
REWE setzt bei der Optimierung der Supply Chain des Lieferservices auf moderne Data Science Ansätze. Die pünktliche Bereitstellung von Produkten vom Hersteller bis zum Kunden ist Kernaufgabe jedes Handelsunternehmens. Deshalb hat REWE ein Prognosemodell für den REWE-Lieferdienst entwickelt, um die voraussichtliche Ankunft des Lieferfahrers beim Kunden möglichst genau vorherzusagen. Zum einen bilden die Prognosen die Grundlage für die frühzeitige Kundenansprache durch den Kundenservice im Falle von prognostizierten Verspätungen. Zum anderen dienen sie der automatisierten Information des Kunden über die voraussichtliche Ankunft des Fahrers. Die Session führt den Use-Case ein, beschreibt die technischen Ideen und schildert auch günstige Team-Zusammensetzungen und Vorgehensmodell
Zielpublikum: Entscheider, Product Owner Supply Chain, Data Science Interessierte
Voraussetzungen: keine
Schwierigkeitsgrad: Anfänger
Am Beispiel einer erfolgreichen Implementierung eines Data Warehouse Systems werden die grundlegenden Aufgabenstellungen einer Einzelhandelsgruppe mit über 200 Filialen beleuchtet und die Möglichkeiten einer effizienteren Geschäftssteuerung aufgezeigt.
Hierbei werden die Themen wie Abverkaufsanalyse, Rohmargenanalyse, Filiallagerrechnung, Optimierung der Warenversorgung, Vermeidung von out-of-stock, Optimierung der Abschreibungsquoten, Werbeerfolgsrechnung und Produktmanagement adressiert. Die flächendeckende Versorgung von Geschäftsführung über Fachanwender bis zum Außendienstmitarbeiter mit tagesaktuellen Zahlen hat mit dieser Implementierung eine neue Qualität in der täglichen Entscheidungsunterstützung und in der kurz- und langfristigen Steuerung ermöglicht.
Zielpublikum: BI-Manager, BI-Projektleiter, Controlling, Geschäftsführung
Voraussetzungen: keine
Schwierigkeitsgrad: Mittel