Standorte von Distributionszentren verschieben sich in Richtung städtischer Gebiete

Bei der Auswahl der Standorte für Ihre Verteilerzentren ist es wichtig, die Trends im E-Commerce und die Notwendigkeit der Belieferung von Kunden in Metro-Märkten zu beachten.

Der Bau von Fulfillment-Centern schreitet weiter voran, aber der Schwerpunkt liegt jetzt auf den großen Metropolen und nicht mehr auf weniger erschlossenen Gebieten mit niedrigen Kosten

SCDigest erörterte Beobachtungen zu Amazons Netzwerkstrategie und wie sie sich entwickelt. Sie zeigen ein Diagramm von MWPVL, aus dem hervorgeht, dasssich das bestehende Netz (blaue Punkte) größtenteils in ländlicheren Gebieten oder zumindest in nicht sehr städtischen Gebieten befand - Regionen, in denen die Grundstücks- und Arbeitskosten niedriger waren. Jetzt befinden sich die im Bau befindlichen Anlagenjedoch im Allgemeinen in städtischen Gebieten - im Großraum New York City, Chicago, Philadelphia usw., wie die größeren roten Punkte zeigen.

Amazon bemüht sich nun um eine schnelle Auftragsabwicklung (d. h. am selben Tag) für alle größeren Städte in den USA. Dies ist ein anderer Ansatz als in der Vergangenheit, als der Schwerpunkt eher auf den Kosten lag.

Quelle: http://www.scdigest.com/assets/newsviews/14-06-04-1.php?cid=8152

Amazons Lagerhaus-Expansion geht ungebremst weiter als Mittel zur unangefochtenen Dominanz

Amazon arbeitet daran, Online-Bestellungen immer schneller - auch am selben Tag - zu den Kunden nach Hause zu liefern. Das bedeutet, dass das Unternehmen mehr Vertriebszentren in Ballungsgebieten benötigt.

Quelle: http://www.forbes.com/sites/barbarathau/2014/05/16/amazons-warehouse-expansion-goes-unabated-as-a-means-to-unchallenged-dominance/

Die Verbraucher erwarten heute eine pünktliche Lieferung innerhalb von zwei bis drei Tagen. Dies ist jedoch nur die Mindesterwartung. Der Trend geht dahin, nicht mehr von einem bestimmten Lager aus zu versenden, sondern ein näher gelegenes Lager zu wählen, um die Kunden mit einer schnelleren Lieferung und niedrigeren Transportkosten zu bedienen.

Quelle: http://www.cincinnati.com/story/money/2014/05/23/retails-online-revolution-boosting-industrial-real-estate/9509905/

Analyse der Lieferkette und Daten aus sozialen Medien

Die Analyse der Lieferkette sollte Social Analytics einschließen, da die Betrachtung sozialer Daten den Managern der Lieferkette dabei helfen kann, wichtige Anpassungen vorzunehmen, die richtigen Lagerbestände aufrechtzuerhalten, die Auftragsverwaltung zu überwachen und Rücksendungen zu verringern. Dies wird dem Unternehmen helfen, die Kosten zu minimieren und den Kundennutzen zu erhöhen.

 

Welche Bedeutung hat Social Media für Ihre Lieferkette?

Luciano Cunha erörtert im Warehouse Management Systems Guide, wie Unternehmen anfangen können, über den Einsatz sozialer Medien in der Lieferkette nachzudenken. Insbesondere stellt er fest, dass "die absolute Echtzeit-Natur, die den sozialen Medien innewohnt, ein Segen und ein Fluch für Fachleute sein kann, die eine Lieferkette beaufsichtigen. Auf der einen Seite kann der Zugang zu Echtzeitdaten dazu beitragen, dass die Lieferketten extrem schlank sind, da eine ordnungsgemäße Analyse dazu führen kann, dass gerade genug Produkte produziert werden, um die Verbrauchernachfrage zu befriedigen."

