Bereit für stürmische Zeiten: Best Practices im DIY nach Unwettern

Sep 16, 2020 4 min

Baumärkte und DIY-Händler wissen, dass extreme Wetterphänomene wie Orkane, Sturmtiefs oder Überschwemmungen ihr Geschäft massiv beeinflussen: Sie führen zu starken Schwankungen in der Nachfrage, höheren Umsätzen in bestimmten Produktkategorien und schnellerem Bestandsumschlag. Doch während Einzelhändler den Nachfrageanstieg antizipieren können, wird jedes extreme Wettereignis von Unvorhersehbarkeiten begleitet: Sämtliche traditionellen Prognosemethoden zur Messung und Verwaltung dieser Anstiege versagen.

Da Sturmtiefs oder Überschwemmungen sich in Ausmaß und Dauer unterscheiden, wirken sie sich auch unterschiedlich auf verschiedene Filialen aus – selbst innerhalb einer Region. Werden Änderungen pauschal am gesamten Bestand und an allen Standorten vorgenommen, beeinflusst das die Bestandsmengen unnötigerweise negativ. Planer können zudem die Bestellungen nicht einfach auf Basis der Umsätze während oder nach vergangenen Unwettern erhöhen.

Wie wir bereits zu Beginn der Coronakrise festgestellt haben: Leider lassen sich Prozesse während Phasen mit außergewöhnlicher Nachfrage nicht vollständig automatisieren. Im Fall von Hurrikans in den USA haben sich Planer bislang häufig mit manuellen, separaten Tabellenkalkulationen zu helfen versucht. Dabei basierten ihre Entscheidungen auf jährlichen Prognosen, persönlichen Erfahrungswerten und auf Vermutungen. Dieser Prozess führt jedoch leicht zu Out-of-Stocks und Überbeständen, obwohl es zu dieser Zeit besonders auf akkurate Bestandsmengen ankommt.

Was stattdessen benötigt wird, ist ein granularer, lokalisierter Ansatz beim Managen der Auswirkung größerer Wetterphänomene. Dieser sollte auf aktivem Testen und Anpassen der betroffenen Artikel basieren. Dies gelingt mit einem Bestandsmanagementsystem, das datenbasierte Entscheidungen unterstützt, während es weiterhin automatische Prognosen für den nicht betroffenen Bestand generiert und Disponenten in der Krise entlastet.

Mit dem Bestandsmanagementsystem wetterbezogene Nachfragespitzen beobachten

Ist bekannt, dass ein Sturmtief, eine Überflutung oder etwas Ähnliches bevorsteht, passen Planer im Bestandsmanagementsystem die Prognosen der Kategorien manuell an, die von dem Wetterereignis beeinträchtigt werden. Auch erwartete Filialschließungen aufgrund des Unwetters lassen sich per Aktualisierung im System berücksichtigen. Die Details – wann kommt es zu Nachfragespitzen, wie stark werden welche Artikel beeinflusst und wie lange werden die Umsätze nach dem Ereignis noch beeinträchtigt werden – sind jedoch unmöglich vorherzusagen. Deshalb beginnt der Managementprozess des Wettereignisses erst mit dessen Ankunft – wenn seine spezifische Auswirkung untersucht und adressiert wurde.

Abhängig von Geschäftsprozessen und Absatzmustern müssen Disponenten bestimmen, welcher Prüfzeitraum nötig ist, um die Auswirkungen des Wetterphänomens auf die Verkäufe zu analysieren. Um sicherzustellen, dass die empfohlenen Prognoseänderungen nur auf Informationen der von dem Wettereignis betroffenen Tage basieren, sollte das System die Verkaufsdaten erst aufzeichnen, wenn das Ereignis mindestens über die Dauer des Prüfzeitraums anhält. Daraufhin bildet das System den gewichteten Durchschnitt, vergleicht ihn mit der Basisprognose (die Prognose ohne die Auswirkung des Wettereignisses) und modifiziert die Prognose auf Produkt-Standort-Ebene.

Ist das Wetterphänomen eingetreten, sollte das System ein „Event“ erstellen, um die spezifischen Kategorien zu identifizieren, bei denen es zu erhöhten Umsätzen kam. Das System sollte diese Artikel anhand der neu aufgezeichneten Verkaufsdaten (siehe oben) testen. Daraufhin löst es Ausnahmebenachrichtigungen aus, wenn diese Produkte die festgelegten Schwellenwerte überschreiten und bezieht die identifizierte Erhöhung der Menge in der aktuellen Prognose mit ein.

Diese Tests müssen kontinuierlich erfolgen, da nicht vorherzusagen ist, wann die Nachfrage nicht mehr durch das Unwetter beeinflusst wird. Planer können das Managementsystem nutzen, um die Artikel zu überprüfen, deren Nachfragespitzen als signifikant identifiziert wurden, und die Bestandsmengen nach Bedarf anpassen. Lässt der Einfluss des Wettereignisses nach, können Disponenten die vom System getesteten Kategorien manuell beschränken, um falsch positive Ergebnisse zu vermeiden.

Wurde das Event fachgerecht implementiert, übernimmt das System das automatische Management und Monitoring des allgemeinen Bestands, während sich Planer auf das manuelle Verwalten der von dem Wetterereignis beeinträchtigten Artikel konzentrieren. Das System unterstützt sie dabei in der fortlaufenden lokalen Identifizierung von betroffenen Artikeln. Mit dem Erstellen eines Events isoliert das System zudem diese Artikel vom allgemeinen Sortiment und behandelt ihre Daten gesondert. So wird verhindert, dass sie künftige Prognosen verzerren.

Zeit und Aufwand sparen und Verfügbarkeit erhöhen

Das Erstellen und Nutzen von Events für ein detailliertes Bestandsmanagement lässt sich für jedes unvorhersehbare Ereignis verwenden, das die Nachfrage beeinflusst und kein begrenzendes Enddatum aufweist – wie etwa die COVID-19-Pandemie. Da solche Situationen schnell und uneinheitlich auftreten, brauchen Disponenten Zugang zu einem System, das ihnen die Flexibilität gibt, um Korrekturen ad hoc vorzunehmen – ohne dass komplexe Programmierung nötig ist oder sie von ihrem Softwareanbieter abhängig sind.

Werden die Best-Practice-Empfehlungen befolgt, stellen DIY-Händler und Baumarktbetreiber sicher, dass jeder Standort während und nach dem Eintreten eines außergewöhnlichen Wettereignisses über die angemessene Bestandsmenge verfügt – für von dem Ereignis betroffene Verbraucher ist das eine große Hilfe und stärkt das Vertrauen in den Händler: Kunden können sich darauf verlassen, dass sie Zugang zu essenziellen Artikeln erhalten, die sie benötigen, um zu reparieren, wiederaufzubauen und die Schäden eines größeren Unwetters zu beseitigen.

Beitrag von

Teemu Viljamäki

Solution Consultant

Swathi Narayanaswamy

Customer Success Manager