![\"Image\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2023\/04\/Jerome-Petit-1.jpeg\")
![](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2021\/08\/jdn-LOGO.png\" "\\"jdn-LOGO\\""){kind=logo}
<\/span><\/div>Die besonders turbulenten Marktbedingungen im Jahr 2022 haben die Preis- und Lieferkettenpolitik des Einzelhandels gest\u00f6rt. Die Preisoptimierung war zwar schon immer ein t\u00e4gliches Thema in dieser Branche, aber der Anstieg der Verbraucherpreise um 5,2% im gesamten Jahr 2022 (gegen\u00fcber 1,6% im Jahr 2021) und seine Beschleunigung im ersten Quartal 2023 haben die Notwendigkeit zu reagieren noch verst\u00e4rkt. T\u00e4glich m\u00fcssen h\u00e4ufigere Entscheidungen zur Preisanpassung getroffen werden, um Kostensteigerungen aufzufangen oder auf die Neupositionierung von Wettbewerbern zu reagieren, und sie m\u00fcssen sofort in den Filialnetzen umgesetzt werden.<\/p>\n
Erschwerend kommt hinzu, dass immer noch ein Schatten \u00fcber den Lieferketten h\u00e4ngt, der von den Pandemien geerbt wurde. Viele Einzelh\u00e4ndler sind sich nicht mehr sicher, ob sie alle Produkte anbieten k\u00f6nnen, weil sie nicht genug auf Lager haben.<\/p>\n
Bei der Bew\u00e4ltigung dieser beiden Herausforderungen zeichnen sich die Akteure aus, die in der Lage sind, sich in hohem Ma\u00dfe auf ihr data zu verlassen und es sofort und in gro\u00dfem Umfang durch maschinelles Lernen zu verarbeiten. Nat\u00fcrlich kann man nicht von heute auf morgen von data-reich zu data-driven werden, aber entgegen weit verbreiteter Bef\u00fcrchtungen sind die Technologien so ausgereift, dass die ersten Bausteine, die schnell Fr\u00fcchte tragen k\u00f6nnen, in wenigen Wochen eingesetzt werden k\u00f6nnen.<\/p>\n<\/div>
Maschinelles Lernen zur Preisoptimierung...<\/h2><\/div>Die Inflation hat die Aufmerksamkeit der Einzelh\u00e4ndler auf die t\u00e4gliche Herausforderung der Preisoptimierung gelenkt: Wie kann man Produkte identifizieren, die am empfindlichsten auf Preisschwankungen reagieren (Elastizit\u00e4t)? Welche Produkte pr\u00e4gen das Preisimage einer Marke (bekannte Wertartikel)? Wie kann man in Echtzeit auf die Neupositionierung von Wettbewerbern reagieren? Wie k\u00f6nnen Werbeaktionen optimiert werden, ohne die Rentabilit\u00e4t zu beeintr\u00e4chtigen, da sie einen immer gr\u00f6\u00dferen Anteil am Umsatz ausmachen (die Verbraucher suchen mehr denn je nach Schn\u00e4ppchen, die in ein knappes Budget passen)? Alle Antworten finden Sie im data! Kunden data und die eigene Verkaufshistorie k\u00f6nnen mit externen data wie Preis- und Aktionsaufzeichnungen der Konkurrenz, Saisonalit\u00e4t, Kalenderereignissen und, ja, sogar dem Wetter (!) kombiniert werden, um die richtigen Entscheidungen zu treffen. Einzelh\u00e4ndler-Preise und Kategorie-Management<\/a> Teams tun all dies normalerweise. Leider m\u00fcssen sie oft mit Excel arbeiten, haben aber aufgrund ihrer anderen Aufgaben nur wenig Zeit daf\u00fcr.<\/p>\nWas ist also neu? Nun, es ist die heutige Verf\u00fcgbarkeit bew\u00e4hrter Standardalgorithmen, die die einfachsten Entscheidungsprozesse automatisieren. Es ist die nahtlose und massive Verf\u00fcgbarkeit von data von Drittanbietern auf dem Markt. Es ist die Benutzerfreundlichkeit von Technologiepaketen, mit denen Millionen von Transaktionen in wenigen Millisekunden verarbeitet werden k\u00f6nnen. Heute dauert es nur noch drei Monate, um ein data platform zu erstellen, das alle Transaktionen data, Werbeaktionen, Lagerbest\u00e4nde, Produkthierarchien, Filialhierarchien, Kunden data usw. vereint. Und ein Technologiepartner kann die Infrastruktur, den Ressourceneinsatz und die Netzwerkdimensionen im cloud \u00fcber seine Managed Services verwalten. Wenn Sie heute wie Monsieur Jourdain Excel und PowerPoint beherrschen, sind Sie ein data-Analyst<\/a> ohne es zu merken: In wenigen Tagen k\u00f6nnen Sie die Kontrolle \u00fcber data in BigQuery (Google), Synapse (Microsoft) oder Snowflake \u00fcbernehmen und interaktive Dashboards in Looker, Power BI oder Tableau erstellen.