SCOR

Prädiktive Analytik eröffnet zahlreiche Möglichkeiten zur Verbesserung der Entscheidungsfindung in vielfältigen Bereichen, wie z. B. dem Supply Chain Management (SCM). Die vollständige Ausschöpfung des Potenzials ist jedoch an eine optimale Vorabidentifikation der entsprechenden Anforderungen gebunden. Der vorliegende Beitrag beschreibt ein strukturiertes Konzept, das durch das komplexe und interdisziplinäre Unterfangen der Bedarfsanalyse für Prädiktive Analytik im SCM leitet. Aufgrund des generischen Charakters des entwickelten Ansatzes kann dieser für nahezu jeden Anwendungsfall in der Praxis eingesetzt werden und bietet die Möglichkeit bei Bedarf erweitert bzw. angepasst zu werden.

Mit zunehmender Datenverfügbarkeit wird der Einsatz Maschinellen Lernens zur Steuerung und Optimierung von Supply Chains attraktiver, da die Qualität der Datenauswertung erhöht und gleichzeitig der Aufwand gesenkt werden kann. Anhand des SCOR-Modells werden exemplarische Ansätze als Orientierungshilfe eingeordnet und dazu passende Verfahren des Maschinellen Lernens vorgestellt.