Vorteil

Verbesserung der Genauigkeit der Sales-Forecasts um bis zu 35%.

Daten

Historische Bestellverläufe sowie weitere interne und externe Datenquellen.

Methode

Skalierbarer Machine-Learning-Ansatz basierend auf Zeitreihenanalysen.


Künstliche Intelligenz für bessere Sales Forecasts bei der SMA Solar Technology AG

Herausforderung

Als ein global führender Spezialist für Photovoltaik-Systemtechnik bietet SMA Lösungen für private Solaranlagen, gewerbliche Photovoltaikinstallationen bis hin zu Solarkraftwerken im Megawattbereich an. Mit einem großen Portfolio an Systemtechnik und Energielösungen sowie weltweiten Zielmärkten, ist ein verlässlicher Sales Forecast für SMA ein Schlüsselelement für die Umsatz-, Ressourcen- und Materialplanung. Der bisherige Forecast-Prozess erforderte einen hohen manuellen Aufwand und Ressourceneinsatz. Die Informationsgrundlage für die zuständigen MitarbeiterInnen war vorrangig eine retrospektive Betrachtung ausgewählter interner Daten wie der historischen Verkäufe. Daher sieht SMA großes Potenzial bei der Steigerung der Genauigkeit und der Prozesseffizienz des Sales Forecasts.

Ziel

SMA will durch den Einsatz von Machine Learning die Qualität des Sales Forecasts erhöhen und den Vertrieb unterstützen.

Lösung

SMA hat die Data-Science-Experten von eoda mit der Realisierung des KI-Ansatzes im Sales Forecast beauftragt. Um für jedes Produkt in jedem Zielmarkt einen optimalen Forecast zu erzielen, hat eoda einen Ansatz gewählt, bei dem die von ihnen entwickelten Machine-Learning-Modelle sich automatisiert auf die individuellen Produkt/Markt-Kombinationen und ihre Besonderheiten anpassen.

eoda hat darüber hinaus neben den historischen Bestellverläufen weitere interne und externe Datenquellen in den Forecast mit einfließen lassen.

Ergebnis

Bereits früh in der Proof-of-Concept-Phase konnten die Machine-Learning-Modelle eine signifikante Verbesserung der Genauigkeit der Sales Forecasts erzielen. Konkret sind die Referenzwerte des Machine-Learning-Modells bis zu 35% besser als die bestehenden Expertenschätzungen (Messgröße: MAPE – Medium Absolute Percentage Error).

Diese Ergebnisse unterstützen den Vertrieb und dienen als bessere Planungsgrundlage für eine Vielzahl an Geschäftsbereichen. Der skalierbare eoda Ansatz mit passgenauen Machine-Learning-Modellen ist nach dem erfolgreichen PoC in kurzer Zeit auf das gesamte Portfolio und alle Zielmärkte ausrollbar.

YUNA delphi – für bessere Prognosen

Vom Einkauf bis zum Vertrieb optimieren wir mit YUNA delphi die Qualität Ihrer Prognosen. Dafür bringt YUNA delphi Ihr Expertenwissen und und unsere verlässlichen Prognosemodelle in einem einzigartigen Ansatz zusammen.

 

Erfahren Sie mehr

Screenshot und Logo von YUNA delphi

Data Consulting & Projects

Welches Potenzial steckt in Ihren Daten? Welche Anwendungsfälle sind für Sie besonders spannend?  Von der Lösungsidee bis zum produktiven Einsatz von KI-Systemen in Ihrem Unternehmen: Wir schaffen für Sie aus Daten spürbare Mehrwerte.

Wir realisieren auch Ihr Projekt

Caase Study – Text Mining zur Prognose der Strompreisentwicklung

Welche Auswirkungen haben Nachrichtenmeldungen auf die Entwicklung des Strompreises? Wie lassen sich diese Informationen nutzen, um tägliche Herausforderungen zu meistern? Erfahren Sie mehr!

strommast

Zur Case Study

Whitepaper – Federated Learning

Viele Data-Science-Initiativen scheitern an einer zu geringen Datenbasis. Federated Learning kann die Lösung für dieses Problem sein – gerade vor dem Hintergrund von Datenhoheit und Datenschutz.

Zum Whitepaper

Blog – 9 Erfolgsfaktoren für belastbare Forecasts

Belastbare Forecasts sind das Fundament von Entscheidungen und Planungen im Unternehmen. Wir zeigen Ihnen, worauf Sie achten müssen, damit Ihre Forecasts Sie nicht im Stich lassen.

Pflanze mit Business Charts

Zum Blog-Beitrag

Wir verbessern auch Ihre Prognosen