Mehrwerte durch Digitalisierung

Ein Thema, mit dem Digitalisierung unvermeidlich in Verbindung gebracht wird, ist der Online Handel. Ein Vorreiter ist das Unternehmen Amazon, welches unter Verwendung von Algorithmen dazu beiträgt, dass wir personalisiert die interessantesten Produkte und Angebote angezeigt bekommen. Schon lange frage ich mich, wie der Einzelhandel durch die Sammlung von Kunden- und Verkaufsdaten einen Mehrwert für sich generieren kann, auch um gegenüber dem Onlinehandel konkurrenzfähig zu bleiben. Die Antwort darauf konnte ich im vergangenen Semester in einem Kurs bei Dr. Alexander Hoffmann finden und freue mich, diese Erfahrung mit Ihnen in diesem Blog teilen zu können. Zum einen bin ich Teilnehmer des Kurses gewesen, zum anderen arbeite ich begleitend zum Studium im Team der statmath GmbH.
Unser Geschäftsführer Dr. Alexander Hoffmann bietet in jedem Semester für Masterstudenten der Volkswirtschaftslehre der Universität Siegen einen Kurs im Bereich der Datenanalyse an. Dort konnten wir einen Einblick erhalten, wie man anhand der Daten eines regionalen Franchise Stores Point of Sale (PoS) Daten analysiert. Wir, die Studenten, haben damit einen Einblick erhalten, welche Methoden die statmath GmbH in der Praxis anwendet und konnten diese anhand von Orginaldaten des Leonardo Stores Siegen direkt selbst anwenden.

Muster erkennen und nutzen

Nach der Datenaufbereitung war es die Aufgabe in kleinen Teams anhand der vorhandenen Daten Muster in der Kundenfrequenz zu erkennen und Verbindungen zu verschiedenen Einflussfaktoren herzustellen.
Das übergeordnete Ziel war es dann, diese Einflussfaktoren herauszuarbeiten und mit Hilfsvariablen, die Strukturen der tatsächlichen Daten nachzubilden, um diese im Weiteren für Prognosen verwenden zu können. Wir haben also zu Beginn versucht, die Daten sprechen zu lassen, um dann Strukturen zu erkennen und zu analysieren. Strukturen sind in den Daten oft gut zu erkennen, schwieriger ist es jedoch einen Grund zu finden, warum man über mehrere Jahre, Monate, oder Wochen -je nach Zyklus- eine solche wiederkehrende Struktur vorfindet.
Zum einen wurde der Effekt von Feiertagen und besonderen Ereignissen, wie z.B. dem Valentinstag, analysiert und zum anderen der Einfluss des Wetters. Feiertage und besondere Ereignisse sind langfristige Einflussfaktoren, wohingegen das Wetter zu den kurzfristigen Einflussfaktoren zählt, ebenso wie Werbemaßnahmen und Preisänderungen.
Die Daten des Leonardo Stores Siegen, welcher hauptsächlich Glasgeschenke und Dekorationen anbietet, zeigten klare Strukturen an Feiertagen, wie Ostern und Weihnachten, aber auch am Valentinstag oder Muttertag auf. Die Erklärung der vorhandenen Strukturen liegt in dieser Einzelhandelssparte auf der Hand und konnte durch Hilfsvariablen gut nachgebildet werden.
Anhand der Daten eines Lebensmittelgeschäftes konnte das Team der statmath GmbH allerdings auch Strukturen finden, die sich nicht auf den ersten Blick erklären ließen. Selbstverständlich sind es immer mehrere Faktoren die gleichzeitig eine Rolle spielen. Wir möchten anhand eines kleinen Beispiels zeigen, dass es unter den vielen verschiedenen Einflussfaktoren, den einen entscheidenden Einflussfaktor gibt, welchen man finden muss.
In der unten abgebildeten Grafik erkennt man vereinzelt an einem Wochentag, dem Mittwoch, eine Spitze.
Da liegt die Überlegung nahe, warum gerade an einem Mittwoch eine derartige Spitze für ein bestimmtes Produkt vorliegt. Das Produkt sind übrigens Kartoffelchips.

