RELEX Solutions als führender Anbieter im Bereich Software für Handelsplanung in The Forrester Wave™ ausgezeichnet: Retail Planning Platforms, Q4 2023 | Zum Bericht

menu-close

Nutzen Sie POS-Daten in Ihrer Lieferkette – reagieren Sie schneller auf Nachfrageschwankungen

Oct 2, 2012 9 min

Ich habe meine Doktorarbeit aus dem Jahr 2005 wieder aus der Schublade geholt und mit Schrecken festgestellt, dass sie immer noch aktuell ist. Zu meinen Forschungsfeldern zählten unter anderem verschiedene Ansätze, um schneller auf Nachfrageschwankungen reagieren zu können, indem Verkaufsdaten aus Ladengeschäften, sogenannte POS-Daten (Point of Sale), in anderen Abschnitten der Lieferkette genutzt werden. Der Grundgedanke besteht darin, den Absatz in den Ladengeschäften kontinuierlich zu verfolgen, also gewissermaßen den Finger am Verkaufspuls zu haben, um Nachfrageschwankungen erkennen zu können, bevor diese sich in den Bestellungen beim Zentrallager und den Lieferanten niederschlagen.

Dieser Grundgedanke war richtig, und die Theorie erwies sich als belastbar. Allerdings verfügten vor zehn Jahren nur wenige Unternehmen über die erforderlichen Ressourcen, um die enormen Informationsmengen nutzen zu können, die sich aus POS-Daten ergeben. Mittlerweile haben die meisten Unternehmen den Nutzen von POS-Daten erkannt und sehen darin ein interessantes Feld für zukünftige Entwicklungen – mit Betonung auf „Zukunft“. Den meisten ist nicht bewusst, dass diese Zukunft längst Gegenwart ist.

Dank Entwicklungen im Bereich Datenverwaltung und Rechenkapazität ist die systematische, umfassende Nutzung von POS-Daten in der Lieferkette längst Wirklichkeit geworden. Vor allem für Unternehmen im Einzelhandel, die meist die Ladengeschäfte und die entsprechenden Lager selbst betreiben, gibt es keine Entschuldigung mehr dafür, die POS-Daten im Kassensystem der Filialen ungenutzt zu lassen. Es ist an der Zeit, von den Zukunftsvisionen zur Nutzung von POS-Daten in den Alltag überzugehen.

POS-Daten verkürzen die Reaktionszeit

Der Wert von POS-Daten ist messbar. In meiner Dissertation habe ich den Verkaufsstart mehrerer Produkte bei zwei bekannten Anbietern im Konsumgüterbereich untersucht. Durch die Analyse von POS-Daten konnte die Nachfrage nach den neuen Produkten im Durchschnitt 30 Tage früher (mit Spitzenwerten von bis zu 100 Tagen) ermittelt werden, als es bei Beschränkung auf die Daten möglich war, die sich aus den Bestellungen der Ladengeschäfte beim Zentrallager ergaben. Bei den Reaktionszeiten fiel die Differenz noch deutlicher aus: Sie betrug im Durchschnitt 61 Tage (mit Spitzenwerten von bis zu 128 Tagen), wenn man den Informationswert der POS-Daten mit den Informationen vergleicht, die aus den Bestellungen des Zentrallagers bei Lieferanten ableitbar sind.

Die Gründe für diesen verzögerten Informationsfluss sind vielfältig. Gerade beim Verkaufsstart neuer Produkte besteht der wichtigste Faktor in dem Pufferbestand, der anfangs in jedem Abschnitt der Lieferkette angelegt wird.

Der Pufferbestand wird angelegt, damit alle Abschnitte die Nachfrage sicher bedienen können. Es ist außerdem üblich, in jedem Ladengeschäft einige Verkaufspackungen und im Zentrallager einige Paletten vorrätig zu haben. Da bei der Warenrotation überwiegend mit Wochen oder sogar mit Monaten gerechnet wird (selbst bei sogenannten „Schnelldrehern“), vergeht einige Zeit, bis der Lagerbestand so weit gesunken ist, dass eine Nachbestellung erforderlich wird.

Abbildung 1: Vergleich zwischen POS-Daten und dem Bestelleingang am Zentrallager im Zeitverlauf (Anzahl der Tage).

Wenn nur der Bestellfluss am Zentrallager betrachtet werden kann, ohne Berücksichtigung des Absatzes in den Ladengeschäften, führt dies schlimmstenfalls zu folgendem Szenario: Zunächst erfolgt ein großer Absatzschub (die Erstlieferungen an die Läden), dann scheint das Produkt ein Misserfolg zu sein (über Wochen keine Nachbestellungen von den Läden) und schließlich gibt es einen Engpass, wenn schließlich doch Nachbestellungen eingehen. Abbildung 1 zeigt an einem konkreten Beispiel, wie stark POS-Daten und Bestellfluss voneinander abweichen können.

