Non-Food-Händler.

Unser Kunde aus dem Non-Food-Handel beauftragte uns mit einem prototypischen Aufbau eines Data Warehouse und der Optimierung des Bestandsmanagements durch Data-Science-Analysen. So werden durch die optimale Verteilung von Waren und die Minimierung von Leerbeständen Kosten eingespart.

Technologien:

  • Python

  • Jupiter Notebooks

Ausgangssituation und Projektauftrag

Ziel dieses Auftrages war es, die Ausgangsfrage zu beantworten, ob die Produkte des Kunden sinnvoll auf die verschiedenen Filialen deutschlandweit aufgeteilt werden. Im Produktsortiment der über 1.500 Filialen sind Gebrauchsartikel des täglichen Bedarfs zu finden. Der Projektauftrag beruhte auf dem operativen Datenbestand des Kunden.

Die besondere Herausforderung bei diesem Projekt bestand darin, zum einen in der Verlangsamung bzw. der Belastung des Systems durch Analysen und Abfragen und zum anderen in einem bis dato nicht performantem Datenbankschema.

Vorgehen im Projekt

Unseren Projektauftrag haben wir wie folgt erfüllt:

  • Aufbau eines Data Warehouse mit Data-Vault-Modell
  • Beladung des Data Warehouse aus dem operativen System
  • Data-Science-Analyse und Beantwortung der eingangs gestellten Fragestellung mit Python und Jupyter Notebooks: Untersuchung der Leerbestände und verkaufsbeeinflussender Faktoren, Zeitreihenanalyse zur Vorhersage der Verkäufe, grafische Aufbereitung der Ergebnisse

Projektergebnisse und Ausblick

Mit dem prototypischen Aufbau eines Data Warehouse erreichten wir im Ergebnis dieses Projekts, dass fortan weitere Analysen ohne Belastung des Operativsystems auch in Zukunft möglich sind. Des Weiteren konnten wir durch unsere Data-Science-Analysen verkaufsbeeinflussender Faktoren wie Saisonalität und geografische Zusammenhänge identifizieren und damit das Bestandsmanagements deutlich optimieren. Unser Kunde erreichte dadurch eine enorme Kosteneinsparung durch die optimale Verteilung von Waren und zusätzlich die Minimierung von Leerbeständen.

Weitere spannende Projekte