Amazon Forecast-Kunden

Anaplan Inc. ist ein cloud-natives SaaS-Unternehmen, das globale Unternehmen bei der Orchestrierung der Geschäftsleistung unterstützt. Führende Unternehmen aus allen Branchen verlassen sich auf unsere Plattform, um die Systeme und Erkenntnisse der Teams aus allen Bereichen ihres Unternehmens miteinander zu verbinden, um sich kontinuierlich an Veränderungen anzupassen, ihre Arbeitsweise zu verändern und die Wertschöpfung neu zu erfinden. Mit Sitz in San Francisco hat Anaplan über 20 Niederlassungen weltweit, 175 Partner und ca. 1 500 globale Kunden. 

Unsere wirkungsvolle Partnerschaft mit Amazon Forecast ermöglicht es Kunden, prädiktive Intelligenz für Anwendungsfälle wie Nachfragemanagement, Finanzprognosen und Personalplanung zu nutzen. Die verbesserte Prognosegenauigkeit unserer PlanIQ-Lösung, die Amazon Forecast einbettet, führt zu fundierteren Entscheidungen und die nahtlose Integration in die Anaplan-Plattform erleichtert die Nutzung verschiedener Informations- und Datenebenen. Kunden wie South Central Ambulance Services waren in nur 2,5 Wochen einsatzbereit und nutzten PlanIQ, um genauere wöchentliche und sechswöchige rollierende Prognosen zu erstellen. PlanIQ hilft ihnen dabei, Risiken zu minimieren — insbesondere im Zusammenhang mit einem Anstieg der Patientennachfrage — und stellt sicher, dass sie über die richtigen Ressourcen verfügen, um die besten Reaktionen und Ergebnisse für die Patienten zu erzielen.

Rohit Shrivastava, Chief Product Officer – Anaplan

The Very Group ist Großbritanniens größter integrierter digitaler Einzelhändler und Finanzdienstleister – mit einem Jahresumsatz von über 2,2 Milliarden £ und mehr als 1,8 Millionen Website-Besuchen täglich. Mit seinen eigenen Marken, zu denen Very.co.uk, LittleWoods.com und Littlewoodsireland.ie gehören, verkauft das Unternehmen mehr als 1.800 berühmte Marken, hat 4,4 Millionen Kunden und liefert jedes Jahr 49 Millionen Produkte aus.

Wir haben mit AWS zusammengearbeitet, um AWS-Prognosen und KI/ML-Lösungen zu nutzen, um die Nachfrage im Einzelhandel zu beschleunigen und neue Prognosefunktionen für die Nachfrage im Einzelhandel aufzubauen. Durch den Einsatz eines internationalen Teams und umfassender Zusammenarbeit war The Very Group unglaublich erfolgreich darin, eine Verbesserung des SKU-Managements um 9,9 % im Wert von mehr als 110 Millionen GBP zu erzielen. Diese Ergebnisse sind auf mehr als 800 Stunden, die in das Programm investiert wurden, zurückzuführen, wobei über 70 Experimente abgeschlossen wurden, die über 8 Millionen Vorhersagen generiert haben. Wir erweitern das Modell jetzt auf andere Geschäftsbereiche und iterieren mit weiteren Anwendungsfällen im gesamten Unternehmen und fügen Amazon Forecast neuere Daten hinzu, um die Modellgenauigkeit kontinuierlich zu verbessern.

Steve Pimblett, Chief Data Office – The Very Group

More Retail ist Vorreiter im Bereich Omni-Channel-Einzelhandel für Lebensmittel in Indien und hat sich zum Ziel gesetzt, für indische Konsumenten zur Marke der Wahl im Bereich Lebensmittel zu werden. More Retail zählt 22 Hypermärkte und 624 Supermärkte in Indien, die durch ein Netz von 13 Vertriebszentren, 7 Sammelzentren für Obst und Gemüse sowie 6 Verarbeitungszentren für Massenartikel unterstützt werden.

