Hier ist die Geschichte eines grossen Einzelhandelsunternehmens für Bekleidung (K&M)

Im Spätwinter 202X wollte K&M eine optimale Preisgestaltung für die kommende Sommersaison ermitteln

Ziel:

• Optimieren Sie den Umsatz und damit die Bruttomarge der Sommerkollektion

Handlungen:

• Prognostizieren Sie den Verkauf von Kleidung für die Sommerkollektion
• Optimieren Sie den Aktionspreis, der die höchste Bruttomarge für die Sommerkollektion ermöglicht.

Schlüsselvariable:

• Wetter (Langzeitprognose von externem Anbieter)
  

Ansatz mit Technologien zur Entscheidungsunterstützung im Finanzbereich

a) Vorhersage und Szenariomodellierung:

Wir haben den Umsatz und die Bruttomarge vorausgesagt, indem wir sechs verschiedene Wetterszenarien modelliert und dabei drei Arten von Daten verwendet haben:

• Externe Daten: Wettervorhersage
• Interne Daten: Finanzen
• Interne Daten: nicht-finanziell

b) Maschinelles Lernen & Mathematische Optimierung:

• Schritt 1: Wir haben Beschränkungen wie Lagerbestände, Produktionskapazitäten und die Verfügbarkeit von Mitarbeitern berücksichtigt und den optimalen Umsatz und die Bruttomarge für die in a) modellierten Szenarien berechnet.
• Schritt 2: Wir haben maschinelles Lernen eingesetzt, während K&M die Frühlingsmonate durchlief, um zu lernen, wie die externen Wetterdaten und die internen finanziellen und nicht-finanziellen Daten den optimalen Umsatz und die Bruttomarge beeinflusst haben.
• Schritt 3: Wir haben erneut Einschränkungen in Betracht gezogen, diesmal um den optimalen Aktionspreis für Kleidung für den Rest der Saison zu berechnen, der sicherstellt, dass der optimale Umsatz und die Bruttomarge erreicht werden.

c) Prädiktive Analytik:

Wir nutzten die präskriptive Technologie, um K&M bei den in a) und b) berechneten Szenarien zur besten Vorgehensweise zu führen. Daher half Finance dem Unternehmen, seine Ressourcen präziser zu planen und mit grösserer Sicherheit sein Ziel zu erreichen: "Optimierung des Umsatzes und damit der Bruttomarge".

Tiefe Einblicke in die Schlüsseltechnologien für die Entscheidungsunterstützung im Finanzwesen

Die Vorgehensweise des Einzelhändlers im obigen Beispiel wird auf der nächsten Folie detailliert beschrieben, mit einer Visualisierung der drei verwendeten Schlüsseltechnologien:

• Vorhersage und Szenariomodellierung,
• Maschinelles Lernen & Mathematische Optimierung
• Prädiktive Analytik