Next Level Portfoliomanagement: Künstliche Intelligenz für ein effizientes Sortiment!

Wohin geht der Trend? Wie entwickelt sich der Markt? Welche neuen Möglichkeiten bieten sich?  Produktmanager müssen von Natur aus zukunftsorientiert arbeiten und mitunter in die Glaskugel blicken. Je höher die Anzahl und je diversifizierter die Waren, umso komplexer die Portfolioplanung. Das Produktmanagement bei ratioform steht täglich vor genau dieser Herausforderung – und hat mit Hilfe innovativer Technik eine zukunftsgerichtete Lösung gefunden!

Ausgangssituation: 

Vom Karton zum Klebeband, vom Flachbeutel zum Stretch-Wickler – das Sortiment von ratioform könnte diverser nicht sein. Um für die stetig wandelnden Kundenbedürfnisse immer die richtige Lösung parat zu haben, ergänzen jährlich viele hundert neue Artikel das Portfolio, während andere ihren Zenit überschreiten. Die sechs Produktmanager bei ratioform stehen vor der komplexen Aufgabe ihr Sortiment mit tausenden Produkten hinsichtlich der KPI-basierten Performance und ihrem Status im Lebenszyklus zu analysieren und zu bewerten. Bis vor kurzem funktionierte das auf manueller Basis mit einfachen Berechnungen – eine zeitintensive Mammutaufgabe, die von wertschöpfenden Tätigkeiten ablenkte und eine frühzeitige Trendanalyse kaum zuließ. Auch Nebeneffekte zwischen unterschiedlichen Produktgruppen konnten nur erahnt werden.

Geht etwa der Absatz an Kartons mit Selbstklebeverschluss hoch, kann ein Umsatzrückgang bei Klebebändern Nebeneffekt sein. 

Die Lösung: Der Product Cycle Advisor!

Gemeinsam mit dem IT-Dienstleister Striped Giraffe entwickelte das PM-Team in einem viermonatigen agilen Projekt eine intelligente zweistufige Lösung, die auf künstliche Intelligenz in Verbindung mit der intuitiv nutzbaren Machine-Learning-Plattform des Softwareherstellers Kentivo setzt:  Der Product Cycle Advisor war geboren!

Phase 1: Futter und Training für die Maschine

Maschinelles Lernen bildet die Basis der neuen Anwendung: Denn bei richtiger Auswahl historischer Daten und effizientem Maschinentraining kann ein angelerntes System erstaunlich präzise Vorhersagen über die Produktentwicklung treffen – und eine solide Basis für Businessentscheidungen liefern. Der Produktmanager erkennt Korrelationen zwischen Artikeln und Maßnahmen und ist in der Lage unterschiedliche Szenarien auf ihre Wirksamkeit im Markt zu prüfen. Das System arbeitet umso valider, je mehr relevante Daten zur Verfügung stehen. Im Rahmen des Projekts haben die Analysten von Striped Giraffe sämtliche ratioform-Datenquellen in ihre Modelle integriert und am Ende mehr als 15.000 Datensätze und 10 Millionen Transaktionen aus acht Jahren Datenhistorie bewertet. 

Phase 2: Von historischen Daten zum Product Lifecycle Advisor

In der so genannten Datadiscovery-Phase errechnet das System die 12-Monats-Durchschnitte verschiedener KPIs des Produktportfolios. Angaben zu Umsatz, Margen, Anzahl der Kunden und verkauften Einheiten kommen dabei direkt aus dem Datawarehouse von ratioform. Die erfassten Durchschnittswerte erlauben einen differenzierten Blick auf das Produkt – bereinigt um saisonale Effekte und losgelöst vom aktuellen Absatz. Mithilfe dieser „normalisierten“ Zeitreihen können im nächsten Schritt verschiedene Arten von Produktclustern gebildet werden: Diese Cluster enthalten Produkte unterschiedlicher Natur, aber mit ähnlicher Perfomance. So soll die zukünftige Marktentwicklung eines Produkts anhand der aktuellen Position im Lebenszyklus prognostiziert werden.

Ob die erarbeiteten Modelle tatsächlich prognosefähig sind, verifiziert die nun folgende „Zeitreise“: Historische Werte werden in die Zyklen eingesetzt, um den aktuellen Zeitpunkt eines Produkts vorherzusagen. Entsprechen die errechneten Werte den jetzigen Marktgeschehnissen und Absatzzahlen, so funktioniert das System. Die Ergebnisse dieser Methode sind anfangs noch grob und allenfalls „Low-Fidelity-Modelle“ – sie geben doch einen guten Anhaltspunkt, ob die richtigen Machine-Learning-Ansätze trainiert wurden. Passen die Ergebnisse, geht es in die Feinabstimmung auf den eigentlichen Anwendungszweck. Die von Striped Giraffe so entwickelten High-Fidelity-Modelle sind die Basis des Product Lifecycle Advisors bei ratioform.

12-Monats-Durchschnitte sind die Basis für Produktcluster.

Das Ergebnis:

Mit dem Product Lifecycle Advisor kann das ratioform Produktmanagement heute mit wenig Zeitaufwand die Performance und Entwicklung eines Produktes auf Artikelebene tracken und datenbasiert bewerten. So lassen sich konkrete Maßnahmen schneller und gezielter umsetzen. Gleichzeitig bietet das System, gesplittet nach KPIs, einen kontinuierlichen Einblick in die besten oder schlechtesten Performer ihres Portfolios – und damit eine solide Basis für zukunftsgerichtete Produktentscheidungen!  

Tops und Flops im Portfolio auf einen Blick.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert