Soccer team in a huddle

Nestlé, Ehrmann und Co.: Daten vom Händler mit nutzen

Feature | 20. November 2014 von Andreas Schmitz 0

Vier von fünf Kaufentscheidungen treffen Konsumenten vor dem Regal beim Einzelhändler. Deshalb sind deren „Abverkaufsdaten“ für Konsumgüterhersteller wie Nestlé, Ehrmann und Beiersdorf so wichtig. Wie die Integration der Daten klappt und welche neuen Business-Szenarien sich dadurch ergeben.

Schon vor sechs Jahren bestätigte eine Studie vom Beratungshaus strategy&, dass nicht nur 80 Prozent aller Kaufentscheidungen vor dem Regal getroffen werden, sondern noch mehr als 80 Prozent sowohl der verantwortlichen Manager aus dem Handel wie auch der Konsumgüterindustrie sich eine bessere Kooperation wünschen: Für den Konsumgüterhersteller heißt das vor allem, an die Kassendaten zu kommen und somit tagesaktuell über Abverkäufe bei den Einzelhändlern informiert zu sein. Dieser „Point of Sales“ (POS) allerdings hatte seine Tücken. „Jeder Händler hat seine eigenen Datenformate und -inhalte“, erläutert Joachim Klippel, Solution Director Consumer Products bei SAP.

Metro, Walmart und Tesco stellen Link zu POS-Daten bereits zur Verfügung

Zwar stellen Großhändler Metro, US-Händler Walmart, die größte britische Supermarktkette Tesco und viele mehr inzwischen einen „Link“ zu ihren POS-Daten zur Verfügung, doch kümmern sie sich nicht darum, dass sie jeweils ihr eigenes Format nutzen. „Es gibt hier leider keinen Industriestandard“, erläutert Klippel. Es ist Aufgabe der Konsumgüterhersteller, hier eine Lösung zu finden und die Daten trotz unterschiedlichster Formate anzapfen zu können, zu transformieren und anwendbar zu machen, und so mit eigenen In-House-Informationen wie denen etwa über Lieferungen zu kombinieren. Das bewerkstelligt nach Aussage von SAP-Manager Klippel seit zwei Jahren die Lösung SAP Demand Signal Management (SAP DSiM), die die Anwendbarkeit firmenexterner Daten für eigene Analysen möglich macht. „Weltweit können Daten von einigen hundert Händlern mit sogenannten Adaptoren von SAP zertifizierten Partnern relativ schnell und problemlos verfügbar gemacht werden“, sagt Klippel. Diese Partner kümmern sich um die Acquisition der POS-Daten, deren Output SAP DSiM dann weiterverarbeitet. Dies vereinfacht den Prozess der Datenakquisition, ist aber nicht zwingend erforderlich. Allerdings fehlt es in Deutschland abgesehen von der Metro und einigen wenigen anderen noch an der Bereitschaft der Händler in Deutschland, ihre Kassendaten wirklich herzugeben. Dabei könnten sie durch noch bessere Analyse auch ihre Verkäufe noch optimieren.

„Schon heute lassen sich die gewonnenen Erkenntnisse dann etwa zu den POS-Daten und Sentiment-Analysen im Netz in Beziehung setzen“, sagt Joachim Klippel.

„Schon heute lassen sich die gewonnenen Erkenntnisse dann etwa zu den POS-Daten und Sentiment-Analysen im Netz in Beziehung setzen“, sagt Joachim Klippel, Solution Director Consumer Products bei SAP.

