Einzelhandel · USA · Bestand

Nachfrageprognose & ABC-Bestandsanalyse

Ein US-Händler für Haushaltswaren verlor Umsatz durch leere Regale bei Bestsellern und zahlte zu viel für die Lagerung von Ladenhütern. Aufgabe: Nachfrage über 18.400 Artikel prognostizieren und die Einkaufsplanung neu aufbauen.

Daten: 4,2 Mio. Verkaufszeilen · 3 Jahre Stack: Python · Spark · Prophet · Power BI Dauer: 3 Wochen
demand_forecast · Power BI
heute aktualisiert
Prognosegenauigkeit
92.4%
MAPE 7,6%
Bestseller-Engpässe
−63%
weniger Umsatzverluste
Lagerkosten
−28%
3,1 Mio. $ freigesetzt
Lagerumschlag
+19%
Jahr über Jahr

Ist-Absatz vs. Modellprognose

monatlich, Tsd. Einheiten · gestrichelt = 3-Monats-Prognose

ABC-Sortimentsanalyse

Anteil Artikel vs. Anteil Umsatz

◆ Erkenntnisse
  • Klasse A (7% der Artikel) brachte 71% des Umsatzes — und war am häufigsten ausverkauft.
  • Die Bestseller-Nachfrage hatte klare Wochen- und Saisonzyklen, die der Handeinkauf ignorierte.
  • 34% der C-Artikel waren seit 90 Tagen unverkauft und banden Betriebskapital.
✓ Unsere Lösung
  • Klasse A auf prognosegesteuerte Nachbestellung mit 14-Tage-Sicherheitsbestand umgestellt.
  • 1.240 tote Artikel ausgelistet und das Budget in bewährte Verkäufer reinvestiert.
  • Bestandswarnungen sieben Tage bevor ein Bestseller auf null fällt ergänzt.

Haben Sie ein ähnliches Projekt?

Erzählen Sie uns, was Sie bauen. Wir antworten innerhalb eines Werktags mit klarem Plan und Festpreis.

Projekt starten