View
18
Download
0
Category
Preview:
Citation preview
Erfolgsfaktor Absatzprognose - Daten richtig analysieren Prof. Dr. Michael Feindt Karlsruher Institut für Technologie (KIT) Founder & Chief Scientific Advisor, Blue Yonder
Was steckt hinter Predictive Analytics? Was kann NeuroBayes®? Beispiele aus dem Textilhandel
Big Data Predictive Analytics und Textillogistik
Kahneman-Zitat
D.Kahneman (Nobelpreisträger für Behavioural Economics) Der Mensch ist nicht in der Lage, statistisch-quantitative Entscheidungen permanent gut genug zu treffen und lässt sich häufig täuschen (meist durch Optimismus)
Lange Liste von typischen Denkfehlern: http://en.wikipedia.org/wiki/List_of_cognitive_biases Predictive Analytics: Datengetriebener, objektiver Erkenntnisgewinn und Entscheidungsoptimierung mit wissenschaftlichen Methoden
Predictive Analytics verändert die Welt...
Baltimore & Philadelphia verwenden Predictive Analytics, um vorherzusagen, welche Gefängnis-Entlassenen mit hoher Wahrscheinlichkeit rückfällig werden und daher spezielle Aufsicht benötigen.
...sogar bei der Verbrechensbekämpfung!
http://gcn.com/articles/2013/01/15/predictive-analysis-crime-prevention-tool.aspx
Rüc
kfal
lquo
te
Erfahrung
Senkung der Rückfallquote um 30%
Methode: Predictive Analytics
Was steckt hinter Predictive Analytics?
Die Welt verläuft nicht deterministisch. Vorhersagekraft prinzipiell begrenzt durch Quantenphysik und deterministisches Chaos in komplexen Systemen. Aber sie verläuft auch nicht zufällig.
Wo ist Predictive Analytics einzuordnen?
Lotterie (purer Zufall)
Pendel (deterministisch)
0%
100% Predictive Analytics
Individuelle Vorhersagbarkeit
Für reale Systeme kann man mit Predictive Analytics individuelle Wahrscheinlichkeitsaussagen machen
Lotterie (purer Zufall)
Pendel (deterministisch)
Individuelle Vorhersagbarkeit
0%
100%
z.B. zum Ausgang von Sportereignissen
Für reale Systeme kann man mit Predictive Analytics individuelle Wahrscheinlichkeitsaussagen machen
Lotterie (purer Zufall)
Pendel (deterministisch)
Individuelle Vorhersagbarkeit
0%
100%
z.B. Zuschauerzahlen z.B. Abverkäufe
Für reale Systeme kann man mit Predictive Analytics individuelle Wahrscheinlichkeitsaussagen machen
Lotterie (purer Zufall)
Pendel (deterministisch)
Individuelle Vorhersagbarkeit
0%
100%
z.B. Verkehrsunfälle z.B. Verkehrsstaus
Wo steht Predictive Analytics heute?
(unzählige offensichtliche Nachteile)
ein wenig Bewegung am Arbeitsplatz
Behandle die Welt als wäre sie ...
manchmal gut genug für einfache Probleme Experten können Modell-Verhalten und Nachteile erklären
Mühsamer Prozess der Modellwahl, Parameteranpassung und Optimierung Verlass auf Expertenmeinung und Bauchgefühl
Normalverteilt Linear
Fortschritte in der Technologie
gestern heute morgen
behandle die Welt, wie sie ist
verbinde verschiedene Datenquellen
treffe Entscheidung auf fundierten analytischen Erkenntnissen
vollständige Automatisierung und flexible Modellanpassung fundiertes Verständnis von Daten & Datenanalyse ist unerlässlich
Modernste Technologie
Entwickelt in verschiedenen Hochtechnologie-Bereichen, interdisziplinär. z.B. an Elementarteilchen-Beschleunigern wie dem CERN
1 PETA – BYTE / SEC
100 120 Umsatz
E(X)
Wahrscheinlichkeitsdichte P
Optimale Bestellmenge
NeuroBayes® - Prognosetechnologie
Wir wissen … mit großen Datenmengen umzugehen. … relevante Informationen aus großen Datenmengen (big data) zu extrahieren. … daraus Zukunftsprognosen in Form von Wahrscheinlichkeitsdichten zu formen. … daraufhin optimale Entscheidungen zu treffen. … das Ganze in einfach zu bedienende Software zu verpacken und auf Wunsch vollständig zu automatisieren. … das Ganze als SaaService anzubieten.
NeuroBayes®
NeuroBayes-Beispiel: Der LHCb-Trigger Fundamental research at the forefront of science
Am LHC (CERN) enstehen pro Experiment: 40 000 000 Ereignisse pro Sekunde, das entspricht 1 PetaByte (1,000,000,000,000,000 Byte) pro Sekunde.
Am LHCb-Experiment laufen 30 000 Instanzen von NeuroBayes und filtern real-time 24/7 die „interessanten“ Ereignisse.
Photo: CERN
Aber nur 1 PB interessante Daten pro Jahr können gespeichert werden. Online-Datenreduktion 1 : 10,000,000 nötig!
Prognose: Am 3. September 2013 werden in Carls Online Shop 7 gelbe Doncy & Silvana T-Shirts in Größe M verkauft. Genau 7? Nein, statistische (Poisson-artige Statistik) und systematische (nicht vorhandene Information) Schwankungen führen UNUMGÄNGLICH zu Abweichungen der Zukunft von der Prognose. Eine gute Prognose quantifiziert auch die Unsicherheit, mindestens (meistens) in Form einer Varianz oder Standardabweichung: 9 ± 3 gelbe Doncy+Silvana T-Shorts Größe M Wissenschaft und Risikomanagement in Banken und Versicherungen weiß das. Aber: z.B. viele herkömmliche professionelle SCM- IT-Systeme kennen keine Prognose-Unsicherheit!
Integriertes Risikomanagement: Prognose ist mehr als nur eine Zahl...wie sicher bin ich?
Es ist noch etwas komplizierter: Individuelle Wahrscheinlichkeitsdichten
Sehr viele Verfahren nehmen Normalverteilungen an,
die durch die zwei Parameter Prognose = Erwartungswert µ
und Standarabweichung σ eindeutig gegeben ist.
Die Residuen in den meisten realen Systemen sind aber nicht normalverteilt. Moderne Prognose-Systeme prognostizieren für jeden Einzelfall die gesamte Form der Wahrscheinlichkeitsdichte. Erst damit ist wirkliches Risikomanagement und optimales Entscheiden möglich.
Optimale Entscheidungen durch individuelle Prognosen
Ø Optimale Entscheidungen sind immer ein Kompromiss aus Gier (zu optimistisch) und Angst (zu pessimistisch).
Ø Kennt man für jede Entscheidung die
Kostenfunktion und die Wahrscheinlichkeitsdichte für die in Zukunft auftretenden Zahlen, können optimale Entscheidungen getroffen werden, die langfristige Unternehmensziele optimieren und Risiken minimieren.
Ø Komplexe Mathematik, muss der Anwender aber nicht im Einzelnen verstehen.
Wichtig ist der richtige Umgang mit den Prognosen
Die Kenntnis der Wahrscheinlichkeitsdichte eröffnet neue Wege
Big Data Science und Business Innovation
Top Retail Product
2011/2012
Winner Data Mining Cup
2009 & 2010
Retail Technology Award 2012
bwcon Hightech
Award
Special Award Deutsche Börse
2012
Finalist Entrepreneur of the Year 2012
FOCUS Digital star
2013
Blue Yonder baut auf NeuroBayes basierende, sehr erfolgreiche (die Komplexität versteckende) Lösungen u.a. für seine Kunden:
und wurde dafür schon mit vielen Innovationspreisen ausgezeichnet:
NeuroBayes-Prognosen auf Artikelebene im Textilhandel Individualisierte NeuroBayes-Prognosen
für Ansprache, Umsatz, Retourenquote --- Prognosehorizonte: Jahr, Saison, Monate, Wochen, Tage, intraday --- Prognosezeitpunkte: Planung, Tetsverkäufe, Verkaufsstart, ständig --- auf kleinstem Korn: Artikel, Größe, Farbe, Vertriebskanal (jeder Shop, Katalog, online) und alle Aggregate -- Ersteinkauf -- Nachbestellungen -- Retourenpolitik/-planung -- (dynamische) Preispolitik – stationär, Katalog, Online -- Vermeiden von Abschriften am Ende der Saison -- Lagersteuerung -- Mitarbeitereinsatzplanung
sind Grundlagen für optimale, auf Wunsch vollautomatische individualisierte Entscheidungen für
und damit sehr wichtig für die Optimierung des Gesamtergebnisses
NeuroBayes-Prognosen auf Kundenebene im Textilhandel
Individualisierte NeuroBayes-Prognosen
von potentiellem Interesse an verschiedensten Artikeln von Bonität, Zahlungsverhalten von Retourenverhalten Kundenbindungsmaßnahmen Werbemittelsteuerung individuelle Empfehlungen im Onlineshop, Newsletter etc angebotene Zahlungsmodi Kulanz bei übermäßigen / betrügerischen Retouren
sind Grundlagen für optimale, auf Wunsch vollautomatische individualisierte Entscheidungen über
und damit sehr wichtig für die Optimierung des Gesamtergebnisses
Lösung: ► Artikelabverkaufsprognosen auf täglicher Basis ► Vorhersage der Retourenquote ► Dispositionsvorschläge während der ganzen Saison ► (inklusive ,,Lager durch Retouren’’)
Optimierung der Nachfrageprognose für jeden Artikel
Resultat: Prognoseverbesserung um 40% Optimierung der Einkaufspolitik bringt
Ergebnisverbeserung im 2-stelligen Millionen € Bereich – pro Saison.
Prognosen pro Artikel:
» Mittelwert
» Zwei Prognosewerte für die Unsicherheit (68% und 95% Kredibilitätsintervalle)
Sales Forecast Fashion Beispiel: OTTO Group
Sales [units]
ROI-Berechnungen für die Otto Group
Scheinbar unvereinbare Ziele vereinbaren
mit Hilfe von individualisierten Prognosen / Entscheidungen
Beispiel aus der Versicherungswirtschaft (BGV) u 3,5% mehr Neukunden bei gleichzeitiger Reduktion der Schadenquote um 10%
Beispiel aus dem Versandhandel (Otto) u Erhöhung der Warenverfügbarkeit bei gleichzeitiger Reduktion von Restbeständen am Ende der Saison
Ergebnis: Prognoseverbesserung um 40%
Bestandsverbesserung im 2-stelligen Mio.-€-Bereich pro Jahr.
Optimale Versendung von Werbemitteln
Retail – optimiertes Customer-Targeting Kundenauswahl für Werbung und Kampagnen Auswahl der profitabelsten Kunden Spezielle Auswahl je nach Saison
Führender europäischer Distanz-, Stationär- und
Online-Händler
Resultate : Erhöhung der Verkäufe (Bruttonachfrage) um 6%
Erhöhung des Umsatzes um > € 1 Million in den ersten beiden Wochen des Weihnachtsgeschäfts
Prognosen 5. Spieltag Ergebnisse 4. SpieltagSaison 2013/2014Paarung Heim Remis Gast
Hertha BSC Berlin - VfB Stuttgart SC Freiburg - FC Bayern München 1:1(0:1)40% 29% 31%
FC Bayern München - Hannover 96 Bor. M’gladbach - SV Werder Bremen 4:1(1:0)77% 14% 9%
Bayer 04 Leverkusen - VfL Wolfsburg Hannover 96 - 1.FSV Mainz 05 4:1(2:1)58% 19% 23%
SV Werder Bremen - Eintr. Frankfurt VfL Wolfsburg - Hertha BSC Berlin 2:0(2:0)43% 24% 33%
1.FSV Mainz 05 - FC Schalke 04 1.FC Nürnberg - FC Augsburg 0:1(0:0)43% 26% 31%
FC Augsburg - SC Freiburg Hamburger SV - Eintr. Braunschweig 4:0(2:0)46% 23% 31%
Bor. Dortmund - Hamburger SV FC Schalke 04 - Bayer 04 Leverkusen 2:0(1:0)71% 13% 15%
1899 Hoffenheim - Bor. M’gladbach VfB Stuttgart - 1899 Hoffenheim 6:2(3:1)39% 23% 39%
Eintr. Braunschweig - 1.FC Nürnberg Eintr. Frankfurt - Bor. Dortmund 1:2(1:1)34% 19% 46%
Prognose der nächsten Bundesligaspiele: NeuroNetzer
Wahrscheinlichkeiten für Heim - Unentschieden – Auswärts
Questions & Answers
& Vielen Dank für Ihre Aufmerksamkeit
Recommended