Quelle: http://www.warehousemanagementsystemsguide.com/blog/social-media-supply-chain-042711/

 

Verwalten Sie Ihre Lieferkettenanalysen wie ein Baseballteam

Jeff Kavanaugh schrieb in der Industry Week, dass "Social Analytics die Fähigkeit hat, die Lieferkette zu unterstützen

Soziale Medien und Lieferkettenanalyse

Die Manager können kritische Anpassungen vornehmen, die richtigen Lagerbestände aufrechterhalten, die Auftragsverwaltung überwachen und Retouren reduzieren, was wiederum zur Kostenkontrolle und zur Verbesserung der Kundenzufriedenheit beiträgt."

Quelle:http://www.industryweek.com/customer-relationships/manage-your-supply-chain-analytics-baseball-team

 

Fortgeschrittene Analytik, angewandt auf Lieferketten- und Handelsdaten

Wie kann ein Unternehmen die Daten aus den sozialen Medien berücksichtigen, die dort verfügbar sind? Marc Dragon sprach in einem Interview mit Dustin Mattison über die Anwendung fortschrittlicher Analysen auf Lieferketten- und Handelsdaten. Er ist der Meinung, dass man drei verschiedene Arten von Datenquellen betrachten sollte: die eigenen Datenquellen - die strukturierten Daten innerhalb von Unternehmen, die bezahlten Datenquellen und die Daten aus sozialen Medien.

Quelle:https://community.kinaxis.com/people/dustinmattison1974/blog/2013/11/21/using-advanced-analytics-as-applied-to-supply-chain-trade-data

 

Schlussfolgerung

Sie müssen die Möglichkeiten nutzen, die sich aus der Verwendung von Social-Media-Daten zur Verbesserung der Vorhersage und der Bedarfsdeckung ergeben. Letztlich geht es bei Social Analytics darum, Social Media zu nutzen, um die Vorhersagbarkeit wichtiger operativer Kennzahlen zu verbessern.

Interview: Warum ist die Analyse der Lieferkette wirklich wichtig?

Im folgenden Video erörtert Hakan Andersson, warum Supply Chain Analytics wirklich wichtig ist.

Wichtigste Erkenntnisse:

1. Die Herausforderungen beim Umgang mit Big Data

2. Vier Schwierigkeiten bei der Analyse von Lieferkettendaten

3. Notwendige Arten der Analyse von Lieferkettendaten

 

Warum ist es schwierig, Big Data sinnvoll zu nutzen?

Zunächst möchte ich sagen, dass es großartig ist, Big Data zu haben. Jetzt haben wir Daten, Daten auf tiefer Ebene, wir haben die Computerleistung, um die Daten zu verarbeiten. Das bedeutet, dass wir tatsächlich nahe am Geschehen feststellen können, was Realität ist. Wir müssen uns nicht mehr auf etablierte Wahrheiten verlassen, die sich sehr oft nicht als Wahrheiten, sondern eher als Firmenmythen herausstellen.

Das Risiko besteht darin, dass man sich bei all den schönen Daten, die zur Verfügung stehen, leicht hinreißen lässt. Es besteht auch die Gefahr, dass die Daten vielen Menschen zur Verfügung stehen. Jeder, der sie zur Verfügung hat, kann seine eigenen Schlussfolgerungen ziehen. Deshalb müssen die Daten kuratiert werden; sie müssen von jemandem bearbeitet werden, der über das Fachwissen und die Kenntnisse über die Vorgänge verfügt. Andernfalls könnten die Schlussfolgerungen, die jeder, der Zugang zu den Daten hat, zieht, sehr wohl falsch sein, und man vergleicht Äpfel mit Ananas.

Wir wissen aus der Establish-Davis-Datenbank, in der wir seit fast vierzig Jahren Logistikkosten und -dienstleistungen verfolgen, dass man wirklich wissen muss, was vergleichbar ist und was nicht.