POS-Daten sind der Schlüssel, erfordern aber etwas mehr Aufwand

Die Voraussetzungen für die Übertragung und Verarbeitung großer Datenmengen haben sich in den vergangenen zehn Jahren grundlegend verändert. Die Analyse von Absatzzahlen auf der Ebene von Artikeln, Läden und Tagen stellt keine besondere Schwierigkeit mehr dar. Für viele Einzelhändler ist sie Alltag. (Es ist mittlerweile auch zu moderaten Kosten möglich, die Absatzzahlen noch detaillierter pro Bonzeile zu verarbeiten. Wir werden diesen Fall hier allerdings nicht berücksichtigen.)

Es liegt auf der Hand, dass der Zugriff auf POS-Daten den Informationsfluss innerhalb der Lieferkette beschleunigt und eine schnellere Anpassung der Lagerbestände sowie der Produktion an die tatsächliche Nachfrage ermöglicht. In diesem Zusammenhang ist allerdings eine wichtige Einschränkung zu machen: Unabhängig von allen anderen Faktoren ist zu beachten, dass Zentrallager und Lieferanten auf den tatsächlichen Bestelleingang reagieren müssen.

Werden die POS-Rohdaten direkt für eine Prognose der Lagerbestände im Zentrallager oder bei Lieferanten verwendet, besteht die Gefahr, dass die Bestände nicht im Einklang mit dem tatsächlichen Lieferbedarf sind. Bei neuen Artikeln zum Beispiel, die in relativ großen Einheiten geliefert werden, kann eine Prognose auf Grundlage der POS-Daten dazu führen, dass Zentrallager oder Lieferanten sehr schnell einen großen Lagerbestand aufbauen, der erst viele Wochen oder Monate später benötigt wird. Bei Artikeln mit einem kurzen Lebenszyklus oder eingeschränkter Haltbarkeit kann dies zu erheblichen Problemen durch Überalterung führen.

Eine Prognose des zukünftigen Bedarfs muss sich auf mehrere Faktoren stützen: Neben der Analyse von POS-Daten zur Abschätzung der Kundennachfrage sollte auch der in der Lieferkette aufgebaute Pufferbestand berücksichtigt und dabei abgeschätzt werden, bis wann Überbestände abgebaut sind. Außerdem sollten Lieferzeiten, Lieferpläne und Mehrfachbestellungen berücksichtigt werden, die zu Bündelungen im Bestellfluss führen. Zusätzlich sollten die kurzfristigen Auswirkungen von Marketingmaßnahmen aus den Nachfragedaten gefiltert werden.

Das klingt kompliziert? Keine Sorge: An diesem Punkt kommt die enorme Rechenleistung moderner IT-Systeme zum Tragen.

Mehr Kontrolle durch für Bestellprognosen verfeinerte POS-Daten

Die Verfeinerung der POS-Daten für Bestellprognosen vermindert Unsicherheiten in der Lieferkette und den Interpretationsbedarf der Daten – bei gleichbleibender Reaktionsgeschwindigkeit.

Bestellprognosen liefern eine bestmögliche Schätzung, wann und in welchem Umfang in einem bestimmten Ladengeschäft oder Lager eine Bestellung getätigt werden wird. Die Bestellprognosen können im Gegensatz zu POS-Rohdaten also direkt vom nächsten Glied der Lieferkette – zum Beispiel vom Zentrallager – genutzt werden, ohne dass die Gefahr von Überbeständen besteht, die mit dem tatsächlichen Lieferbedarf nicht im Einklang stehen (siehe Abbildung 2).

Eine gute Bestellprognose berücksichtigt drei Informationsquellen:

  1. die voraussichtliche Kundennachfrage, berechnet anhand der aktuellen POS-Daten
  2. vorhandene Lagerbestände sowie bereits getätigte Nachbestellungen
  3. Steuerparameter (Reserve- oder Auslagebestand, Packungsgröße oder minimale Bestellmenge plus Lieferplan oder Lieferzeit), die sich auf den Zeitpunkt und die Bestellmengen auswirken

Eine Bestellprognose mag einfach erscheinen, ist tatsächlich aber ein komplexer Prozess, der alle verfügbaren Informationen auswertet.

Abbildung 2: Bestellprognosen der Ladengeschäfte und Lieferprognose des Zentrallagers (Quelle: Tatu Lähteenmäki, Onninen).