More ist der Marktführer in der Kategorie „Fresh“ für Lebensmittel und Lebensmittel in Indien. Um wirtschaftlich tätig zu sein, muss More Quality First die Verfügbarkeit von frischem Obst und Gemüse verwalten und dabei den Ausschuss minimieren. Um diese Prioritäten miteinander zu vereinbaren, arbeitet More Quality First mit AWS und Ganit zu sammeln, einer IT- Beratungsfirma, um ein System für Prognosen der Nachfrage und automatische Bestellungen rund um Amazon Forecast aufzubauen und bereitzustellen. Es mussten sehr detaillierte tägliche Prognosen für Artikel in einzelnen Geschäften geschaffen werden. Deswegen wurde der Entwicklung auf Grundlage von ABC-XYZ Priorität eingeräumt.

Die Kombination von Artikel und Geschäft wird mittels einer 3x3-Matrix auf Grundlage vorliegender Muster dargestellt: Eine ABC-Achse der Wichtigkeit im Verkauf (A: hoch, B: mittel, C: gering) und eine XYZ-Achse der Prognostizierbarkeit (X: einfach zu prognostizieren, Z: schwierig zu prognostizieren). Wie zu erwarten, ist die Prognostizierbarkeit von Artikeln in den Kategorien ABC-XY deutlich besser als in der Kategorie Z. Amazon DeepAR+ jedoch zeigte für Kombinationen der Kategorie Z deutlich bessere Ergebnisse als herkömmliche Methoden wie exponentielle Glättung und es wurde eine inkrementelle Verbesserung der Prognosegenauigkeit von 10 % erzielt. Dies wurde möglich, da Amazon Forecast die Muster weiterer Artikelnummern (XY) erlernen und auf Artikel mit starker Schwankung der Kategorie Z anwenden konnte.

Mit Amazon Forecast konnten wir die Genauigkeit unserer Prognosen von 27 % auf 76 % steigern und den Ausschuss in der Kategorie von frischem Obst und Gemüse um 20 % senken. Amazon Forecast liefert eine Verteilung der Prognosen, mit der wir unsere Kosten für zu geringe und zu hohe Prognosen optimieren konnten. Dies führte zu Kosten durch Fehlbestände von 3 % und verbesserte Bruttomargen. Damit können die Filialleiter mit Blick auf die täglichen Prognosen genauer bestellen. Wir erweitern das Modell jetzt auf andere Kategorien, iterieren mit weiteren verwandten Datensätzen und fügen Amazon Forecast neuere Daten hinzu, um die Modellgenauigkeit kontinuierlich zu verbessern.

Supratim Banerjee, CTO - More Retail

Meesho ist Indiens größter Marktplatz für langzeit-/markenlose Produkte und unsere Vision ist es, es 100 Millionen kleinen Unternehmen in Indien zu ermöglichen, online erfolgreich zu sein. Der Meesho-Marktplatz bietet Kleinst-, Klein- und Mittelunternehmen sowie Einzelunternehmern Zugang zu Millionen von Kunden, einer Auswahl von über 100 Kategorien, indienweiter Logistik, Zahlungsdiensten und Kundensupport, um ihre Geschäfte im Meesho-Ökosystem effizient zu führen.

Bei Meesho haben wir viele Produkte mit kurzer Lebensdauer, und es ist wichtig, dass wir auf wichtige Kennzahlen im Zusammenhang mit der Produktleistung reagieren und unseren Bestand optimal verwalten. Durch den Einsatz von Amazon Forecast waren wir in der Lage, die Nachfrageprognose für Produkte auf wöchentlicher/täglicher Basis mit einer um 20 % höheren Prognosegenauigkeit im Vergleich zu unserer bestehenden Lösung vorherzusagen. Amazon Forecast bietet benutzerfreundliche APIs, die uns halfen, ein automatisiertes System in der Hälfte der Zeit zu erstellen, die wir für ein internes Modell benötigt hätten. Mit Amazon Forecast haben wir bisher vielversprechende Ergebnisse für unseren aktuellen Lagerbestand erzielt, und wir planen, diese weiterhin zu nutzen, um die Prognosegenauigkeit für unser ständig wachsendes Produktsortiment zu verbessern.