Es ist nicht fair, die Logistikkosten für einen hochwertigen Artikel mit geringem Gewicht wie Pharmazeutika mit denen einer Branche wie der Stahlindustrie zu vergleichen, in der die Artikel einen geringen Wert und ein hohes Gewicht haben. Das macht einen großen Unterschied, und das kann zu einem Problem werden, wenn man auf der Lieferkettenseite des Unternehmens steht, denn dann ist man ständig in der Defensive und versucht zu erklären, warum etwas richtig oder falsch ist, und man muss wissen, was wichtig und richtig ist.

Schwierigkeiten bei der Analyse von Lieferkettendaten

1. Eine Schwierigkeit beim Sortieren der Daten besteht darin, dass erstens die Daten nie - ich würde sagen fast nie - sauber sind. Die Tatsache, dass man eine Menge Daten hat und es so aussieht, als ob sie sehr genau und gültig sind, bedeutet nicht, dass sie es auch sind. Man muss also die Schwachstellen der Daten kennen und erkennen, wo die Stammdaten aktualisiert wurden und wo nicht und wo man nur einen Platzhalter hat und wo es sich um echte Daten handelt.

2. Eine weitere Schwierigkeit bei sauberen Daten besteht darin, dass sie, selbst wenn sie richtig sind, Extreme und Ausreißer enthalten können, die die Ergebnisse der Analyse, die Sie durchführen, verzerren. Daher ist es ein erster Schritt, die Daten zu bereinigen, die Extreme zu identifizieren und die Schwachstellen zu erkennen, für die man die Daten verwenden kann und für die sie nicht gültig sind.

3. Man muss entscheiden, was wichtig ist. Hier kann man sich leicht in einer Menge von Analysen verlieren, und man muss wissen, was wirklich sinnvoll ist und woher man die Ergebnisse der Analyse bekommt.

4. Sie müssen die Daten vergleichbar machen. Zum Beispiel müssen Sie sie im Zeitverlauf vergleichbar machen, damit Sie wissen, wann sich das Geschäft verändert hat, und Sie müssen Anpassungen an die Trends vornehmen. Die Trendanalyse ist der beste Weg, um zu überwachen und zu erkennen, wo sich beispielsweise Ihre Maßnahmen zur Effizienzsteigerung auszahlen und wo Sie genauer hinschauen müssen.

Außerdem wollen Sie bei Big Data ein Benchmarking zwischen Ihren Einheiten und ein externes Benchmarking durchführen. Dann müssen Sie die Daten zwischen den Einheiten vergleichbar machen.

Ein offensichtliches und vielleicht kleines Beispiel sind die Einrichtungen. Es entstehen Kosten für die Unterbringung der Bestände im Lager, wobei Sie einige der Einrichtungen selbst besitzen und andere mieten können. Die tatsächlichen Kosten, die Sie verwenden sollten, könnten gleich sein, aber die eigene Einrichtung kann bei diesen Vergleichen sehr günstig abschneiden. In diesem Fall sollten Sie eine fiktive Miete ansetzen, um das Spielfeld zu ebnen.

Welche Arten der Analyse von Lieferkettendaten müssen durchgeführt werden und warum?

Das hängt natürlich von den Bedürfnissen ab. In welcher Phase befinden Sie sich? Sind Sie dabei, ein Unternehmen umzukrempeln? Behalten Sie ein gut funktionierendes Unternehmen im Auge? Haben Sie Fusionen usw. hinter sich?

Der erste Bereich, den Sie sich ansehen sollten, ist der Bereich Kosten und Effizienz. Wir beginnen in der Regel damit, die Logistikkosten und -struktur pro Artikel, pro Kunde und pro Lieferant zu untersuchen, und wir schauen uns die Auftragsstruktur an. Wir versuchen herauszufinden, was die Kosten verursacht. Durch die Anwendung einiger Faustregeln oder detaillierter Kenntnisse, die wir aus anderen Analysen gewonnen haben, können wir feststellen, welche Artikel rentabel sind, auf welche Kunden wir uns konzentrieren sollten und mit welchen Lieferanten wir Vereinbarungen getroffen haben, die dazu führen, dass die Gestehungskosten höher sind, als wir dachten.

