Durch die Anreicherung von Daten, die Verwendung der richtigen Analysemethoden und die Zusammenf\u00fchrung verschiedener Informationsstr\u00f6me kann ein effizienteres Lager und genaue Vorhersagen \u00fcber beispielsweise den Auftragsfluss erreicht werden. Aber wie macht man all diese Daten nutzbar?<\/p>\n\n\n\n
Laut Datenwissenschaftlern von Google’s Kaggle sollte man, wenn man ein gebrauchtes Auto kaufen m\u00f6chte, am besten ein orangefarbenes Modell w\u00e4hlen. Warum? Wenn jemand ein Auto in einer abweichenden Farbe wie Orange kauft, ist es naheliegend, dass dieser Kauf eine Form der Selbstexpression ist. Und dass der Vorbesitzer des orangefarbenen Autos \u00fcberdurchschnittlich gut mit dem Auto umgegangen ist, weil er oder sie es geliebt hat. Das ist also ein guter Kauf. Es ist ein nettes Beispiel f\u00fcr Erkenntnisse, die aus gro\u00dfen Datenmengen gewonnen werden k\u00f6nnen und auf die man selbst nicht gekommen w\u00e4re.<\/p>\n\n\n\n
In der E-Commerce-Lieferkette – vom Zeitpunkt vor der Bestellung durch den Kunden bis nach Erhalt des Pakets – spielen Daten eine wichtige Rolle. Als All-in-Fulfillment-Partner<\/a> von mehr als 1500 Online-Shops haben wir etwa 10 Millionen Artikel auf Lager, die weltweit versendet werden. Das erfordert sehr viele Daten. \u00dcber den aktuellen Lagerbestand, aber auch \u00fcber die Auftragsabwicklung<\/a> und R\u00fccksendungen. Diese Daten erg\u00e4nzen wir um relevante Informationen aus externen Quellen, wie zum Beispiel der Wettervorhersage, aktuellen Ereignissen in der Welt, dem Zeitpunkt der Gehaltszahlung und dem Zeitpunkt, an dem das Kindergeld eingeht.<\/p>\n\n\n\n Dank dieser Daten erh\u00e4ltst du als unser Kunde, der Webshop in diesem Fall, Einblicke in die Produkte, die gut laufen, und in diejenigen, die h\u00e4ufiger zur\u00fcckgeschickt werden. Auch was der Grund f\u00fcr die R\u00fccksendung ist. Welche Produkte liegen zu lange auf Lager und welche Kosten sind damit verbunden? Welches Produkt ben\u00f6tigt jetzt eine Marketingaktion? Mit einem Warehouse-Management-System ist es m\u00f6glich, kontinuierlich nach solchen Zusammenh\u00e4ngen zu suchen. Diese Zusammenh\u00e4nge zeigen wir sowohl unseren Erf\u00fcllungskunden als auch unseren Softwarekunden, denn nichts ist so wichtig wie solche Daten.<\/p>\n\n\n\n Stell dir vor, du verkaufst M\u00fctzen und Handschuhe. Wenn sich herausstellt, dass in der Vergangenheit immer \u00f6fter ein bestimmter M\u00fctzentyp zusammen mit einem bestimmten Handschuhtyp zwischen Dezember und Februar gekauft wurde, erh\u00e4ltst du als Webshop-Besitzer ein Signal, mehr davon vor dieser gesch\u00e4ftigen Zeit zu kaufen. Dies ist ein Beispiel, das auch ein Mensch verstehen k\u00f6nnte. Die Software findet jedoch auch weniger offensichtliche Zusammenh\u00e4nge. Menschen, die lila Nagellack kaufen, w\u00e4hlen im Durchschnitt einen h\u00f6heren SPF-Faktor in der Sonnencreme, die sie bestellen. Das h\u00e4tte ich niemals denken k\u00f6nnen, aber die clevere Software sieht es.<\/p>\n\n\n\n Die Software steuert auch die Roboter in unseren Lagern, die Regale mit Produkten bewegen. Wir nennen sie „Cobots“, weil sie mit unseren Mitarbeitern zusammenarbeiten. Wenn die Software<\/a> die steigende Nachfrage nach bestimmten Produkten erkennt, bringen die Cobots die Regale mit diesen Produkten nachts n\u00e4her an den Ort, an dem die Mitarbeiter am n\u00e4chsten Tag die Bestellungen abholen, verpacken und versenden. Die Mitarbeiter m\u00fcssen dann weniger durch das Lager laufen, um ein Produkt zu holen, was viel Zeit spart. In der Vergangenheit legte ein Bestellpicker bei uns durchschnittlich etwa 10 bis 15 Kilometer pro Tag zur\u00fcck. Das ist jetzt nicht mehr notwendig.