Führender Paketzusteller

+ 10 % Vorhersagengenauigkeit dank Data Science

>95%

Vorhersagegenauigkeit

+10%

Präzisionssteigerung

3Monate

bis zu ersten Ergebnissen

Hintergrund

Unser Kunde, einer der größten Paketzusteller Europas, verwaltet eine Flotte von über 6.000 Zustellfahrzeugen, 6.500 Paketshops und 66 Depots allein in Deutschland, von denen aus über 40.000 Konsumentinnen und Konsumenten beliefert werden. Multipliziert man diese Werte mit Faktoren wie Wetterbedingungen, Umleitungen, Unfällen oder Fahrergewohnheiten, steht man vor einer immensen logistischen Herausforderung. 

Hinzu kommt, dass der Online-Handel in Deutschland immer populärer wird – allein im Corona-Jahr 2021 ist der Brutto-Umsatz von Waren im E-Commerce um ganze 19 % gestiegen1. In der Folge müssen Paketzusteller ein höheres Post- und Paketaufkommen bewältigen, auch über nationale Landesgrenzen hinaus. Dass sich unser Kunde zusammen mit paretos für moderne Technologien öffnet und dateninformierte, vorausschauende Operationsabläufe in den strategischen Fokus rückt, verschafft ihm in diesem dynamischen Wettbewerbsumfeld einen unschätzbaren Vorteil.

Als Senior Manager Product Management & Business Analytics lotet Tobias S. das Potential von Big-Data-Analysen für den Geschäftsbetrieb unseres Kunden aus. Und ist schon nach den ersten fünf Monaten überzeugt, dass sich die Entscheidung für einen automatisierten Analytics-Prozess auszahlt:

"Je mehr Einblicke wir in unsere Daten bekommen, desto besser verstehen wir die Zusammenhänge aller Faktoren, die unsere Einsatzplanung beeinflussen. Und desto leichter fällt es uns, die Auslieferung zu optimieren und unsere Wertschöpfung zu verbessern."

Herausforderung

Die größte Herausforderung für unseren Kunden ist es, das Volumen seiner täglich zu erwartenden Sendungen möglichst genau zu prognostizieren. Die Anzahl der Sendungen allerdings schwankt häufig und mitunter stark. Hinzu kommen weitere externe, logistische Unsicherheitsfaktoren wie Wetterbedingungen oder Verkehrsverhältnisse, die die Personaleinsatzplanung und die Organisation der Fahrzeugflotte für unterschiedliche Postleitzahlengebiete und Depots erschweren.

Auf diese veränderten Planungsanforderungen hat unser Kunde bisher manuell reagiert. Ihm war weder bekannt, welche externen Faktoren überhaupt eine Rolle spielten, noch verfügte das Unternehmen über leicht bedienbare Analytics-Tools. Dadurch waren die Einblicke in den bevorstehenden Personal- und Flottenbedarf höchst unzuverlässig, wodurch es zu erhöhten Kosten, zu niedriger Auslastung oder Engpässen in der Personalplanung und Fahrzeugflotte kam. 

Lösung

Unserem Kunden wurde klar, dass eine KI-basierte Technologie der Schlüssel zur Lösung ist, um seine komplexen, dynamischen Planungsprozesse bewältigen zu können. Nach einigen Testläufen mit anderen Lösungsansätzen hat er sich für die Integration unserer paretos-Plattform entschieden, um die sich stetig verändernden Planungsanforderungen flexibel, bedarfsorientiert und transparent optimieren zu können. 

Unsere Methode der dynamischen Inventory Prediction lotet die verschiedenen Unsicherheiten basierend auf historischen Daten automatisiert aus und setzt sie mit Wetterbedingungen, Feiertagen oder Fahrerdaten in Beziehung. Dies ermöglicht es dem Unternehmen, bis zu drei Tage im Voraus Vorhersagen zu treffen, die eine bis dato unerreichte Präzision garantieren. 

Mithilfe der API von paretos werden interne und externe Datenquellen zusammengeführt, wodurch das Unternehmen ein zuverlässiges Bild von den zukünftigen Anforderungen an die Einsatzplanung erhält. Und zwar für jedes einzelne der 66 deutschlandweit verwalteten Depots. Vorhandene Datenquellen können leicht angebunden werden und Ergebnisse werden automatisch in die Kundensysteme übertragen.

Ergebnis

Die zunehmende Menge an verfügbaren Daten und die automatisierte Prognose erlauben es dem Unternehmen, zuverlässigere Einsatzpläne zu erstellen – ein wichtiger Baustein in der Wertschöpfungskette des Unternehmens, um nachhaltig Betriebskosten zu sparen und dank pünktlicher Lieferungen auch die Kundenzufriedenheit zu steigern.

Nach nur fünf Monaten Einsatz der paretos-Plattform konnte unser Kunde seine Vorhersagengenauigkeit um mehr als 10 % auf nunmehr fast 100% steigern. Mithilfe der automatisierten Datenanalyse erreicht er am ersten Tag über 95 % und am zweiten Tag über 93 %. Selbst für Tag 3, dem Tag mit der höchsten Unsicherheit, konnte paretos noch eine Präzision von über 90 % erreichen. Erfreulicher Nebeneffekt: Durch den effizienteren Einsatz von Flotte und Personal schont unser Kunde mit der Lösung von paretos nebenbei auch die Umwelt, da weniger CO2 produziert wird.

>95%

Vorhersagegenauigkeit

+10%

Präzisionssteigerung

3Monate

bis zu ersten Ergebnissen

Mit paretos schlagen wir ein völlig neues Kapitel für unsere Planung und Vorhersage auf. Wir erhalten jetzt dynamische, maßgeschneiderte und hochpräzise Prognosen über unsere Paketmengen und haben das Potenzial, in Zukunft noch mehr Parameter oder Anwendungsfälle hinzuzufügen. Das gibt uns die Möglichkeit, unsere Ressourcen und Lieferanten besser zu planen und ins Verhältnis zu setzen – ein Kernelement für unseren Erfolg.

Tobias S.

Senior Manager Product Management & Business Analytics

You can also read

SNOCKS

Höhere Margen durch Dynamic Pricing

Zu unseren Use Cases

Newsletter

Sind Sie bereit, mit Decision Intelligence in eine neue Ära der Künstlichen Intelligenz vorzustoßen? Mit unserem Newsletter bleiben Sie immer am Puls der Zeit.

Mit der Anmeldung zu unserem Newsletter akzeptieren Sie die Datenschutzbestimmungen.
Sie können den Newsletter jederzeit abbestellen.

Demo buchen

Die Konkurrenz schläft nicht! Verschaffen Sie sich einen Vorsprung mit KI und vereinbaren Sie noch heute einen kostenlosen Demo-Termin.

Demo buchen