Linda Mandyu, Client Success Manager bei Argility Technology Group, hebt die wachsenden Herausforderungen der Nachfrageprognose im Einzelhandel aufgrund schneller Marktveränderungen hervor. Traditionelle Methoden, die oft auf komplexen Excel-Tabellen basieren, erweisen sich als unzureichend für Kategoriemanager.
Mandyu betont, dass zwar einige Einzelhändler statistische Analysen und Business-Intelligence-Tools integrieren, der Bedarf an qualifizierten Statistikanalysten jedoch weiterhin entscheidend bleibt. Er beschreibt die Nachfrage nach 'Einhörnern'—Experten, die einzigartig qualifiziert sind in der Einzelhandelsanalyse.
Argility nutzt fortschrittliche prädiktive und preskriptive Modellierung auf der Google Cloud-Plattform und setzt maschinelles Lernen sowie KI ein, um die Fähigkeiten der Nachfrageprognose zu verbessern. Dieser Ansatz ermöglicht es Einzelhändlern, Lagerbestände und Preisstrategien zu optimieren, was letztlich zu höheren Verkaufszahlen und einer besseren Kundenbindung führt.
Das Modell 'Nachfrageprognose als Dienstleistung' des Unternehmens hilft Kunden, große Datensätze zu analysieren, um wertvolle Erkenntnisse zu gewinnen, etwa zu Wettbewerbsstrategien und optimalen Bestellmengen. Dies beschleunigt nicht nur die Datenanalyse, sondern entlastet auch Ressourcen für strategischere Aufgaben.
Ein Beispiel, das Mandyu anführt, betrifft einen Kunden im Bereich FMCG, der voraussichtlich Millionen durch die Verbesserung seiner Nachfrageprognoseprozesse einsparen wird, indem er die Produktretouren erheblich reduziert. Durch den Wechsel von menschlichen Schätzungen zu KI-gestützten Erkenntnissen will der Einzelhändler eine Rückgang der Retouren um 2 % bis 5 % erreichen.
Mandyu schließt, dass die Kombination von menschlicher Expertise und KI bedeutende Möglichkeiten zur Lösung komplexer analytischer Herausforderungen im Einzelhandel bietet, was zu schnelleren und genaueren datengestützten Entscheidungen führt.