Automatisierte, datengesteuerte Volumenprognosen legten den Grundstein für eine bessere strategische Planung innerhalb von BMW.

AutomoBilindustrie

Bessere strategische Entscheidungen durch Datenanalyse

Kunde
BMW Group

Projekt
Analytics leadership / Segment- und Wettbewerberprognose  

Optimierte Segment- und Wettbewerber-Volumenprognosen pro Fahrzeugmodell und Markt dank fortschrittlicher Datenanalyse, die strategische Entscheidungen verbessern und ineffiziente Kostenstrukturen reduzieren. 

Herausforderungen

Die Volumenprognosen von Segmenten und Wettbewerbern spielten eine wichtige Rolle bei der Reduzierung eines unausgewogenen Angebots. Dies betraf insbesondere die Beschaffungs- und Produktionsplanung.

Es gab jedoch drei wesentliche grundlegende Einschränkungen für diese Prognosen:

  • Geringe Automatisierung: Die Prognosen wurden manuell in Excel erstellt.
  • Unzureichende Datenquellen: Ein starker Fokus lag auf einer einzigen externen Inputquelle mit begrenzter Vorhersagegranularität
  • Fehlen eines geeigneten statistischen Prognosemodells: Es wurde nur die lineare statistische Standardextrapolation verwendet

Darüber hinaus sollten in Zukunft die Granularität und der Umfang der Vorhersagen erhöht werden. Das hätte aber im bestehenden Umfeld zu viel Aufwand erfordert. Aus diesem Grund entwickelte und implementierte rpc eine Datenanalyselösung, um diese Probleme zu bewältigen.

Unser Ansatz im Detail

1

Definition von Geschäftszielen und analytischen Pilotzielen

Für den ersten Schritt der Entwicklung einer Datenanalyselösung war ein Unternehmensverständnis erforderlich, um die Geschäftsziele zu bestimmen, die Situation zu bewerten, die Ziele des Pilotprojekts zu definieren und ein Projekt aufzusetzen.

2

Datenaufbereitung und statistische Modellierung

Historische Registrierungs- und Verkaufsdaten wurden vorverarbeitet und zusätzliche Datenquellen einbezogen. Mehrere Arten autoregressiver (ARIMA, ARIMAX, VAR), exponentieller Glättung (Holt Winters) und maschineller Lernverfahren (Random Forest, Regressionsbaum) wurden implementiert und ausgewertet, um die gewünschten Ergebnisse zu erzielen.

3

Nutzung von Open-Source-Bibliotheken

Etablierte Open-Source-Bibliotheken wurden als effiziente, flexible Werkzeuge zur Datenanalyse eingesetzt, die in bestehende IT-Systeme integriert werden können.

Ergebnisse

Automatisierte, datengesteuerte Volumenprognosen bilden die Grundlage für eine bessere Planung innerhalb des Unternehmens.

68%

der Prognosen hatten eine höhere Genauigkeit

16

Monate für verbesserte Granularität

3

neue Märkte im Prognosebereich

service-data-analytics

Zur Data Analytics Expertise

Kontaktieren Sie uns

Experte
Dr. Horst-Florian Jaeck ist Partner bei rpc - The Retail Performance Company und leitet den Bereich Data Analytics
Dr. Horst-Florian Jaeck
Partner
Über
Dr. Horst-Florian Jaeck leitet den Bereich Data Analytics bei rpc. Er verfügt über mehrjährige Beratungserfahrung in verschiedenen Managementfunktionen mit Schwerpunkt Customer Experience Management und Big Data Analytics.
Aktuelles
KundenwertmanagementMehr lesen...
Data Analytics für Marketing und VertriebMehr lesen...
Mit Text Mining Kunden weltweit verstehenMehr lesen...
Kontakt
Unsere Website verwendet Cookies. Datenschutzerklärung