Wenn wir das wissen, können wir Strategien entwickeln, wie wir mit Kunden umgehen. Es könnte sein, was oft der Fall ist, dass wir eine Auftragsstruktur haben, bei der wir viele kleine Aufträge haben. Die Bearbeitungskosten könnten für jeden Auftrag zu hoch sein, so dass die kleinen Aufträge den gesamten Betrieb unrentabel machen. Wenn wir das wissen, können wir verschiedene Möglichkeiten finden, die Auftragsabwicklung zu automatisieren oder Freifrachtgrenzen oder eine Bearbeitungsgebühr einzuführen.

Es gibt viele Möglichkeiten, wie Sie dieses Wissen nutzen können. Wenn man sich die Lieferanten anschaut, stellt man sehr oft fest, dass sie ein bisschen unkonzentriert sind, in alle Richtungen zeigen, man hat viele kleine Lieferanten. Da kann es sinnvoll sein, einen etwas teureren Anbieter zu haben, bei dem die Logistik sehr effizient und günstig für Sie ist.

Wenn wir uns mit der Effizienz befassen, konzentrieren wir uns natürlich auf die Umschlagskosten und die Kosten der Einrichtungen, wir betrachten die Kommissionierung, den Empfang und die Verwaltung. In diesem Fall wollen wir Trendanalysen durchführen; wir wollen intern Benchmarks zwischen verschiedenen Einheiten und verschiedenen Einrichtungen durchführen; wir wollen untersuchen, ob es ein geografisches Gebiet oder ein Land gibt, das günstiger und effizienter ist.

Wenn wir das in Ordnung gebracht haben, ist es sehr interessant, ein externes Benchmarking durchzuführen. Wo sind Ihre Konkurrenten? Ich erwähnte bereits die kostenlose Establish-Davis-Datenbank, mit der Sie einen guten Überblick darüber erhalten, wie Sie im Vergleich zu Ihren Mitbewerbern abschneiden.

Ein besonderer Bereich sind die Transportkosten. Dies ist ein Kostenpunkt, der in den meisten Unternehmen meist extern verursacht wird, was bedeutet, dass er unter dem Strich Geld kostet. Durch die Analyse der Sendungen und des Bedarfs an Verkehrsträgern kann man feststellen, dass man oft billigere Verkehrsträger nutzen kann, man kann potenzielle Konsolidierungsbereiche finden, von denen wir wissen, dass sie eine Menge Geld einsparen, was sich wiederum auf das Endergebnis auswirkt.

Es sind jetzt Trendanalysen möglich, die vor einigen Jahren noch nicht möglich waren, z. B. im Transportbereich. Früher war es unmöglich, eine detaillierte Analyse der tatsächlichen Frachtabrechnung im Vergleich zu den Vereinbarungen vorzunehmen, aber jetzt ist es möglich.

Wir wissen, dass einem Unternehmen im Durchschnitt 2 bis 4 Prozent zu viel in Rechnung gestellt werden, wenn man die tatsächliche Lieferung mit der Vereinbarung vergleicht, und die ständige Überwachung und Nachverfolgung könnte etwas sein, das man auslagert, aber es ist auch in den Transportmanagementsystemen der Logistikkontrolltürme leicht verfügbar, oder man kann es in einigen Fällen selbst ohne diese Analysetools tun.

