Kunde: Einzelhandelskette mit 250 Filialen

Herausforderung

Ineffiziente Bestandsverwaltung führte zu Überbeständen und Out-of-Stock-Situationen. Der Kunde benötigte präzise Nachfrageprognosen.

Lösung

Implementation eines ML-basierten Forecasting Systems, das historische Verkaufsdaten, Saisonalität, Wetter und Events berücksichtigt.

Technologie

  • LSTM Neural Networks
  • Prophet für Zeitreihenanalyse
  • Feature Engineering mit externen Daten
  • Automatische Nachbestellung

Ergebnisse

  • -30% Lagerbestände
  • -45% Out-of-Stock-Situationen
  • +15% Umsatz
  • €2M Kosteneinsparung pro Jahr