Vorhersage der Besucheranzahl (30 Tage)

Beschreibung

Wofür möchte man die Anzahl an Besuchern vorhersagen?

Für jedes größere Geschäft ist es schwer zu bestimmen, wie viel Personal für einen bestimmten Tag eingeplant werden sollte. Das Lageraufkommen schwankt je nach Wochentag, Jahreszeit und hat sicherlich auch einen allgemeinen Auf- oder Abwärtstrend. Unter Berücksichtigung dieser und vieler weiterer Faktoren ist es für einen Lagerverwalter in der Regel schwierig, eine angemessene Schätzung darüber abzugeben, wie viel Personal für einen reibungslosen Arbeitsablauf erforderlich ist.

Dieser Anwendungsfall ist ein klassisches Beispiel dafür, wie künstliche Intelligenz die Prozessoptimierung unterstützen kann. Durch die Verwendung vorhandener Daten können wir das Besucheraufkommen für ein Lager vorhersagen, um das Personal richtig zu planen.

Was sind die Vorteile der Besucherprognose?

Datenbasierte Entscheidungen sind in der Regel ein neutralerer und zuverlässigerer Weg, um die Notwendigkeit von Investitionen in Aufwand, Zeit oder andere Ressourcen abzuschätzen. Insbesondere in stark schwankenden Umgebungen wie Einkaufszentren, Zoos oder Vergnügungsparks hilft eine gute Kenntnis der Besuchererwartungen bei der richtigen Planung der Ressourcen.

Einer der großen Vorteile datengestützter Prognosen ist, dass sie automatisch Muster erkennen können, die für das menschliche Auge unsichtbar sind. Seien es Saisonalität, Trends oder eine Abhängigkeit von Wochentagen: Es kann leicht sein, sich in riesigen Datenmengen zu verlieren. Aber die Vorhersage durch künstliche Intelligenz trägt all dem Rechnung.

Die Probleme mit üblichen Prognosen

Trends, Wochentage, Jahreszeiten, Saisonalitäten, Politik – es gibt viele Einflussfaktoren, wieso sich KPIs verändern. Ob Aufwärts- oder Abwärtstrend: Wichtig ist zu verstehen, dass es nicht nur eine Richtung gibt und lineare Schlussfolgerungen (Heute mehr als Gestern, also immer mehr) werden schnell zum Problem.

Daher setzen wir künstliche Intelligenz ein. Wir nutzen Zeitreihenanalysen basierend auf Neuronalen Netzen, die auch kleine Effekte schnell und einfach feststellen. Erst wird die Vergangenheit dekonstruiert, dann ein Modell erstellt, das zukünftige Werte vorhersagen kann.

Was sind die Vorteile von Forecasting basierend auf KI?

Während sich noch viele Unternehmen sich auf ihre Erfahrung, qualitativen Erwartungen („Ich glaube wir werden..“) oder veraltete Methoden (z.B. lineare Voraussage) stützen, sehen wir die Vorhersage von zukünftigen Werten als komplexer an. Die Kombination von historischen Daten mit künstlicher Intelligenz bildet meist zuverlässigere und genauere Prognosen ab als andere Systeme.

Dazu haben wir bei Kobold AI wir ein vollautomatisiertes Modul entwickelt, das Prognosen (Forecast) durchführt. Es nutzt eine Kombination aus Methoden der künstlichen Intelligenz und Zeitreihenanalyse, um die beste Vorhersage zu treffen.

Zeitreihen deshalb spielen eine grundlegende Rolle, da sie ein Ergebnis (Umsatz, Anzahl an Fällen), das sich über einen bestimmten Zeitraum hinweg ereignet, in mehrere Komponenten zerlegen, z. B. einen Trend, eine saisonale Komponente, eine zyklische Komponente und Rauschen. Diese Komponenten werden dann für die Vorhersage der nächsten Zahlen verwendet, die das gleiche Verhalten aufweisen.

