Non-Food Händler

Ausgangssituation und Projektauftrag

Unser Kunde aus dem Non-Food Handel beauftragte uns mit einem prototypischen Aufbau eines Data Warehouses und der Optimierung des Bestandsmanagements durch Data Science Analysen. 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 Warehouses mit Data Vault-Modell
  • Beladung des Data Warehouses 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 Warehouses erreichten wir im Ergebnis dieses Projektes, 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.