Wenn Sie eine eher strategische Ebene anstreben, haben wir die Analyse von Lieferanten, Auftragsstruktur, Kunden, Artikeln, Sortimentsanalyse angesprochen, aber ein sehr lukrativer Bereich ist die Analyse des Vertriebsnetzes. Dabei geht es um die Frage: Lagere ich von jedem Artikel die richtige Menge, um einen bestimmten Servicegrad zu erreichen? Lagere ich die Artikel dort, wo es kostentechnisch am günstigsten ist? Lagere ich sie dort, wo es am einfachsten und billigsten ist, sie an die Kunden zu versenden? All dies ist mit leicht verfügbaren Daten möglich.

Schlussfolgerung

Zusammenfassend lässt sich sagen, dass die Analyse der Lieferkette, die jetzt möglich ist, eine großartige Gelegenheit für Sie als Lieferkettenmanager bietet, das Steuer in die Hand zu nehmen. Dieser Bereich ist sehr gut quantifizierbar, und Sie können ihn mit Zahlen belegen. Wenn Sie über die Daten verfügen, können Sie das Sagen haben, Sie können festlegen, was wichtig ist, und Sie können die Effizienz steuern und überwachen, und Sie können auch ein guter Kunde für die Lieferanten sein, die Ihnen helfen.

Vielen Dank für die Einladung, und ich freue mich auf ein weiteres Gespräch mit Ihnen.

Datengesteuerte Analysetools für die Lieferkette sind nicht genug

Praktiker der Lieferkettenanalyse können viel von der Kundenanalyse lernen. Die beiden Bereiche basieren auf ähnlichen Geschäftsgrundlagen. Wir stellen fest, dass Daten und datengesteuerte Entscheidungshilfen nicht ausreichen. Die größten Schwierigkeiten bei Supply Chain oder Customer Analytics liegen in den kulturellen Praktiken der Unternehmen.

Der folgende Artikel wurde von Maz Iqbal verfasst, der seine wertvolle Perspektive aus der Sicht der Kundenanalyse darlegt.

Auf LinkedIn teilt Don Peppers seine Sichtweise, wie man mit Daten bessere Entscheidungen treffen kann. Das hat mich zum Nachdenken gebracht, und ich möchte mit Ihnen teilen, was mir dabei aufgefallen ist. Warum sollten Sie meinen Ausführungen zuhören? Ich habe einen wissenschaftlichen Hintergrund (BSc Applied Physics). Ich habe mich als Wirtschaftsprüfer qualifiziert und war an der Erstellung aller Arten von Berichten für Manager beteiligt und habe gesehen, was sie damit gemacht oder nicht gemacht haben. In jüngerer Zeit war ich Leiter eines Unternehmens für Data Mining und prädiktive Analysen. Lassen Sie uns beginnen.

Daten und datengestützte Entscheidungshilfen reichen nicht aus

Ja, es gibt eine Datenflut, und diese Flut wird immer schneller kleiner. Groß genug und schnell genug, um den eingängigen Namen Big Data zu erhalten. Was dabei vergessen wird, ist der Aufwand, der nötig ist, um diese Daten für den Zweck der Modellierung fit zu machen. Das ist keine einfache und billige Aufgabe. Aber sie ist machbar, wenn man genügend Ressourcen dafür einsetzt.

Ja, es gibt alle möglichen Werkzeuge, um Muster in diesen Daten zu finden. Und in den Händen der richtigen Leute (mit statistischer Ausbildung und Geschäftssinn) können diese Werkzeuge genutzt werden, um Daten in wertvolle (umsetzbare) Erkenntnisse zu verwandeln.

Das ist nicht so einfach, wie es klingt. Warum? Weil es an diesen statistisch geschulten und denkenden Menschen mangelt: Amateure reichen nicht aus, man braucht Experten, um zwischen Gold und Narrengold zu unterscheiden - mit genügend Daten kann man so gut wie jedes Muster finden. Statistisches Wissen allein reicht nicht aus, man muss es mit Geschäftssinn kombinieren. Gehen wir dennoch davon aus, dass wir diese Einschränkung überwinden können.