Kurz gesagt nutzen wir KI, um verlässlichere Vorhersagen zu erstellen als herkömmliche oder manuelle Prognose-Methoden.

Wie funktioniert das Forecasting mit kobold.ai?

Kobold AI erstellt standardisierte, vollautomatisierte KI-Produkte. Man muss nur das Produkt auswählen, die eigenen Daten hochladen und schon bekommt man wenige Zeit später die 30-Tages-Vorhersage. Dazu werden die Ergebnisse in einen verständlichen, klaren Bericht (Beispiel: KoboldAI_Sales-Forecasting.pdf) verarbeitet, um nicht nur die Zahlen zu bekommen, sondern auch die Trends und Interaktionen der Daten zu verstehen.

Datenquellen für Besucherdaten

Üblicherweise bekommt man die Daten für Besucheranzahl aus dem Ladenbesucherzählersystem oder einer Besucherfrequenzmessung. Hat man keines dieser Systeme installiert, gibt es noch die Möglichkeit die Besucherdaten anhand der Anzahl an Einkäufen aus dem Kassensystem zu extrahieren.

Welches Datenformat erwartet unser Forecasting Produkt?

Um die Daten der nächsten 30 Tage genau vorhersagen zu können, benötigen wir als Input historische Daten. Genauer gesagt:

• Zwei Spalten
  • Spalte “Datum”: Ein Datum im Format “JJJJ-MM-TT”, d.h. ein vierstelliges Jahr (z.B. 2005), ein zweistelliger Monat (z.B. “04” für April) und ein zweistelliger Tag (z.B. “29”). Ein Beispiel: 2019-10-23
  • Spalte “Wert”: Der Wert (z.B. Anzahl der Verkäufe, Service-Fälle, etc), die an diesem Tag stattgefunden haben, ausgedrückt in Gesamteinheiten.
• Beliebige Anzahl von Zeilen, wobei jeder Eintrag eine tägliche Datum-Wert-Kombination ist

Bitte beachten:

• Jedes Datum darf nur einmal vorkommen
• Kein Datum sollte ausgelassen werden, sondern als “0” eingegeben werden.
• Sie können Rückgaben / Negativbuchungen einbeziehen, aber diese werden dann auch in der Prognose berücksichtigt.
• Je mehr Historie Sie angeben können, desto besser ist unser Ergebnis. Mindestens zwei Jahre sind ratsam.

Sie können diese Daten aus ihrem jeweiligen System (ERP, E-Commerce, Service,..) oder auch aus der manuellen Dokumentation in Form einer Excel-Datei extrahieren.

Welchen Output liefert die 30-Tages Vorhersage?

Die 30-Tages Forecastings von Kobold AI liefern zwei Teile zurück: Einerseits eine deskriptive Analyse der historischen Daten, andererseits die Vorhersage für die nächsten 30 Tage.

Analyse der Daten

Wir nutzen deskriptive Datenanalyse und ein neuronales Netz um die historischen Daten auf Trends, Saisonalität, Ausreisser und ähnliches zu analysieren. Daraus generieren wir automatisch einen Bericht, der einen Einblick in das Vergangene Verhalten gibt und somit Wissen verschafft. 

Vorhersage der Werte für 30 Tage

Selbstverständlich wird das statistische Modell dann auch genutzt, um die erwarteten Ergebnisse für die nächsten 30 Tage vorher zu sagen. Hierzu werden einerseits die erwarteten Werte als auch Zielkorridore geliefert, damit operativ möglichst optimal geplant werden kann, egal ob konservativ oder optimistisch.

Beispielbericht Forecasting

Ein Beispielbericht für ein erfolgreiches Forecasting kann hier gefunden werden.

Zusammenfassung Prognose Besucheraufkommen

Zu wissen wie viele Besucher und Kunden ein Ladengeschäft besuchen erlaubt dem stationären Handel besser Personal, Lager, Einkauf und mehr zu planen. Diese verlässliche, auf KI basierte Lösung, optimiert die Ausgaben und schafft die Option für optimalen Service.