Digitalisierung: Verkaufte Menge im Verlauf der Woche

Auswertung wöchentlicher Daten am Beispiel von Kartoffelchips

Nach einigen Überlegungen und Beratschlagung in einem Fußball begeisterten Team, wurden die Spitzen als Champions League Spieltage identifiziert. So konnten wir herausfinden, dass wenn man für jedes Champions League Spiel mit deutscher Beteiligung, welches im Free TV ausgestrahlt wird eine Dummy Variable einführt, diese genau die erhöhte Nachfrage an Chips darstellt, die wir in den Daten vorfinden. Dies ist wichtig, um für die Zukunft Prognosen zu erstellen und an diesen Tagen Chips sowie weitere Artikel, die zu einem gemütlichen Fußballabend beitragen, offensiver auf der Verkaufsfläche zu platzieren.

Ein weiterer Zusammenhang besteht zwischen den Wetterdaten sowie der Kundenfrequenz bzw. dem Umsatz pro Tag. In den beiden Grafiken sieht man wie diese im Verhältnis zueinander stehen.

Digitalisierung: Wetter-Einflüsse auf den Kundenstrom

Darstellung der Einflussfaktoren Niederschlag und Temperatur

Zu bestimmten Jahreszeiten sind bestimmte Temperaturen zu erwarten, wenn die Temperatur allerdings von dieser Erwartung um mehr als 5 Grad abweicht, kann man dies oft in der Kundenfrequenz ablesen.
Nehmen wir als Beispiel die Wintermonate, dann sind die Wetterbedingung für einen Einkauf in einem Einkaufszentrum optimal. Im Leonardo Store Siegen waren durch die Lage in einem Einkaufszentrum, diese äußeren Faktoren gegeben. Die Aufgabe bestand darin zu analysieren, wie sich eine um mehr als 5 Grad niedrigere Temperatur und / oder höherer Niederschlag auf die Kundenfrequenz auswirkt.
Hier haben wir gesehen, dass die Wintermonate, welche aufgrund von Weihnachten eine im Schnitt hohe Kundenfrequenz haben, bei einer verglichen zu der Erwartung deutlich niedrigeren Temperatur und einem höheren Niederschlag (Schneefall) zu ruckläufigen Kundenfrequenzen führen.

Implementierung der Ergebnisse

Die Kernkompetenz der statmath GmbH besteht darin, dass wir anhand der Daten eines speziellen Franchise Stores, Einzelhandelsgeschäft oder Unternehmens, nicht nur sagen können, warum ihre Kundenfrequenz oder der Umsatz höher waren, sondern auch zu welchen Anteilen das Wetter, der Wochentag, Feiertage, der Monat, sowie verschiedene weitere individuelle Einflussfaktoren zu dieser Kundenfrequenz und dem daraus resultierendem Umsatz geführt haben. Mit Hilfe der daraus erstellten Hilfsvariablen, werden Prognosen für die Zukunft ermittelt, welche die Frequenzen und Umsätze an einzelnen Tagen vorhersagen. Dies dient beispielsweise zur Planung von Personal. Möglicherweise kann man im Einzelhandel die Arbeitszeiten anpassen, sodass keine Über- oder Unterbesetzung zu bestimmten Uhrzeiten eintritt. Des Weiteren kann die Produktpalette oder die Produktion von z. B. Frischeprodukten auf die Nachfrage abgestimmt werden und so eine Überproduktion, welche speziell im Lebensmittelhandel zu Verlusten führt, reduziert werden. Damit kann nicht nur der Nachhaltigkeitsgedanke gelebt werden, auch Marketingmaßnahmen oder die zukünftige Prozessorganisation können mit den historischen Daten optimal geplant und organisiert werden.

Beitragsbild: istock.com/SvetaZi

Verfasst von Maximilian Groß am 22. Januar 2018