4.1.4 Datenmanagement digitaler Champions Flashcards
Anwendungsmöglichkeiten eines effizienten Datenmanagements in Supply Chains - Bereiche
- Absatz-, Bestands- und Betriebsplanung
- Beschaffung
- Produktion
- Lagerhaltung
- Transport
- Kunde
Anwendungsmöglichkeiten eines effizienten Datenmanagements in Supply Chains -
Absatz-, Bestands- und Betriebsplanung
- Lieferantenrisiko- management und Wareneingangsprognose
- Bestandsvorausschätzung und Szenarienplanung
- Bewertung und Optimierung der Vorhersagegenauigkeit
Anwendungsmöglichkeiten eines effizienten Datenmanagements in Supply Chains -
Beschaffung
- Kostenmodellierung zur Ermittlung der Kostentreiber
- automatische Analyse der Vertragserfüllung
- aggregierter Ausgleich von Angebot und Nachfrage
Anwendungsmöglichkeiten eines effizienten Datenmanagements in Supply Chains -
Produktion
- Planung der energieintensiven Produktion
- Losgrößenbestimmung und Terminierung unter Berücksichtigung von Kosten, Beständen und Kapazitäten
Anwendungsmöglichkeiten eines effizienten Datenmanagements in Supply Chains -
Lagerhaltung
- Zuweisung von Kommissionierzonen/Lagerflächen
- automatische Umlagerung in Hochregallagern
- Optimierung der Arbeitslast
Anwendungsmöglichkeiten eines effizienten Datenmanagements in Supply Chains -
Transport
- Echtzeit-Routing und Rampenzuweisung in Lagern
- Planung der Lieferungen entsprechend dem Verbraucherverhalten
- dynamisches Routing
Anwendungsmöglichkeiten eines effizienten Datenmanagements in Supply Chains -
Kunde
- Produktempfehlungen basierend auf der Kaufhistorie
- Betrugserkennung
Datennutzung im Verkauf - allgemein
Einzelhändler nutzen neue Datenquellen
-> verbessern ihre Planungsprozesse
-> verbessern ihre Fähigkeiten zur Bedarfsermittlung
Datennutzung im Verkauf - Folgen
hohe Vorhersagegenauigkeit
-> Unternehmen hat einen besseren Überblick über den Bedarf an Logistikkapazitäten
-> Reduzierung von Veralterung, Lagerbeständen und Fehlbeständen
Datennutzung in der Beschaffung - Datenquellen
- Kartierung der Lieferketten
- Nutzung von Informationen im Stil von „Google Trends“
- sozialen Daten über Streiks, Brände oder Konkurse
Datennutzung in der Beschaffung - Möglichkeiten
- Lieferunterbrechungen im Transportwesen oder bei Zulieferern der zweiten oder dritten Ebene überwachen
-> vor seinen Wettbewerbern entscheidende Maßnahmen ergreifen.
Datennutzung in der Produktionsplanung - Beispiel Bäckereibetriebe
Einbeziehung von Temperatur- und Sonnenscheindaten
-> in der Lage, die Nachfrage für verschiedene Produktkategorien auf der Grundlage von Faktoren, die die Verbraucherpräferenzen beeinflussen, genauer vorherzusagen
Datennutzung in der Produktionsplanung - Beispiel Amazon
- hat „vorausschauenden Versand“ patentieren lassen
- Bestellungen werden verpackt und in das Liefernetzwerk eingespeist, bevor die Kund:innen sie tatsächlich bestellt haben
Nach Beherrschung von Big-Data-Prognosen - nächste Stufe der Raffinesse
Nachfrage aktiv gestalten
Nachfrage aktiv gestalten - Führende Online-Handelsunternehmen - Daten
- Big-Data-Analysen
- Bestandsdaten
- Prognosen
Nachfrage aktiv gestalten - Führende Online-Handelsunternehmen - Möglichkeiten
die Produkte ändern, die den Kund:innen empfohlen werden
-> Nachfrage effektiv auf Artikel gelenkt, die auf Lager sind
Big Data und Analytik - in der Produktion
- z. B. schwankende Strompreise nutzten, um energieintensive Produktionsabläufe darauf abzustimmen
- Archivierung von Daten von Montagevorgängen kann zur Fehler- und Ursachenanalyse genutzt werden
Neue Technologien, Datenquellen und Analysetechniken für die Lagerhaltung
schaffen neue Möglichkeiten:
Gabelstapler als Big-Data-Drehscheibe:
alle möglichen Daten in Echtzeit sammeln
-> mit ERP- und Lagerverwaltungssystemdaten (LVS) kombinieren
-» zusätzliche Verschwendung im Lagerprozess erkennen
Neue Technologien, Datenquellen und Analysetechniken für die Lagerhaltung - Beispiel Überwachung
- Analyse von Videobildern
- zusammen mit Sensoreingaben wie Temperatur, Regalgewicht und Gewicht des Gabelstaplers
- zur Überwachung in Echtzeit der:
Kommissioniergenauigkeit
Lagerproduktivität
Bestandsgenauigkeit
Neue Technologien, Datenquellen und Analysetechniken für die Lagerhaltung - Beispiel Fahrverhalten
Fahrverhalten der Stapler und Routenwahl bewerten und dynamisch optimieren
-> Produktivität bei der Kommissionierung steigern
Neue Technologien, Datenquellen und Analysetechniken für die Lagerhaltung - Beispiel Ursachenanalyse
Ursachenanalyse von Kommissionierfehlern nach Form, Farbe oder Gewicht verwenden
-> Prozesse robuster gestalten
Analytics für Logistikdienstleister
Daten auswerten, um vorherzusagen, wann ein Kunde mit größerer Wahrscheinlichkeit zu Hause ist
-> Pakete mit weniger Zustellversuchen auszuliefern
Analytics auf strategischer Basis - Transportmittel
durch Wahl der richtigen Transportmittel
-> Kosten und Kohlendioxidemissionen senken
Analytics auf strategischer Basis - Datenmanagement
effizientes Datenmanagement
-> erkennen, wann Waren schnell per Lkw versandt werden müssen und wann Zeit für eine langsamere Lieferung per Schiff oder Zug bleibt