<\/p>\n\n\n\n Es funktioniert auch umgekehrt. Wenn die Software wei\u00df, dass Weihnachten vorbei ist, werden die Regale mit Weihnachtsartikeln wieder ganz hinten im Lager platziert. Das ist jetzt also wieder der Fall. Auf diese Weise kannst du in deinem Lager permanent eine maximale Lagerdichte aufrechterhalten.<\/p>\n\n\n\n Die vorhersagende Analyse der Webshop-Daten liefert wertvolle Vorhersagen f\u00fcr die Webshops. Diese k\u00f6nnen jetzt intelligenter einkaufen und ihre Best\u00e4nde besser verwalten, indem sie beispielsweise um „tote Best\u00e4nde“ herum ein attraktives Angebot aufstellen. Diese Vorhersagen helfen auch unserer eigenen Gesch\u00e4ftst\u00e4tigkeit. Wenn die Software feststellt, dass die Bestellungen zunehmen – und in einem solchen Ma\u00dfe, dass die Mitarbeiter es nicht mehr bew\u00e4ltigen k\u00f6nnen – werden die Zeitarbeitsfirmen automatisch dar\u00fcber informiert, dass mehr Zeitarbeiter ben\u00f6tigt werden.<\/p>\n\n\n\n Wir k\u00f6nnen so bereits um 16:00 Uhr am Nachmittag mit einer Genauigkeit von mehr als 90 Prozent vorhersagen, wie viele Bestellungen am Abend aufgegeben werden und wie viele Mitarbeiter ben\u00f6tigt werden, um diese zu bearbeiten. Das ist nat\u00fcrlich sehr wichtig, denn die Regel gilt immer noch: Je besser man wei\u00df, wie die Zukunft aussieht, desto besser und effektiver kann man planen.<\/p>\n\n\n\n Die Verf\u00fcgbarkeit all dieser Daten hat die E-Commerce-Praxis f\u00fcr den Verbraucher transparenter gemacht, und das wird f\u00fcr Kunden immer wichtiger. Der Verbraucher m\u00f6chte genau wissen, was mit seinen Bestellungen passiert, und erwartet auch diese Einblicke zu bekommen. Es ist zur Voraussetzung geworden. Denken Sie an praktische Dinge wie Daten zur Lieferung. Die Zeit, als der Verbraucher abends etwas bestellte und die Webshop einfach fr\u00f6hlich ank\u00fcndigte, dass es am n\u00e4chsten Morgen von dem „festen“ Transportunternehmen geliefert wird, liegt bereits weit hinter uns. Der Verbraucher m\u00f6chte die Kontrolle haben und entscheiden, wer das Paket zu ihm nach Hause bringt.<\/p>\n\n\n\n Ein weiteres Beispiel: Wenn ein Verbraucher einen Abholort w\u00e4hlt, m\u00f6chte er nicht nur aus den Abholorten eines bestimmten Transportunternehmens w\u00e4hlen. Er m\u00f6chte die Abholorte w\u00e4hlen, die ihm am besten passen. Und dann m\u00f6chte der Verbraucher auch gleich wissen, wann dieser Abholort ge\u00f6ffnet ist. Das sind Dinge, die ein Webshop einfach f\u00fcr die Verbraucher regeln muss und die mit Hilfe der richtigen Daten m\u00f6glich sind.<\/p>\n\n\n\n Es ist also m\u00f6glich, mit Hilfe der richtigen Daten die Erwartungen des Verbrauchers und unserer Kunden (Webshop-Besitzer) zu \u00fcbertreffen. Vor allem, weil wir neben den erforderlichen Erkenntnissen auch Erkenntnisse bieten, an die der Kunde zun\u00e4chst nicht denkt, die aber letztendlich sehr gut genutzt werden k\u00f6nnen (wie die Zusammenh\u00e4nge zwischen stark verkauften Artikeln). Wer damit taktisch gut umgeht, kann seinen Webshop wirklich wachsen lassen.<\/p>\n\n\n\n Der Fulfillment-Markt w\u00e4chst seit Jahren extrem schnell. Die Lockdowns als Folge von Corona haben diesem Wachstum noch einmal einen zus\u00e4tzlichen Schub gegeben. Die Investitionen in Roboter, KI und Datenwissenschaft wachsen mit dieser Beschleunigung.<\/p>\n","protected":false},"excerpt":{"rendered":" Durch die Anreicherung von Daten, die Verwendung der richtigen Analysemethoden und die Zusammenf\u00fchrung verschiedener Informationsstr\u00f6me kann ein effizienteres Lager und genaue Vorhersagen \u00fcber beispielsweise den Auftragsfluss erreicht werden. Aber wie macht man all diese Daten nutzbar? Laut Datenwissenschaftlern von Google’s Kaggle sollte man, wenn man ein gebrauchtes Auto kaufen m\u00f6chte, am besten ein orangefarbenes Modell […]<\/p>\n","protected":false},"author":9,"featured_media":24841,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","footnotes":""},"categories":[88],"tags":[],"class_list":["post-23816","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-lagerverwaltung"],"blocksy_meta":[],"acf":[],"featured_image_urls_v2":{"full":["https:\/\/gomonta.com\/wp-content\/uploads\/2024\/07\/Fulfillment-verbessern-mit-Datenstroeme.webp",900,675,false],"thumbnail":["https:\/\/gomonta.com\/wp-content\/uploads\/2024\/07\/Fulfillment-verbessern-mit-Datenstroeme-150x150.webp",150,150,true],"medium":["https:\/\/gomonta.com\/wp-content\/uploads\/2024\/07\/Fulfillment-verbessern-mit-Datenstroeme-300x225.webp",300,225,true],"medium_large":["https:\/\/gomonta.com\/wp-content\/uploads\/2024\/07\/Fulfillment-verbessern-mit-Datenstroeme-768x576.webp",768,576,true],"large":["https:\/\/gomonta.com\/wp-content\/uploads\/2024\/07\/Fulfillment-verbessern-mit-Datenstroeme.webp",900,675,false],"1536x1536":["https:\/\/gomonta.com\/wp-content\/uploads\/2024\/07\/Fulfillment-verbessern-mit-Datenstroeme.webp",900,675,false],"2048x2048":["https:\/\/gomonta.com\/wp-content\/uploads\/2024\/07\/Fulfillment-verbessern-mit-Datenstroeme.webp",900,675,false],"gform-image-choice-sm":["https:\/\/gomonta.com\/wp-content\/uploads\/2024\/07\/Fulfillment-verbessern-mit-Datenstroeme.webp",300,225,false],"gform-image-choice-md":["https:\/\/gomonta.com\/wp-content\/uploads\/2024\/07\/Fulfillment-verbessern-mit-Datenstroeme.webp",400,300,false],"gform-image-choice-lg":["https:\/\/gomonta.com\/wp-content\/uploads\/2024\/07\/Fulfillment-verbessern-mit-Datenstroeme.webp",600,450,false]},"post_excerpt_stackable_v2":" Durch die Anreicherung von Daten, die Verwendung der richtigen Analysemethoden und die Zusammenf\u00fchrung verschiedener Informationsstr\u00f6me kann ein effizienteres Lager und genaue Vorhersagen \u00fcber beispielsweise den Auftragsfluss erreicht werden. Aber wie macht man all diese Daten nutzbar? Laut Datenwissenschaftlern von Google’s Kaggle sollte man, wenn man ein gebrauchtes Auto kaufen m\u00f6chte, am besten ein orangefarbenes Modell w\u00e4hlen. Warum? Wenn jemand ein Auto in einer abweichenden Farbe wie Orange kauft, ist es naheliegend, dass dieser Kauf eine Form der Selbstexpression ist. Und dass der Vorbesitzer des orangefarbenen Autos \u00fcberdurchschnittlich gut mit dem Auto umgegangen ist, weil er oder sie es geliebt hat.…<\/p>\n","category_list_v2":"Lagerverwaltung<\/a>","author_info_v2":{"name":"Martien Verhaar","url":"https:\/\/gomonta.com\/de\/author\/mr10\/"},"comments_num_v2":"0 comments","_links":{"self":[{"href":"https:\/\/gomonta.com\/de\/wp-json\/wp\/v2\/posts\/23816","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/gomonta.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/gomonta.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/gomonta.com\/de\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/gomonta.com\/de\/wp-json\/wp\/v2\/comments?post=23816"}],"version-history":[{"count":4,"href":"https:\/\/gomonta.com\/de\/wp-json\/wp\/v2\/posts\/23816\/revisions"}],"predecessor-version":[{"id":36061,"href":"https:\/\/gomonta.com\/de\/wp-json\/wp\/v2\/posts\/23816\/revisions\/36061"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/gomonta.com\/de\/wp-json\/wp\/v2\/media\/24841"}],"wp:attachment":[{"href":"https:\/\/gomonta.com\/de\/wp-json\/wp\/v2\/media?parent=23816"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/gomonta.com\/de\/wp-json\/wp\/v2\/categories?post=23816"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/gomonta.com\/de\/wp-json\/wp\/v2\/tags?post=23816"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Verkn\u00fcpfungen finden<\/strong><\/h2>\n\n\n\n
Optimale Route durch Daten<\/strong><\/h2>\n\n\n\n
Wertvolle Vorhersagen<\/strong><\/h2>\n\n\n\n
Die Erwartungen zu \u00fcbertreffen ist die Herausforderung<\/strong><\/h2>\n\n\n\n