In der Praxis setzt die Erstellung einer zuverlässigen Bestellprognose ein intelligentes Warenwirtschaftssystem voraus. Ein intelligentes Warenwirtschaftssystem berechnet nicht nur den gegenwärtigen Bestellbedarf, sondern simuliert auch den zukünftigen Bedarf. Auf Grundlage der aktuellen, auf POS-Daten gestützten Prognose und der Steuerparameter berechnet das System zukünftige Schwankungen des Lagerbestandes und gibt an, wann neue Bestellungen aufgegeben werden und Waren eingehen. (Abbildung 3 zeigt ein Beispiel für simulierte Bestellungen.) Die Simulation kann im Prinzip beliebig weit in die Zukunft reichen, doch der Wert von Daten zu aktuellen Lagerbeständen und Steuerparametern ist natürlich kurz- und mittelfristig größer.

Abbildung 3: Ein Beispiel für simulierte Lagerbestände und Bestellungen (oberes Diagramm) mit den Absatzzahlen und Prognosen, auf denen die Simulation beruht (unteres Diagramm).

Die Simulation des Bestellflusses stellt hohe Anforderungen an Software und Rechenleistung. Mit aktuellen IT-Lösungen ist diese Herausforderung heute gut zu bewältigen. Bei unseren Kunden werden derartige Berechnungen täglich für die nächsten Wochen oder Monate durchgeführt. In bestimmten Fällen erfolgen die Berechnungen mit mehreren Zwischenschritten, damit die Bestellprognose der Ladengeschäfte bzw. Zwischenlager vor Ort in die Bestellprognose des Zentrallagers einfließen kann.

Wann sind die Vorteile von Bestellprognosen am größten?

Wenn der Bestellfluss gleichmäßig ist und keine Veränderungen eintreten, ist der Unterschied zwischen einer komplexen Bestellprognose und einer einfachen Prognose, die auf den Abgängen am Zentrallager beruht, im Allgemeinen relativ gering. Doch wie große ist der Anteil des Sortiments, bei dem ein gleichmäßiger Bestellfluss vorliegt? Kürzere Produktlebenszyklen, flexiblere Öffnungszeiten und die zunehmende Bedeutung von Saisonsortimenten führen dazu, dass der Anteil von Produkten mit gleichmäßigem Warenfluss kontinuierlich abnimmt.

ProdukteinführungWenn Produkte eingeführt werden, wird meist in allen Abschnitten der Lieferkette ein Pufferbestand aufgebaut (das sogenannte Auffüllen der Pipeline). Da der vorhandene Lagerbestand erst sinken muss, bis weitere Bestellungen ausgelöst werden, können Wochen oder Monate vergehen, bis der Bestellfluss der Ladengeschäfte dem Absatz entspricht. Diese Verzögerung kann sich zudem stark zwischen verschiedenen Ladenkonzepten und Regionen unterscheiden. Aus diesem Grund ist es schwierig, die Auswirkungen qualitativ abzuschätzen. Bestellprognosen sind daher von zentraler Bedeutung, um die Bestände der zuständigen Lager auf wirksame Weise am tatsächlichen Lieferbedarf auszurichten.
ProduktabkündigungBei Abkündigung eines Produkts werden in einer ladenbezogenen Bestellprognose automatisch das Enddatum des Artikels sowie die Tatsache berücksichtigt, dass zum Ende des Lebenszyklus hin die Reservebestände eines Produkts im Allgemeinen abgebaut werden. Die Bestellprognose unterstützt eine kontrollierte Reduzierung der Lagerbestände im Zentrallager. Sie ermöglicht außerdem die schnellere Erkennung möglicher Gründe für Überbestände in der Lieferkette.
MarketingmaßnahmenKurz vor Angebotsaktionen und anderen Marketingmaßnahmen wird in Läden meist eine größere Auslage eingerichtet oder ein höherer Pufferbestand aufgebaut. Nach der Aktion können Überbestände der Artikel vorhanden sein. Die Bestellprognose reagiert während der Aktion automatisch und schnell auf eine Abweichung der Nachfrage von der Planung. Nach der Aktion kann damit der optimale Lagerbestand schneller wieder erreicht werden.
SaisonartikelPufferbestände werden meist vor Beginn der Saison aufgebaut. Wie schnell diese Bestände abgebaut werden, kann sich in verschiedenen Läden unterscheiden, zum Beispiel je nach den Witterungsbedingungen vor Ort. Eine Bestellprognose berücksichtigt automatisch die Nachfrage und den vorhandenen Lagerbestand in jedem einzelnen Laden, sodass jederzeit ein besserer Überblick über den gesamten Lieferbedarf möglich ist. Zum Ende der Saison ist es mit einer Bestellprognose einfacher, die Produkte effizient auslaufen zu lassen und mögliche Überbestände von Artikeln in der Lieferkette zu erkennen.
Änderungen im VertriebÄnderungen im Vertrieb werden von der Bestellprognose automatisch berücksichtigt. Wenn sich beispielsweise die Einstufung des Produkts ändert (und es in mehr oder weniger Läden angeboten wird), wird die Bestellprognose automatisch aktualisiert. Wenn eine bestimmte Kundengruppe in Zukunft über einen anderen Vertriebskanal bedient wird (z. B. über ein anderes Lager), wird auch dies automatisch in den Bestellprognosen der Lieferkette berücksichtigt.
Änderungen des LieferplansDie Bestellprognose berücksichtigt automatisch den Lieferplan. Zum Beispiel werden gesetzliche Feiertage oder eine höhere Bestellfolge in der Hochsaison automatisch in die Prognose einbezogen.
Tabelle 1: Situationen, in denen der Wert von Bestellprognosen besonders hoch ist.