Ravindra Yadav, Director, Data Science – Meesho

Shimamura Music wurde 1962 als kleine Musikschule in Japan gegründet und begann 1969 mit dem Verkauf von Musikinstrumenten an Schüler. Mit der Mission, „noch einen Menschen mehr zu schaffen, der sich an Musik erfreuen kann“, hat das Unternehmen derzeit Einzelhandelsgeschäfte und Musikschulen in 39 Präfekturen im ganzen Land. Das Unternehmen ist als Japans größtes Einzelhandelsgeschäft für Musikinstrumente und als eine der führenden Musikschulen Japans bekannt und bietet Musikern Unterstützung an, darunter die Reparatur von Instrumenten, die Planung und Durchführung von Veranstaltungen und Konzerten sowie den Betrieb von Musikstudios.

Obwohl wir mit AWS nicht vollständig vertraut waren, konnten wir Amazon Forecast dennoch verwenden, um automatisierte Bestellungen zu implementieren. Das Team migrierte erfolgreich von unserem lokalen Nachfrageprognose-Tool und unseren Datenbanken. So können sie weiter an unserem langjährigen Projekt zur Verbesserung des Geschäfts arbeiten. Ich war beeindruckt, wie sich das System während der Verwendung von AWS weiterentwickelt hat.

Rumi Aoyagi, Logistics Division – Shimamura Music Co.

Adore Beauty ist Australiens größter reiner Online-Händler für Schönheitsprodukte und offizieller Händler von über 260 führenden Kosmetikmarken. Sie suchten nach einer Möglichkeit, ihren Ansatz zur Vorhersage von Umsatzerlösen zu verbessern und zu wiederholen. Frühere Ansätze hatten ihre Grenzen im Hinblick auf den Umfang, die benötigten historischen Daten und den Umfang der erforderlichen manuellen Eingriffe. Das Team beauftragte das AWS Data Lab mit der Erstellung eines automatisierten Umsatzprognosemodells, das flexibel genug war, um im Laufe der Zeit weitere Daten hinzuzufügen, die Prognosegenauigkeit insgesamt zu erhöhen und die Analyse von „Was-wäre-wenn“-Szenarien zu unterstützen, um effektivere Preis- und Werbeentscheidungen zu treffen.

In nur vier Tagen erstellte das Team von Adore Beauty einen Prototyp eines Modells zur Umsatzprognose mit Amazon Forecast, den es auf alle von Adore Beauty unterstützten Marken ausweiten konnte. Ihre Lösung umfasst eine End-to-End-Orchestrierungs-Pipeline, die täglich Prognosen für zukünftige Zeiträume erstellt. Das Team hat auch erfolgreich „Was-wäre-wenn“-Szenario-Analysen im Labor unter Verwendung von COVID-19-Daten durchgeführt, sowie Kaltstart-Prognosen für Posten, für die nur wenige oder gar keine historischen Daten verfügbar waren.

Die Hon Hai Technology Group (Foxconn) ist der weltweit größte Elektronikhersteller und Anbieter von Technologielösungen. Während der COVID-19-Pandemie war Foxconn mit einer beispiellosen Volatilität der Kundennachfrage, der Lieferungen und der Kapazitäten konfrontiert. Das Unternehmen arbeitete mit dem Amazon Machine Learning Solutions Lab zusammen, um ein Modell zur Nachfrageprognose für seine Fabrik in Mexiko zu entwickeln, das mit einem einfachen API-Aufruf und Eingabedaten genaue Nettobestellprognosen generiert.