Die eigentliche Herausforderung bei der datengesteuerten Entscheidungsfindung in Unternehmen sind die kulturellen Praktiken. Wir verfügen nicht über die kulturellen Praktiken, die den Raum für eine datengesteuerte Entscheidungsfindung schaffen, damit diese auftauchen und gedeihen kann. Ein Denker, der viel klüger ist als ich, hat seine Weisheit bereits geteilt, ich lade Sie ein, zuzuhören:

"Denn von der Einsicht in die Methode hängt der wissenschaftliche Geist ab: und wenn diese Methoden verloren gehen, dann können alle Ergebnisse der Wissenschaft einen neuen Triumph des Aberglaubens und des Unsinns nicht verhindern. Kluge Menschen mögen von den Ergebnissen der Wissenschaft so viel lernen, wie sie wollen - dennoch wird man in ihren Gesprächen und vor allem in ihren Hypothesen immer bemerken, dass ihnen der wissenschaftliche Geist fehlt; sie haben nicht das ausgeprägte Misstrauen gegenüber den Irrwegen des Denkens, das durch lange Schulung tief in der Seele eines jeden wissenschaftlichen Menschen verwurzelt ist. Sie begnügen sich damit, überhaupt eine Hypothese zu irgendeiner Sache zu finden; dann sind sie Feuer und Flamme dafür und meinen, das sei genug ........ Wenn etwas unerklärt ist, erhitzen sie sich über den ersten Gedanken, der ihnen in den Sinn kommt und wie eine Erklärung aussieht...."

- Nietzsche (Menschlich, allzumenschlich)

Mir kommt der Gedanke, dass die wissenschaftliche Methode in der Unternehmenswelt nie Einzug gehalten hat. Lassen Sie die rationalistische Ideologie beiseite und schauen Sie sich genau an, was in der Wirtschaft vor sich geht und wie Entscheidungen getroffen werden. Ich behaupte, Sie werden feststellen, dass Nietzsches eindringliche Einsicht in den Zustand des Menschen heute noch genauso wahr ist wie zu der Zeit, als er sie äußerte. Die Praxis der Entscheidungsfindung in jeder Organisation, mit der ich je in Berührung gekommen bin, ist nicht wissenschaftlich: Sie folgt nicht der wissenschaftlichen Methode.

Im Gegenteil, Manager treffen Entscheidungen, die mit ihrer Intuition, ihren Vorurteilen und ihrem Eigeninteresse übereinstimmen. Es ist so selten, dass ich einen Manager (und eine Organisation) treffe, der/die Entscheidungen nach der wissenschaftlichen Methode trifft, dass ich, wenn dies geschieht, erstaunt bin. Es ist die gleiche Art von Unerwartetheit, wie wenn man bei einem Ligaspiel eine Flitzerin über das Fußballfeld rennen sieht.

Was sind die Herausforderungen bei der Umsetzung datengesteuerter Entscheidungsprozesse in Unternehmen?

Technologen haben eine Gabe. Welche Gabe? Die Gabe, das Wesen des Menschen nicht tief genug zu verstehen. In Ermangelung dieses Verständnisses können sie sich (selbstbewusst) hinstellen und die Tugenden und Vorteile der Technologie predigen. Wenn das Leben so einfach wäre.

Die Wahrheit ist für diejenigen von uns attraktiv, die nicht mit den Konsequenzen der Wahrheit konfrontiert sind. Datengestützte Entscheidungsfindung klingt großartig für diejenigen von uns, die datengestützte Instrumente und Dienstleistungen verkaufen (und damit ihren Lebensunterhalt verdienen und hoffen, reich zu werden).