Die Bestellprognose ist ein wichtiges Werkzeug zur Steuerung der Lieferkette bei Einführung und Abkündigung von Produkten, bei Saisonartikeln, bei Marketingmaßnahmen und bei Änderungen des Lieferplans (siehe Tabelle 1). Bei der Einführung von Artikeln zum Beispiel ermöglicht eine gute Bestellprognose die automatische Anpassungen der Prognose des Zentrallagers nach oben oder nach unten, wenn die Nachfrage höher oder niedriger als erwartet ausfällt – und zwar bevor die erste Nachbestellung der Ladengeschäfte eingegangen ist.

Bestellprognosen haben mehr als einen Anwendungsbereich

Neben einer schnelleren Reaktion auf Nachfrageschwankungen und einem ausgeglichenen Gesamtlagerbestand in der Lieferkette haben Bestellprognosen noch weitere Vorteile. Unsere Kunden haben die Erfahrung gemacht, dass ihre Lieferanten den Lagerbestand optimal anpassen können, wenn Bestellprognosen weitergegeben werden. Sie profitieren dann von einem besseren Kundenservice und erhalten frischere Waren.

Simulationen des zukünftigen Bestellflusses können auch für die interne Kapazitätsplanung genutzt werden. Wenn genauer abgeschätzt wird, wie viele Einheiten an bestimmten Tagen anzunehmen bzw. zu kommissionieren sind oder wie der Lagerbestand in der Zukunft schwanken wird, können Personalbedarf und Transportkapazitäten genauer ermittelt und Situationen bewältigt werden, in denen ein Überschreiten der zentralen Kapazitätsgrenzen droht. Unsere im Bereich Verbrauchsgüter tätigen Kunden haben unter anderem erhebliche Verbesserungen in der Abstimmung des Bestellflusses mit gesetzlichen Feiertagen beobachtet. In diesen Situationen steigt meist die Nachfrage, während die Zahl der Liefertage reduziert ist, sodass Waren aufgrund von Engpässen bei Kommissionierung und Transportkapazitäten schnell nicht mehr verfügbar sind.

Zusammenfassung

Die Möglichkeit, POS-Daten zur Steuerung der Lieferkette zu nutzen, ist Wirklichkeit geworden:

  1. Aufgrund der Entwicklungen im IT-Bereich können POS-Daten von jedem Einzelhandelsunternehmen gesammelt, übermittelt und analysiert werden. Dank POS-Daten ist es möglich, deutlich schneller auf Nachfrageschwankungen zu reagieren.
  2. Führende Einzelhandelsunternehmen haben bereits Schritte eingeleitet, um Bestellprognosen zu erstellen, die sämtliche POS-Daten, aktuelle Lagerbestände sowie alle relevanten Steuerparameter berücksichtigen, die sich auf den Bestellfluss auswirken. Bestellprognosen können die Genauigkeit von Prognosen für Zentrallager und Lieferanten erheblich verbessern. Dies gilt insbesondere für die Einführung und Abkündigung von Artikeln, für Saisonartikel, vor gesetzlichen Feiertagen und bei Marketingmaßnahmen. Bestellprognosen stellen hohe Anforderungen an die Systemunterstützung und die Rechenleistung. Doch Unternehmen, die moderne Warenwirtschaftssysteme verwenden, profitieren von automatischen Bestellprognosen und laufenden Bestellsimulationen.
  3. Die Entwicklungsmöglichkeiten sind nicht auf den Teil der Lieferkette beschränkt, den das Unternehmen selbst kontrolliert. Einige Einzelhandelsunternehmen sind bereits einen Schritt weiter gegangen und haben begonnen, Bestellprognosen an externe Lieferanten weiterzuleiten. Auf diese Weise profitieren sie von einem besseren Service und frischeren Waren.

Warten auch Sie noch auf eine Zukunft, die längst Gegenwart ist?

Beitrag von

Johanna Småros

Co-founder & Chief Marketing Officer