Für Teams, die einen strukturierten Einstieg in Forecasting-Modelle, Datenqualität, OOS-Korrektur und Umsetzung brauchen.
Warum das wichtig ist
Der Guide ist der konzeptionelle Einstieg in Demand Forecasting für E-Commerce. Er erklärt, welche Daten wirklich zählen: historische Verkäufe, Verfügbarkeit, Kampagnen, Produktattribute, Varianten, saisonale Muster und externe Peaks wie Black Friday.
Besonders wichtig ist die Korrektur von Stockout-Bias. Wenn ein Bestseller drei Wochen nicht verfügbar ist, sieht ein naiver Forecast nur niedrige Verkäufe. Ein guter Forecast erkennt, dass Nachfrage nicht verschwunden ist, sondern nicht bedient werden konnte.
Für die Umsetzung reicht es nicht, ein Modell zu trainieren. Teams brauchen eine operative Routine: Forecast prüfen, Risiko bewerten, Einkaufsmenge ableiten, Bestellung priorisieren und später messen, ob OOS und Überbestand wirklich sinken.
Kapitel und Takeaways
01 Grundlagen und Datenbasis
Der Guide erklärt, welche historischen Verkäufe, Bestände, Kampagnen und Produktdaten für Forecasting notwendig sind.
02 Modelle und typische Fehler
Er behandelt Modelltypen, Overfitting, fehlende Out-of-Stock-Korrektur und falsche Interpretation von Nullverkäufen.
03 Umsetzung im E-Commerce
Aus Prognosen werden Einkaufsentscheidungen, Lagerreichweiten, Reorder-Prioritäten und operative Routinen.
Operator-Checkliste
- Datenquellen und Datenqualität prüfen
- Stockout-Bias korrigieren
- Forecast-Granularität auf SKU/Variante festlegen
- Kampagnen und Saisonalität abbilden
- Forecast in Replenishment-Prozess übersetzen