Bedarfsprognose mit Machine Learning
So arbeitet Predictly.
Von der Datenzeile zur Entscheidung, in sechs Schritten. Die ersten drei bereiten Ihre Daten vor, die letzten drei bringen die Prognose in Ihre Planung.
Aus Ihren Daten
-
1
Daten anbinden
Per Schnittstelle aus dem ERP oder als CSV-Export. Für den Anfang reichen Verkaufs-, Verbrauchs- oder Auftragsdaten mit Datum, Artikel und Menge.
-
2
Daten prüfen
Historie, Vollständigkeit, Einheiten und Sondereffekte. Ein Modell kann statistisch gut sein und trotzdem falsch bestellen, wenn ein Umrechnungsfaktor nicht stimmt.
-
3
Verfahren vergleichen
Mehrere Prognosemodelle laufen auf Ihren Daten, je Artikel, Standort und weiteren Merkmalen. Welches Verfahren für welchen Artikel eingesetzt wird, entscheidet bepro anhand der Validierung und stimmt es mit Ihnen ab.
In Ihre Planung
-
4
Prognosen berechnen
Mengen für Tage, Wochen oder Monate. Den Zeitraum legen Sie fest. Saisonartikel, Verkaufstage und Feiertage fließen ein.
-
5
Ergebnisse nutzen
Ist-Werte und Prognosen im Dashboard, je Artikel, Standort und weiteren Details. Die bisherigen Prognosen liegen über dem tatsächlichen Absatz, so sehen Sie, wie gut sie treffen.
-
6
In Abläufe übergeben
Bestellvorschlag, Produktionsmenge oder ERP-Auftrag: per Schnittstelle oder direkt in Predictly.
Beispiel winweb-food: Bei der MERTE Metzgerei legt Predictly die Aufträge 14 Tage im Voraus in winweb-food an, verteilt auf die Liefertage. Was bei Ihnen möglich ist, hängt davon ab, was Ihr ERP-System dafür anbietet. Zum Praxisbeispiel
Passt sich Ihrem
Betrieb an.
Predictly arbeitet mit Ihren Einheiten, Lieferrhythmen und Artikelstrukturen. Nicht umgekehrt.
Jede Einheit
Ob Stück oder Kilo, Packung oder Schale: Umrechnungen berücksichtigt Predictly automatisch.
Verkauft
48 Stück
Bestellt
4 Packungen à 12
Verknüpfte Artikel
Wird ein Ausgangsartikel zu mehreren Verkaufsartikeln verarbeitet, rechnet Predictly den Bedarf automatisch auf ihn zurück.
Ihre Liefertage
Was gebraucht wird und wann geliefert wird, sind zwei Entscheidungen. Die Mengen folgen Ihren Liefer- und Produktionstagen. Auch Vorablieferungen sind möglich: Ein Teil des Bedarfs kommt dann schon mit der Lieferung davor.
Der Kalender gehört dazu
Saisonartikel, Verkaufstage und Feiertage verändern die Nachfrage. Predictly nimmt sie in die Daten auf, statt sie dem Bauchgefühl zu überlassen.
Automatisch zusammengeführt
Daten und Artikel werden automatisch gebündelt und aufbereitet.
Wer stellt was ein?
Komplexes bleibt bei uns. Betriebliches bleibt bei Ihnen, jeweils im freigegebenen Rahmen.
bepro übernimmt
- Auswahl und Training der Prognoseverfahren
- Datenzuordnung und Mapping
- Grundlegende Prognoseparameter
- Betrieb der Plattform in der Cloud
Sie steuern selbst
- Verpackungsgrößen und Einheitenfaktoren
- Rundungsregeln
- Liefer- und Planungsvorgaben
- Benutzerkonten Ihres Teams
Ihr ERP bleibt das führende System für Stamm- und Artikeldaten. Predictly übernimmt sie von dort.
Fragen zur Arbeitsweise
Wie weit in die Zukunft rechnet Predictly?
Den Zeitraum legen Sie fest: Tage, Wochen oder Monate, je nachdem, wie Sie planen und bestellen. Wie genau die Prognose ausfällt, hängt außerdem von Datenhistorie, Saison und Sondereffekten ab.
Brauchen wir eigenes KI-Know-how?
Nein. Modellauswahl und Training übernimmt bepro. Sie arbeiten mit den Ergebnissen, im Dashboard oder direkt in Ihren Abläufen.
Ersetzt Predictly unser ERP?
Nein. Predictly ergänzt Ihre bestehenden ERP- und Produktionsplanungssysteme, Sie arbeiten weiter damit. Stamm- und Artikeldaten bleiben im ERP. Prognosen, Bestellvorschläge und Produktionsmengen lassen sich per Schnittstelle zurückgeben.
Müssen unsere Filialen weiter jeden Tag bestellen?
Im Regelfall nicht. Kann Ihr ERP-System Aufträge über eine Schnittstelle annehmen, legt Predictly sie dort direkt an, passend zu Ihren Liefertagen und Bestelleinheiten. Ihre Filialen ergänzen nur, was zusätzlich gebraucht wird, etwa Vorbestellungen von Kunden.
Mit Ihren Daten ausprobieren.
In der Pilotphase durchlaufen 10 Ihrer Artikel alle sechs Schritte.