Ich war sehr beeindruckt von dem erstklassigen Team für maschinelles Lernen bei AWS. Mein Team arbeitete eng mit dem Amazon Machine Learning Solutions Lab zusammen, um innerhalb weniger Wochen mithilfe von Amazon Forecast ein Nachfrageprognosemodell zu entwickeln. Unsere Lösung hat unsere Prognosegenauigkeit um 8 % erhöht. Aufgrund der Verwendung dieser Lösung rechnen mit jährlichen Einsparungen in Höhe von 553.000 USD für unser Werk in Mexiko. Ein zusätzlicher Bonus ist, dass diese Lösung einfach in unseren Cloud-Workflow zu integrieren sein wird, sobald wir unsere Dateninfrastruktur zu AWS migrieren. Diese Zusammenarbeit mit AWS trug dazu bei, verschwendete Arbeitskosten zu minimieren und die Kundenzufriedenheit zu maximieren.

Azim Siddique, Technical Advisor und CoE Architect - Foxconn

Clearly gehört zu den weltweit größten Online-Einzelhändlern für Sehhilfen und wird vom Glauben angetrieben, dass es jeder verdient, zu sehen. Das Unternehmen verschafft Kunden rund um die Welt Brillen, Kontaktlinsen und Sonnenbrillen mithilfe seiner einfach bedienbaren Online-Plattform, verhilft bedürftigen Personen zu kostenlosen Sehhilfen und Augenpflegedienstleistungen durch seine Mission, Sehschwäche zu beseitigen.

Mit führenden E-Commerce-Tools wie Virtual Try On in Kombination mit ihrem beispiellosen Kundenservice sind sie bestrebt, allen auf erschwingliche und mühelose Weise zu helfen, klare Sicht zu haben — was bedeutet, dass sie ständig nach Möglichkeiten suchen, Prozesse zu innovieren, zu verbessern und zu rationalisieren. Eine effiziente und genaue Voraussage des zukünftigen Kundenverhaltens gehört zu den aktuell größten Herausforderungen für das Machine Learning im Einzelhandel. In nur wenigen Wochen konnten wir mithilfe von Amazon Forecast die Verkäufe für die kommende Woche mit einer Genauigkeit von über 97% und bei der Prognose der Verkäufe für den Folgemonat mit einer Genauigkeit von über 90% genau und zuverlässig prognostizieren.

Dr. Ziv Pollak, Teamleiter für maschinelles Lernen — Ganz klar

Swiggy ist Indiens größter hyperlokaler On-Demand-Marktplatz mit der Vision, urbanen Verbrauchern unvergleichlichen Komfort in verschiedenen Kategorien (Lebensmittel, Lebensmittelgeschäfte) zu bieten. Swiggy hat seinen Hauptsitz in Bangalore und ist in mehr als 500 Städten vertreten, arbeitet mit über 130.000 Restaurants/Läden zusammen und betreibt eine On-Demand-Flotte mit 200.000 Lieferpartnern.

Für uns ist es von entscheidender Bedeutung, schnell auf Änderungen wichtiger Geschäftskennzahlen zu reagieren, die räumlich (z. B. Zone innerhalb einer Stadt) und zeitlich (z. B. Tageszeit) segmentiert sind. Wenn wir beispielsweise Veränderungen bei wichtigen Geschäftsmetriken wie den Kosten pro Lieferung vorhersagen können, dann können wir die damit verbundenen Kosten und Anreize besser steuern. Mit AWS Forecast können wir auf einfache Weise verwandte Daten nutzen, die sich auf unsere Geschäftsmetriken auswirken, um die Prognosegenauigkeit zu verbessern. Unsere erste Bewertung von Amazon Forecast zur Prognose unserer Geschäftskennzahlen im Bereich der hyperlokalen Logistik sieht vielversprechend aus und wir planen, sie zu nutzen, um die Genauigkeit unserer Geschäftskennzahlen zu verbessern.

