Referenzmodell für die quantitative Absatzplanung innerhalb der Supply-Chain-Planung
Seiten
2023
Cuvillier Verlag
978-3-7369-7746-4 (ISBN)
Cuvillier Verlag
978-3-7369-7746-4 (ISBN)
Produzierende Unternehmen stellen sich bei der Versorgung von Endverbrauchern vielfältigen Herausforderungen wie starker Volatilität am Absatzmarkt und global verteilter Distributionsnetzwerke. Dabei bestimmen in der Konsumgüterindustrie die Endverbraucher durch den Kauf von Produkten über den Erfolg von Unternehmen. Damit der Absatzmarkt schnellstmöglich bedient werden kann, sind die Produkte vor Entstehung des Bedarfs zu produzieren und in geografische Nähe des Endverbrauchers zu bringen. Somit sind diese Unternehmen darauf angewiesen, den zukünftigen Absatz ihrer Produkte zu prognostizieren, um die Supply Chain bedarfsgerecht zu steuern. Für die Erstellung von Prognoseinformationen, die als Grundlage der Planung von Supply Chains gelten, ist die Absatzplanung verantwortlich.
Im Rahmen der Absatzplanung werden Daten unzureichend verwendet, obwohl die Wissenschaft bereits seit Jahren empfiehlt, Entscheidungen auf Analysen von Daten basieren zu lassen. Auch hemmen Herausforderungen wie unzureichende Kompetenzen die Vielfalt an Methoden und unklare Prozesse die Verwendung von Daten und folglich quantitativer Methoden.
Das vorliegende Referenzmodell widmet sich den genannten Herausforderungen und konsolidiert bestehendes Wissen in der Domäne der quantitativen Absatzplanung. Damit dient das Referenzmodell als Leitfaden für die Integration und Verbesserung der quantitativen Absatzplanung in Unternehmen und erleichtert den Zugang zu Wissen. Das Modell systematisiert den Planungsprozess, die Prognosemethoden – von naiven Methoden bis zum maschinellen Lernen – und die obligatorischen und optionalen Prognosedaten innerhalb von drei Reifegraden. Das Modell reduziert den Aufwand für die Entwicklung anwendungsspezifischer Absatzplanung, unterstützt die Generierung von Wissen zum Absatz im Anwendungsfall und fördert die Verwendung von Daten für die Planung der Supply Chain sowie resultierend den Erhalt der Wettbewerbsfähigkeit der anwendenden Unternehmen.
Im Rahmen der Absatzplanung werden Daten unzureichend verwendet, obwohl die Wissenschaft bereits seit Jahren empfiehlt, Entscheidungen auf Analysen von Daten basieren zu lassen. Auch hemmen Herausforderungen wie unzureichende Kompetenzen die Vielfalt an Methoden und unklare Prozesse die Verwendung von Daten und folglich quantitativer Methoden.
Das vorliegende Referenzmodell widmet sich den genannten Herausforderungen und konsolidiert bestehendes Wissen in der Domäne der quantitativen Absatzplanung. Damit dient das Referenzmodell als Leitfaden für die Integration und Verbesserung der quantitativen Absatzplanung in Unternehmen und erleichtert den Zugang zu Wissen. Das Modell systematisiert den Planungsprozess, die Prognosemethoden – von naiven Methoden bis zum maschinellen Lernen – und die obligatorischen und optionalen Prognosedaten innerhalb von drei Reifegraden. Das Modell reduziert den Aufwand für die Entwicklung anwendungsspezifischer Absatzplanung, unterstützt die Generierung von Wissen zum Absatz im Anwendungsfall und fördert die Verwendung von Daten für die Planung der Supply Chain sowie resultierend den Erhalt der Wettbewerbsfähigkeit der anwendenden Unternehmen.
| Erscheinungsdatum | 07.04.2023 |
|---|---|
| Reihe/Serie | Schriftenreihe Fortschritte in der IT in Produktion und Logistik ; 6 |
| Verlagsort | Göttingen |
| Sprache | deutsch |
| Maße | 170 x 240 mm |
| Themenwelt | Technik ► Maschinenbau |
| Schlagworte | Absatz • Absatzplanung • Analyse • Analysis • Auftrag • Bedarf • Bedarfsermittlung • Bedarfsmanagement • Bedarfsplanung • Bestellung • Causal Models • consumer • consumption • Data • Daten • demand • demand determination • demand mangement • Demand Planning • Einflussfaktor • Endverbraucher • feature • feature engineering • Forecast • Forecast accuracy • Forecast Error • Forecasting • Forecasting Methods • goods • Güter • influencing factor • Kausale Modelle • Konsum • Lagerfertigung • machine learning • Make to Stock • market demand • Maschinelles Lernen • Maturity • maturity level • Methode • Methods • Model • Modell • Nachfrage • Order • Planning • Planung • Point of Sale • Primärbedarf • primary demand • Process • Production • Produktion • Prognose • prognosefehler • Prognosemethode • Prozess • Purchase • Quantitative • Reference Model • Referenzmodell • Reifegrad • Sales • Sales Planning • stochastic • Stochastisch • Supply Chain • Supply Chain Management • Supply Chain Planning • Supply Chain Planung • Supply Planning • Time Series • Verkaufskanal • Zeitreihe |
| ISBN-10 | 3-7369-7746-8 / 3736977468 |
| ISBN-13 | 978-3-7369-7746-4 / 9783736977464 |
| Zustand | Neuware |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
Mehr entdecken
aus dem Bereich
aus dem Bereich
Buch | Softcover (2024)
Springer Vieweg (Verlag)
CHF 46,15
Buch | Softcover (2025)
Springer Vieweg (Verlag)
CHF 39,15
Lösungshinweise, Ergebnisse und ausführliche Lösungen
Buch | Softcover (2025)
Springer Fachmedien Wiesbaden GmbH (Verlag)
CHF 41,95