<\/p>\n<\/div>...und den Bestand besser verwalten<\/h2><\/div>In den letzten Jahren hat auch der gesundheitliche und geopolitische Kontext die Lieferketten herausgefordert. Heute schwankt die Servicequote der Lieferanten von Woche zu Woche und die Lieferzeiten k\u00f6nnen sehr unsicher sein. Auch die Vertriebskan\u00e4le sind sehr komplex geworden: Es m\u00fcssen nicht nur die L\u00e4den beliefert werden, sondern auch Hauslieferungen, Click-and-Collect und Partnerschaften bedient werden. Auch hier kommt die data-Wissenschaft den Einzelh\u00e4ndlern zu Hilfe, indem sie ihnen eine bessere Kontrolle der Bestandsverwaltung erm\u00f6glicht. Durch den Einsatz von maschinellem Lernen k\u00f6nnen Einzelh\u00e4ndler jetzt Quittungen in Echtzeit analysieren, um vergriffene Artikel sofort zu erkennen, die Streuung von Unsicherheiten \u00fcber alle Glieder der Kette hinweg zu berechnen, um Pufferbest\u00e4nde besser zu bemessen, oder die Bestandszuweisung unter einer unendlichen Anzahl von Einschr\u00e4nkungen zu verbessern (um Kosten zu optimieren, Lieferzeiten zu verk\u00fcrzen oder den CO2-Fu\u00dfabdruck zu reduzieren).<\/p>\n<\/div>
Demokratisierung der data-Nutzung im gesamten Unternehmen: Bei data geht es um Menschen<\/h2><\/div>In einem Gesch\u00e4ft, in dem die Gewinnspannen so knapp sind, dass operative Exzellenz eine Notwendigkeit ist, ist die Idee eines data-driven-Unternehmens alles andere als neu. Was sich heute \u00e4ndert, ist der einfache Zugang und die Nutzung von technologischen Plattformen.<\/p>\n
Wenn die Technologie kein Hindernis mehr darstellt, besteht die Herausforderung immer noch darin, diese L\u00f6sungen einem m\u00f6glichst breiten audience zug\u00e4nglich zu machen. Um ihre Nutzung zu demokratisieren, m\u00fcssen einfache L\u00f6sungen in gro\u00dfem Umfang eingesetzt werden, die Schulungsprogramme f\u00fcr Mitarbeiter m\u00fcssen vervielfacht werden, sei es auf Abruf oder intensiver, und es m\u00fcssen Veranstaltungen (z.B. Hackathons) organisiert werden, um die Manager einzubinden, die den Wandel vorantreiben. Bei Data geht es um Menschen. Dies ist der Slogan von Artefact, und das zu Recht.<\/p>\n<\/div>
Die Inflation hat die Aufmerksamkeit der Einzelh\u00e4ndler auf die t\u00e4gliche Herausforderung der Preisoptimierung gelenkt: Wie kann man Produkte identifizieren, die am empfindlichsten auf Preisschwankungen reagieren (Elastizit\u00e4t)? Welche Produkte pr\u00e4gen das Preisimage einer Marke (bekannte Wertartikel)? Wie kann man in Echtzeit auf die Neupositionierung von Wettbewerbern reagieren? Wie k\u00f6nnen Werbeaktionen optimiert werden, ohne die Rentabilit\u00e4t zu beeintr\u00e4chtigen, da sie einen immer gr\u00f6\u00dferen Anteil am Umsatz ausmachen (die Verbraucher suchen mehr denn je nach Schn\u00e4ppchen, die in ein knappes Budget passen)? Alle Antworten finden Sie im data! Kunden data und die eigene Verkaufshistorie k\u00f6nnen mit externen data wie Preis- und Aktionsaufzeichnungen der Konkurrenz, Saisonalit\u00e4t, Kalenderereignissen und, ja, sogar dem Wetter (!) kombiniert werden, um die richtigen Entscheidungen zu treffen. Einzelh\u00e4ndler-Preise und Kategorie-Management<\/a> Teams tun all dies normalerweise. Leider m\u00fcssen sie oft mit Excel arbeiten, haben aber aufgrund ihrer anderen Aufgaben nur wenig Zeit daf\u00fcr.