Die Herausforderung bei der Einführung datengestützter Entscheidungsfindungsmethoden besteht darin, dass sie den Status quo stören. Wenn man den Status quo stört, hat man es mit den Mächtigen zu tun, die von diesem Status quo profitieren. Denken Sie an Sokrates:

"Das Wesen dessen, was Sokrates tat, machte ihn zu einem störenden und subversiven Einfluss. Er lehrte die Menschen, alles in Frage zu stellen, und entlarvte die Ignoranz von Personen, die Macht und Autorität ausübten. Er wurde sehr geliebt, aber auch sehr gehasst .... Am Ende verhafteten ihn die Behörden wegen .... und weil er nicht an die Götter der Stadt glaubte. Er wurde vor Gericht gestellt und zum Tode verurteilt..."

- Bryan Magee, Professor

 

Hüten Sie sich davor, erfolgreich eine Kultur der datengestützten Entscheidungsfindung einzuführen!

Mit ausreichendem Engagement und Investitionen können Sie eine datengestützte Entscheidungskultur einführen. So wie es die Leute bei Tesco getan haben. Und wenn Sie Ihre Entscheidungen auf der Grundlage von Daten über Ihre Kunden, Ihre Geschäfte und Ihre Produkte treffen, können Sie alle Ihre Konkurrenten ausstechen, wie verrückt wachsen und satte Gewinne erzielen. Wieder und wieder und wieder. Dann kommt der Tag der Abrechnung - wenn Sie mit den Fehlern konfrontiert werden, die es mit sich bringt, Entscheidungen ausschließlich auf der Grundlage von Daten zu treffen.

Tesco geht es nicht so gut. Dem Unternehmen geht es schon seit mehreren Jahren nicht mehr so gut - 2012 gab es sogar seine erste Gewinnwarnung überhaupt. Wie ist der aktuelle Stand der Dinge? Tesco hat in der ersten Hälfte dieses Jahres einen Gewinnrückgang von 23,5 % verzeichnet. Was hat Tesco unternommen, um mit dieser Situation umzugehen? So steht es im Artikel:

Letztes Jahr kündigte Tesco an, 1 Milliarde Pfund für die Verbesserung seiner Filialen im Vereinigten Königreich auszugebenund in die Modernisierung der Läden, das Produktsortiment, mehr Personal sowie in sein Online-Angebot zu investieren.

Die datengestützte Entscheidungsfindung weist eine Reihe von Mängeln auf. Zum einen geht die datengestützte Entscheidungsfindung davon aus, dass die Zukunft eine Fortsetzung der Vergangenheit sein wird. Das ist in etwa so, als würde man sagen, dass alle Schwäne, denen wir bisher begegnet sind, weiß waren, also sollten wir für weiße Schwäne planen. Und dann, eines Tages, taucht der schwarze Schwan auf! Die Rezession und das veränderte Verbraucherverhalten, das sich aus dieser Rezession ergab, war der schwarze Schwan für Tesco.

Außerdem wage ich die Vermutung, dass die Leute bei Tesco in ihrer Anbetung der datengesteuerten Entscheidungsfindung die Dimensionen vergessen haben, die wichtig sind, aber nicht in die Daten und die Vorhersagemodelle eingespeist wurden. Welche Dimensionen? Zum Beispiel die Erfahrungen der Kunden beim Einkaufen in Tesco-Märkten: zu wenig Personal, unzufriedenes Personal, Geschäfte, die von Tag zu Tag veralteter aussehen, die Qualität der Produkte...

Es sieht so aus, als hätten die Leute bei Tesco die weisen Worte eines meiner Vorbilder nicht beherzigt:

Nicht alles, was zählt, kann gezählt werden, und nicht alles, was gezählt werden kann, zählt.

- Einstein

Dieser Artikel über "Überlegungen zu Big Data, Customer Analytics und Data Driven Business" wurde von Maz Iqbal verfasst, einem Experten, der sich dafür einsetzt, Führungskräfte, Teams und Organisationen dabei zu unterstützen, durch die Schaffung von Mehrwert für Kunden und die Bereicherung des Lebens aller Beteiligten erfolgreich zu sein. Seine Website lautet http://thecustomerblog.co.uk/.