SCM: Optimierte Supply Chain Planung mit Big Data

Anwendungsbereiche für Big Data im SCM

Doch wie lassen sich diese Daten nun genau für die Supply Chain Planung nutzen? Wir stellen Ihnen zwei prominente Anwendungsbereiche für Ihre Supply Chain vor. Die sich daraus ergebenen Vorteile sind durchaus vielfältig, wie die folgende Zusammenfassung zeigt:

Verbesserung der Forecastings:

• Ob Personalplanung oder logistische Kapazitätsplanung: Mit Hilfe einer smarten Auswertung der erhobenen Datenmengen können Unternehmen belastbare Vorhersagen treffen. Dazu werden die gesammelten Daten auf Muster und wiederkehrende Events analysiert und entsprechende Schlussfolgerungen gezogen. Gemeinsam mit der Erfahrung der Verantwortlichen können so valide Aussagen getroffen und die Supply Chain Planung entsprechend angepasst werden.
• Positive Nebeneffekte sind neben der präziseren Vorhersage, die Optimierung aller betroffenen Prozesse innerhalb der Supply Chain und damit ein kosteneffizientes Wirtschaften.

Datenbasiertes Peak-Management:

• Vom Weihnachtsgeschäft über den Valentinstag bis zur Urlaubssaison gibt es im Laufe eines Jahres zahlreiche Spitzenzeiten, bei denen eine stabile und belastbare Nachfrageprognose viel Geld einsparen kann. Mit Hilfe von Big Data können die Daten der vergangenen Peaks ausgewertet und kommende Trends prognostiziert werden. So lässt sich das Kundenverhalten wesentlich präziser vorhersagen, wodurch Lagerkapazitäten entsprechend geplant und Bestellvorgänge ausgelöst werden können.
• Durch die Anwendung von Big Data beim Peak-Management können Lagerkapazitäten effizienter genutzt werden. Darüber hinaus sinkt die Gefahr von Ladenhütern oder „Out-of-Stock“-Meldungen, was wiederum der gesamten Unternehmensperformance zu Gute kommt.

Praxisbeispiel: Big Data in der Supply Chain

Mit Hilfe von Big Data lassen sich jedoch nicht nur klassische Prognosen treffen. Big Data hilft auch praktisch bei der Planung von Logistikkapazitäten, wie das Beispiel von Hermes International, ein Geschäftsbereich von Hermes Germany, zeigt.

„Um das Potential von Big Data voll ausschöpfen zu können, ist es generell wichtig, auf die gesamte Datenbasis einer Supply Chain zugreifen zu können“, sagt Moritz Gborglah, Divison Manager International Freight bei Hermes International.

Nachdem diese Hürde genommen war, führten die Logistikexperten erste Tests durch. Ziel war es, die Brutto- (die Ware exkl. Verpackungs- und Polstergewicht) und die Nettokapazitäten (die Ware inkl. Verpackungs- und Polstergewicht) bestimmter Warengruppen zu bestimmen. Die ersten Tests lieferten bereits recht erfolgreich konkrete Aussagen. So konnten die Bruttokapazitäten bis auf 1,48 Prozent bzw. eine Differenz von 0,42 kg vorhergesagt werden. „Im Hinblick auf die Nettokapazitäten konnten wir noch Optimierungspotential hinsichtlich der genutzten Datenbasis identifizieren“ sagt Gborglah. „Das waren für uns wichtige Erkenntnisse, die wir für die weitere Arbeit mit Big Data nutzen konnten.“ In der Praxis sei es am herausforderndsten, eine gemeinsame Dateninfrastruktur zu schaffen. Ist diese jedoch erst etabliert, kann das Potential von Big Data Schritt für Schritt gehoben werden. „Mit positiven Effekten für alle Lieferkettenpartner“, so Gborglah.

Die Supply Chain Planung ist eine komplexe Aufgabe und die Ansprüche der Akteure steigen. Ein Spannungsfeld, in dem es neue Ansätze braucht, um die Lieferkette zukunfts- und wettbewerbsfähig aufzustellen. Big Data kann ein Ansatz sein und ist keineswegs nur eines der vielen Buzzwords, das die Logistikbranche aktuell flutet. Denn jedes Unternehmen generiert täglich unzählige Datensätze: Eine Ressource, die es effizient und wirtschaftlich zu nutzen gilt, um Prozesse zu optimieren und eine belastbare Grundlage für künftige Entscheidungen zu schaffen.

Lesen Sie hier, wie Hermes International Big Data implementierte: Von der Identifikation der Technologie bis hin zur Praxis.