<\/p>\n Was ist also neu? Nun, es ist die heutige Verf\u00fcgbarkeit bew\u00e4hrter Standardalgorithmen, die die einfachsten Entscheidungsprozesse automatisieren. Es ist die nahtlose und massive Verf\u00fcgbarkeit von data von Drittanbietern auf dem Markt. Es ist die Benutzerfreundlichkeit von Technologiepaketen, mit denen Millionen von Transaktionen in wenigen Millisekunden verarbeitet werden k\u00f6nnen. Heute dauert es nur noch drei Monate, um ein data platform zu erstellen, das alle Transaktionen data, Werbeaktionen, Lagerbest\u00e4nde, Produkthierarchien, Filialhierarchien, Kunden data usw. vereint. Und ein Technologiepartner kann die Infrastruktur, den Ressourceneinsatz und die Netzwerkdimensionen im cloud \u00fcber seine Managed Services verwalten. Wenn Sie heute wie Monsieur Jourdain Excel und PowerPoint beherrschen, sind Sie ein data-Analyst<\/a> ohne es zu merken: In wenigen Tagen k\u00f6nnen Sie die Kontrolle \u00fcber data in BigQuery (Google), Synapse (Microsoft) oder Snowflake \u00fcbernehmen und interaktive Dashboards in Looker, Power BI oder Tableau erstellen.<\/p>\n<\/div> In den letzten Jahren hat auch der gesundheitliche und geopolitische Kontext die Lieferketten herausgefordert. Heute schwankt die Servicequote der Lieferanten von Woche zu Woche und die Lieferzeiten k\u00f6nnen sehr unsicher sein. Auch die Vertriebskan\u00e4le sind sehr komplex geworden: Es m\u00fcssen nicht nur die L\u00e4den beliefert werden, sondern auch Hauslieferungen, Click-and-Collect und Partnerschaften bedient werden. Auch hier kommt die data-Wissenschaft den Einzelh\u00e4ndlern zu Hilfe, indem sie ihnen eine bessere Kontrolle der Bestandsverwaltung erm\u00f6glicht. Durch den Einsatz von maschinellem Lernen k\u00f6nnen Einzelh\u00e4ndler jetzt Quittungen in Echtzeit analysieren, um vergriffene Artikel sofort zu erkennen, die Streuung von Unsicherheiten \u00fcber alle Glieder der Kette hinweg zu berechnen, um Pufferbest\u00e4nde besser zu bemessen, oder die Bestandszuweisung unter einer unendlichen Anzahl von Einschr\u00e4nkungen zu verbessern (um Kosten zu optimieren, Lieferzeiten zu verk\u00fcrzen oder den CO2-Fu\u00dfabdruck zu reduzieren).<\/p>\n<\/div> In einem Gesch\u00e4ft, in dem die Gewinnspannen so knapp sind, dass operative Exzellenz eine Notwendigkeit ist, ist die Idee eines data-driven-Unternehmens alles andere als neu. Was sich heute \u00e4ndert, ist der einfache Zugang und die Nutzung von technologischen Plattformen.<\/p>\n Wenn die Technologie kein Hindernis mehr darstellt, besteht die Herausforderung immer noch darin, diese L\u00f6sungen einem m\u00f6glichst breiten audience zug\u00e4nglich zu machen. Um ihre Nutzung zu demokratisieren, m\u00fcssen einfache L\u00f6sungen in gro\u00dfem Umfang eingesetzt werden, die Schulungsprogramme f\u00fcr Mitarbeiter m\u00fcssen vervielfacht werden, sei es auf Abruf oder intensiver, und es m\u00fcssen Veranstaltungen (z.B. Hackathons) organisiert werden, um die Manager einzubinden, die den Wandel vorantreiben. Bei Data geht es um Menschen. Dies ist der Slogan von Artefact, und das zu Recht.<\/p>\n<\/div>...und den Bestand besser verwalten<\/h2><\/div>
Demokratisierung der data-Nutzung im gesamten Unternehmen: Bei data geht es um Menschen<\/h2><\/div>