindert werden. Somit können die Mitarbeiter ihre Arbeitszeit nutzen, um zu agieren und planbare Risiken im Unternehmen zu beherrschen. Man kann zwar nicht in die Zukunft schauen, aber die Glaskugel schärfen.

Wie kann man Predictive Analytics entlang der Supply Chain einsetzen?

Die Globalisierung treibt auch die Komplexität der Supply Chain immer weiter voran. Um weiterhin einen Überblick zu behalten, kann die maschinelle Auswertung dieser Daten eine Echtzeit-Übersicht über die vorhandenen Diskrepanzen entlang der Lieferkette bieten. Dabei wird die Supply-Chain End-To-End betrachtet und reicht von der Beschaffung von Materialien, über die Produktion, Verteilung in die Distributionszentren und schlussendlich die Auslieferung zu den Kunden. Somit können Kapazitätsengpässe der Maschinen oder die Verzögerung einer Lieferung oder die Wartung einer Maschine frühzeitig erkannt werden und mithilfe einer Was-Wäre-Wenn Analyse die Auswirkungen ermittelt werden.

Zudem können für die Bedarfsprognose komplexe Machine Learning Algorithmen eingesetzt werden, die ebenfalls die historischen Verkaufsahlen mittels Mustererkennung analysieren und diese in die Zukunft weiterführen und eine belastbare Prognose erzeugen.

WHITEPAPER: Die Basis für eine optimierte Supply Chain - So unterstützt Sie eine effiziente Planung

Was passiert, wenn äußere Faktoren auf Ihre Lieferkette einwirken? Wenn sich politische Unruhen, Unwetter oder auch die Berichterstattung in den sozialen Medien auf die Nachfrage nach Ihren Produkten auswirken? Können Sie flexibel agieren, um eine plötzliche Nachfragesteigerung zu erfüllen? Unser Whitepaper erklärt, wie Sie die Voraussetzung für eine optimierte Supply Chain schaffen.

Wie sehen Predictive Analytics-Lösungen für das Supply Chain Management aus?

Um beim Supply Chain Management von Predictive Maintenance profitieren zu können, gibt es zwei Voraussetzungen. Eine solide Datengrundlage und eine Software-Lösung, welche diese auswertet. Als Datengrundlage kann ein ERP-System genommen werden, beispielsweise ein SAP ECC oder ein S/4HANA. Dort sind viele relevante Daten (zum Beispiel Verkaufszahlen) bereits im System vorhanden und können für die Auswertung genutzt werden.

Zudem benötigt man eine Software-Lösung, die mit dieser Datenmenge umgehen kann und so die gewünschten Ergebnisse liefert. Als Auswertungsplattform für planungsrelevante Themen kommt beispielsweise das Integrated Business Planning von SAP in Frage. Über dessen vorgefertigte Schnittstelle können Daten aus jeglichen Quellen (Webservice, Datenbanken, Dateien, SAP-Systeme) ins System geladen und anschließend ausgewertet werden.

Wichtig für die Auswahl einer passenden Lösung ist es, dass passende Funktionalitäten vorhanden sind, die unterschiedliche Rechen- und Vorhersagemodelle zur Analyse bieten, die zu den jeweiligen Prozessen passen.

Keine Updates mehr verpassen: 1
© WrightStudio - stock.adobe.com

Zurück