Vorhersage von Retoursendungen mittels Big Data Mining

Die Bestellung von Kleidung, Schuhen und Büchern bis hin zu Lebensmitteln über das Internet ersetzt für viele Kunden den Gang ins Kaufhaus. Online-Portale bieten einen komfortablen Weg, ein breites Spektrum von Waren bequem von Zuhause aus beziehen zu können. Um auch wirklich sicherzugehen, das Richtige zu kaufen, wird bspw. ein Kleidungsstück oft in unterschiedlichen Farben und Größen bestellt, das Passende evtl. behalten, der Rest zurückgeschickt. Diese gängige und gewollte Praxis stellt Online-Shops beim Versand, aber vor allem beim Retourenmanagement vor sehr große logistische Herausforderungen. Um ein Maß für die Rücksendewahrscheinlichkeit bestimmter Waren zu erhalten, werden Techniken des maschinellen Lernens eingesetzt. Diese berechnen aus Kundenprofilen und Bestelldaten Modelle, um die Wahrscheinlichkeit für eine Retoursendung zu prognostizieren. Basierend auf dieser Wahrscheinlichkeit können nachgelagerte logistische Prozesse deutlich effizienter gestaltet werden. Dieser Beitrag führt in die Vorgehensweise und die Anwendungen von maschinellem Lernen am Beispiel der Retourenvorhersage im Online-Handel ein und gibt Handlungsempfehlungen und Werkzeuge für die erfolgreiche Umsetzung von Datenanalyseprojekten.