Den richtigen Lagerbestand zu wählen ist ein kritischer Erfolgsfaktor im Handel: Die Lieferfähigkeit muss immer gegeben sein, gleichzeitig bedrohen hohes gebundenes Kapital und verdorbene Ware die Wirtschaftlichkeit des Betriebs. Diese herausfordernde Planungsaufgabe wird durch Methoden der prädiktiven Analytik unterstützt: Planer sind nicht mehr nur auf das Reagieren auf Basis historischer Daten aus Kennzahlensystemen limitiert, sondern können sich durch die Forecasting-Algorithmen proaktiv auf die wahrscheinlichsten Szenarien einstellen. In diesem Artikel zeigen wir auf, wie die etablierten Methoden zur Lagerbestandsoptimierung durch Daten und Analysen befähigt und erweitert werden.
In der Vergangenheit galt ein kontinuierliches Überwachen des Bestandes und der Kosten als Best Practice für eine hinreichende und durchgehende Verfügbarkeit der Ware. Dabei wurde der Blick jedoch vor allem in die Vergangenheit gerichtet und demnach auf Veränderungen und Trends reagiert. So führt ein reines Bestandesmonitoring nicht zwingend zu einer Minimierung der Kosten und des Warenbestandes, da der Handlungsbedarf erst spät erkannt wird. Durch prädiktive Methoden der Data Analytics wird es nun möglich, den Blick in die Zukunft zu wenden und sich proaktiv auf die wahrscheinlichsten Szenarien einzustellen. Ausschlaggebende Faktoren für einen optimierten Lagerbestand sind in der Regel:
- die Reduktion von Verderb (MHD-Monitoring) und Ausschuss (überlagerte nicht mehr verkaufsfähige Ware ohne MHD),
- Reduktion oder Eliminierung von Langsamdrehern im Sortiment sowie
- Reduktion des Warenbestandes und Senkung von Handling- und Inventarisierungskosten.
Um weiterzulesen, laden Sie den vollständigen Artikel herunter:
