FALKE
Forecast-Optimierung mit Machine Learning
Seit 1895 steht das Familienunternehmen FALKE für modische Bekleidung aus hochwertigen Materialien, verarbeitet mit handwerklicher Perfektion und Liebe zum Detail. Produziert werden insbesondere Pullover, Bodies, Feinstrumpfhosen und Strümpfe, Unterwäsche sowie Sportbekleidung.
Um die Verfügbarkeit der Produkte weltweit gewährleisten zu können, müssen die voraussichtlichen Absätze entsprechend geplant werden. Hierzu hatte FALKE gemeinsam mit celver bereits eine Vertriebsabsatzplanung auf Basis von Board eingeführt, deren Ergebnisse wiederum in die Produktionsplanung einfließen.
Da die Forecast-Qualität der verwendeten statistischen Methode jedoch nicht ausreichend war, mussten die Absatzplaner immer wieder manuell eingreifen, um plausible Ergebnisse zu erhalten. Gesucht wurde daher eine Forecast-Methode, die verlässlichere Daten liefert und somit den Aufwand für die Fachabteilung reduziert.
Die Fakten auf einen Blick
Vorteile und Nutzen
- Vereinfachung des Planungsprozesses
- Weniger manueller Aufwand
- Steigerung der Forecast-Qualität um 21 %
- Hohe Anwenderakzeptanz durch verbesserte Ergebnisse im gewohnten System
- Vertrauen in die Daten
Durch die Integration von State-of-the-Art-Programmen wie R und Python sowie Open-Source-Komponenten in unsere bestehende Lösungsarchitektur konnten wir die Forecast-Qualität schnell deutlich verbessern.
