# Handelsnachfrage prognostizieren - sktime Anwendungsfall

Modellieren Sie Nachfrageunsicherheit über Produkte, Filialen und Regionen mit sktime, mit probabilistischen Prognosen und prädiktiven Verteilungen für die Handelsplanung.

Canonical page: https://www.sktime.net/de/anwendungsfaelle/handel-und-produktverkaeufe/

## Nachfrage planen mit Bandbreiten.

sktime modelliert Nachfrage über Produkte, Filialen und Regionen mit probabilistischen Prognosen, damit Teams Risiken sehen und Hierarchien kohärent halten.

## Vertrauenssignale

- Open Source: Frei betreibbar, vollständig prüfbar, keine Lizenz pro Platz oder SKU.
- Bewährte Verfahren: Dieselben Ansätze wie bei den M5-, Walmart- und Rossmann-Forecasts.
- Von den Maintainern: Sie sprechen mit den Menschen, die sktime tatsächlich bauen, nicht mit einem Reseller.

## Nicht abgestimmte Prognosen kosten auf jeder Ebene Geld.

- Kapital liegt im Regal fest: Jede Reihe zur Sicherheit puffern, und Kapital steckt als Bestand fest, den Sie längst bezahlt haben, danach Abschrift oder Ausbuchung.
- Nachfrage, die Sie nie beobachten: Zu knapp geplant, und leere Regale zensieren die Nachfrage: beobachtete Verkäufe unterschätzen, was Kunden wollten, und der verlorene Warenkorb fehlt in den Daten.
- Planungstage gehen fürs Abstimmen drauf: Teams verbringen Stunden damit, Bottom-up- und Top-down-Zahlen in Tabellen zusammenzuzwingen, und sie passen trotzdem selten.

## Nachfrageprognosen mit Unsicherheit rechnen sich von selbst.

Wenn Sie die ganze Nachfrageverteilung kennen, planen Sie Bestand am echten Risiko statt an einem einzelnen Punktwert. Der Großteil der Einsparung steckt in Bestandsentscheidungen, der Rest in Stunden und Lizenzen, die Sie sich sparen.

- Weniger Sicherheitsbestand: Probabilistische Prognosen bemessen Puffer am echten Risiko statt am Bauchgefühl. (↓)
- Weniger Abschriften & Verderb: Näher an der echten Nachfrage bestellen, so landet weniger im Rabatt oder in der Tonne. (↓)
- Zurückgewonnene Stockout-Nachfrage: Nachfrage einfangen, die bei leeren Regalen bisher verloren ging. (↑)
- Forecasting-Lizenzgebühren: sktime ist Open Source. Keine Vendor-Rechnung pro Platz oder SKU. (0 €)
- Stunden für manuelle Abstimmung: Hierarchiebewusste Workflows halten Summen kohärent, wenn die Planung es braucht. (frei)

Nur richtungsweisende Nutzenpunkte. Ihre echten Zahlen kommen aus einem kurzen Scoping-Gespräch mit Ihren eigenen Daten.

## Gebaut für echte Handelsplanung.

- Volle probabilistische Outputs: Intervalle, Quantile, Varianz und prädiktive Verteilungen für risikobewusste Planung.
- Globale & Panel-Modelle: Ein Modell über viele verbundene Reihen statt je ein Modell pro Reihe.
- Reale Einflussgrößen: Feiertage, Aktionen, Preise, Filial-IDs und SNAP-Kauftags-Flags aus M5/Walmart einbeziehen: Tage, an denen SNAP-Einkäufe in CA/TX/WI-Filialen erlaubt sind.
- Hierarchie, wenn sie gebraucht wird: Bottom-up-, Top-down- und optimale Abstimmung halten Produkt-, Filial- und Regionssummen kohärent.

## In drei Schritten von Ihren Daten zu einer Prognose, der Sie vertrauen.

- Scoping-Gespräch: Wir kartieren Ihre Reihen, Ihre Hierarchie und die heute größten Schmerzpunkte.
- Pilot auf Ihren Daten: Wir modellieren einen echten Ausschnitt Ihrer Nachfragedaten, quantifizieren Unsicherheit und halten Hierarchiesummen dort kohärent, wo es nötig ist.
- In Ihrer Planung betreiben: In Ihren S&OP-Takt überführen, während die Maintainer direkt erreichbar bleiben.

## Die drei Fragen, die Planungs-verantwortliche zuerst stellen.

### Brauchen wir ein Data-Science-Team?

Nein. Wir bringen es auf Ihren Daten zum Laufen, und Ihre Planer arbeiten mit den Prognosen, nicht mit dem Code.

### Ist Open Source enterprise-tauglich?

sktime ist permissiv lizenziert, prüfbar und vielfach im Produktivbetrieb. Nichts steckt hinter einem Vendor-Lock-in.

### Wie schnell sehen wir Wirkung?

Ein kurzer Pilot auf einem Ausschnitt Ihrer Nachfragedaten zeigt den Effekt, bevor Sie sich festlegen.

## Bringen Sie unsicherheitsbewusste Prognosen in Ihre Planung.

sktime ist frei und Open Source. Wenn Sie das auf Ihren eigenen Nachfragedaten betreiben möchten, helfen die Menschen dahinter.