Für die Konsumgüterindustrie hätte das folgende Vorteile:

  1. Verfügbarkeit von Produkten ermitteln: Ein Konsumgüterhersteller, der mit zehn Händlern zusammenarbeitet, würde dann aus einigen Terabyte Daten, die jährlich anfallen, täglich herausfiltern können, ob der Verkauf den Erwartungen entspricht. Ist beispielsweise in einer Filiale ein Produkt nicht verkauft worden, kann der sogenannte Anreicherungsalgorithmus feststellen, ob es sich um eine Out-of stock-Situation handelt. Wären Produkte nicht auf Lager, müsste sofort reagiert werden. Die „Merchandiser“, Außendienstmitarbeiter des Konsumgüterhersteller vor Ort bei den Händlern, können ihre Arbeit auf Basis solch konkreter Daten enorm verbessern. „Sie lassen sich genauer und zielgerichteter einplanen“, kommentiert SAP-Mann Klippel, „sie würden dann vor allem in den Filialen eingesetzt, in denen am meisten Vorfälle registriert sind“.
  2. Marktanalysen von Marktforschern einbeziehen: Die so genannten „syndicated data“ von Marktforschern wie der Gesellschaft für Konsumforschung (GfK) oder AC Nielsen sind sehr begehrt. Millionensummen zahlen große Konsumgüterhersteller dafür, um zu wissen, wie die eigenen Produkte im Marktvergleich zu Wettbewerbern dastehen. Wer allerdings internationale Marktdaten miteinander vergleichen will, ist aufgeschmissen. Die Daten der Marktforscher kommen aus unterschiedlichen Datenbanken mit „heterogenen Dateninhalten“, wie Klippel erläutert. Um herauszukriegen, wie sich die Produkte in England oder Frankreich im Vergleich zu Deutschland verkaufen, setzt ein Hamburger Konsumgüterkonzern bereits SAP Demand Signal Management ein. Und könnte damit potenziell auch den Vorteil nutzen, dass die durch SAP HANA unterstützte Lösung nicht nur eine große Menge Daten (Big Data) sondern auch unstrukturierte Daten verarbeiten kann. „Schon heute lassen sich die gewonnenen Erkenntnisse dann etwa zu den POS-Daten und Sentiment-Analysen im Netz in Beziehung setzen“, erläutert Joachim Klippel.
  3. Unterstützung von Promotion-Aktionen: Probierstände beim EDEKA, drei Produkte für den Preis von zwei und groß angelegte Anzeigenkampagnen dienen dem Ziel, mehr Produkte zu verkaufen. Doch wird das Ziel erreicht? Oder gehen einzelne Kampagnen an bestimmten Orten am Ziel vorbei? „Um entsprechende Kampagnen besser planen zu können, sind POS-Daten oder ‘syndicated data’ erforderlich“, so Klippel von SAP. Aufgrund der Demand-Historie können die Konsumgüterhersteller sehen, wie sich ein Preisrabatt auf den Verkauf ausgewirkt hat und schon am nächsten Tag entscheiden, ob die Konsumgüterhersteller diese Promotion weiter fortsetzen will oder nicht. Heute lässt sich fast in Echtzeit feststellen, welche Filialen Probleme machen. „Das hat vorher Wochen gedauert und war erst nach Ablauf der Promotion feststellbar“, so Klippel. Um weitere Erkenntnisse zu bekommen, lassen sich hier zudem auch die „syndicated data“ mit hinzuziehen.

Idealerweise greifen alle drei genannte Szenarien ineinander. Wird beispielsweise ein Produkt neu auf den Markt gebracht, ist schnell klar, wie es sich in den Filialen verkauft (tagesaktuelle POS-Daten), bei den Konsumenten aufgenommen wird (Sentiment-Analysen im Netz) und ein Vergleich mit konkurrierenden Produkten zeigt auf, wie hoch der Absatz der Konkurrenz ist. Handelt es sich dann noch um schnell drehende Produkte wie etwa Eis und Getränke, kann die Software zudem Kontextinformationen mit Absatzprognosen verarbeiten: Zeigt etwa die Wettervorhersage an, dass in den nächsten Tagen die Sonne scheinen wird und die Temperaturen über 25 Grad liegen werden, ist wahrscheinlich, dass auch die Nachfrage nach Eis und Getränken steigen wird.

So funktioniert die SAP-Lösung:

Bild: shutterstock

Tags: , ,

Leave a Reply