Präzise Verkaufsprognosen dank innovativer KI-Lösung
Wie werden sich die Verkaufszahlen im nächsten Jahr entwickeln? Diese Frage ist entscheidend für die strategische Planung vieler Industrieunternehmen. Bisher beschränkten sich die Prognosemethoden auf heuristische Schätzungen oder einfache statische Werkzeuge wie gleitende Durchschnitte oder die Kopie des letzten Jahres auf das nächste. Doch jetzt betritt die KI die Bühne – und eröffnet völlig neue Analysemöglichkeiten. In unserer Business Unit Business Intelligence haben wir ein KI-basiertes Modell entwickelt, das deutlich präzisere Prognosen liefert als die Standard-Funktionalitäten durch BPC in SAP BW/4HANA.
Viele unserer Kunden sind auf verlässliche Prognosen angewiesen. Diese bilden das Fundament für Entscheidungen in der Beschaffung, Produktion, im Vertrieb und in den Finanzen. Je präziser die Prognosen, desto besser kann ein Unternehmen planen und seine Logistikkette optimieren. Prognosen helfen dabei, Prozesse effizienter zu gestalten, Ressourcen optimal zu nutzen und Kosten zu senken – etwa durch verkürzte Lagerzeiten. Letztlich hängt der Geschäftserfolg maßgeblich von der Qualität dieser Prognosen ab.
In unserer Business Unit Business Intelligence haben wir uns das Ziel gesetzt, ein besonders leistungsstarkes Vorhersagemodell unter dem Einsatz von künstlicher Intelligenz (KI) zu entwickeln. Dank der KI können wir wesentlich komplexere Muster erkennen als mit herkömmlichen Methoden. Dadurch sind wir in der Lage, historische Daten umfassend zu analysieren und mit aktuellen Markttrends zu verknüpfen.
Zeitreihenprognose mit neuronalen Netzen
Für unser Modell haben wir ein neuronales Netzwerk implementiert. Neuronale Netze eigenen sich sehr gut, um mehrdimensionale Zeitreihenanalysen mit komplexen (nicht-linearen) Abhängigkeiten zu machen. Dabei werden sowohl Korrelationen zwischen den Dimensionen als auch wiederkehrende Phänomene erkannt und als Zeitreihenprognose fortgesetzt.
Unser neuronales Netzwerk erkennt Muster in den vergangenen Verkaufszahlen und projiziert diese in die Zukunft. Das Modell extrapoliert nicht nur die Verkäufe einer einzelnen Dimension, zum Beispiel die Entwicklung der Verkäufe in Deutschland im nächsten Jahr basierend auf den Vorjahresdaten. Es erkennt auch Zusammenhänge zwischen verschiedenen Dimensionen. Zum Beispiel kann es vorhersagen, wie sich die Verkäufe in Deutschland im nächsten Jahr bei sinkenden Verkäufen in Frankreich in diesem Jahr entwickeln werden.
Mit unseren KI-basierten Analysetools können wir Vorhersagen für Verkaufszahlen auf makroskopischen Dimensionen wie Verkaufsorganisation, Sparten oder Produktgruppen treffen. Außerdem können wir sogar Vorhersagen für Kunden-Artikel-Paare treffen, etwa wie viel ein bestimmter Kunde von einem bestimmten Produkt im nächsten Jahr kaufen wird.
Präzisere Ergebnisse als mit SAP BPC in BW/4HANA
Unsere KI-Lösung für die Zeitreihenprognose befindet sich derzeit in der Proof-of-Concept-Phase. Wir haben sie anhand der Verkaufsdaten eines unserer Kunden getestet und die Ergebnisse mit denen der SAP Business Planning and Consolidation Software (BPC) in SAP BW/4HANA verglichen. Konkret haben wir versucht, das Jahr 2024 basierend auf den Daten bis 2023 vorherzusagen und die Ergebnisse mit den tatsächlichen Verkaufszahlen für 2024 abgeglichen.
Das Ergebnis: Die Vorhersage unseres Modells weist eine bis zu 30 Prozent geringere durchschnittliche Abweichung von den tatsächlichen Daten auf als die Vorhersage der BPC-Lösung.
Autor des Artikels
Sie brauchen
Beratung oder
haben Fragen?
Das ist unser Vergnügen. Wir sind gerne für Sie da. Am besten schreiben Sie uns, wie Sie am liebsten kontaktiert werden möchten.
Kontakt Formular