Vijay Seshadri, Erfahrener Ingenieur, Swiggy

RetentionX ist die Plug-and-Play-Analyselösung für jeden E-Commerce-Shop, der die besten Geschäftsentscheidungen auf Basis von KI-gesteuerter Datenanalyse treffen möchte. RetentionX übersetzt Ihre Daten in klare Aktionen und ersetzt die Leistung eines ganzen Data-Science-Teams durch ein einziges, einfach zu bedienendes Tool.

Unsere Kunden, die direkt an Verbraucher gerichtet sind, suchen nach schnellen Erkenntnissen, um ihre Geschäftsabläufe zu verwalten und automatisierte Aktionen voranzutreiben. Wir integrieren uns in jedes E-Commerce-System, wie z. B. Shopify, und bieten mehr als 100 datenwissenschaftlich gestützte Analysen, wie z. B. Nachfrageprognosen, Kundenlebensdauerwert, Abwanderungsprognosen, Kohortenanalysen und Umsatzprognosen. Mit einem Klick können Kunden, die RetentionX nutzen, benutzerdefinierte, auf Machine Learning basierende Prognosen spontan erstellen, die von Amazon Forecast unterstützt werden. Darüber hinaus können Kunden einfach Einblicke in die mit Amazon SageMaker erstellte Abwanderungsprognose und den Kundenlebensdauerwert erhalten und Marketingaktivitäten auf Basis dieser Erkenntnisse automatisieren. Unser System ist in der Lage, aus den Daten ähnlicher Unternehmen zu lernen und so den Entscheidungsträgern einzigartige Einblicke zu geben. Wir haben uns für Amazon Forecast entschieden, weil es so einfach zu integrieren ist und die gesamte Architektur bei AWS liegt. Amazon Forecast ermöglichte uns die Skalierung von 5 auf mehr als 200 individuelle Vorhersagemodelle in weniger als einer Woche. Als Software-as-a-Service-Lösung mit Hunderten von Vorhersagemodellen ist die Skalierbarkeit und Verfügbarkeit ein Muss. AWS ist für uns der perfekte Partner, um dies sicherzustellen.

Alexander Jost, CEO - RetentionX

AffordableTours.com ist einer der größten Reiseverkäufer von begleiteten Touren, Kreuzfahrten, Flusskreuzfahrten und aktiven Ferien in den USA. Wir schicken Reisende auf der ganzen Welt in ihren Traumurlaub, indem wir niedrige Preise anbieten und Kundenservice von höchster Qualität mit unserem preisgekrönten Serviceteam bieten.

Bei AffordableTours.com haben unsere Kunden einen überzeugenden Anreiz, zum Telefon zu greifen und uns anzurufen. Wir arbeiten fleißig daran, ihnen günstige Preise für Reisepakete anzubieten, damit sie neue Wunder sehen und erleben können. Damit unser Geschäft gedeihen und noch niedrigere Preise anbieten kann, müssen wir überall mögliche Effizienzvorteile erzielen. Aufgrund unserer globalen Präsenz stießen wir regelmäßig auf Probleme mit unausgewogenen Ressourcen, um das Kundenanrufvolumen zu bewältigen. An manchen Tagen hatten wir zu viele Agenten und an anderen Tagen zu wenige, was zu inkonsistenten Kundenerlebnissen führte, die Preise für verpasste Anrufe und die Betriebskosten erhöhte. Mithilfe von Amazon Forecast sind wir jetzt in der Lage, das Anrufvolumen der Kundennachfrage vorherzusagen, um sicherzustellen, dass wir jeden Tag die richtige Anzahl von Agenten haben, was unsere Rate verpasster Anrufe um etwa 20% erhöht.

Marc Rosenthal, Senior Project Manager, Affordabletours.com

Axiom Telecom ist mit einem Marktanteil von ca. 55 % und dem Bestreben, über 60% zu wachsen, Marktführer im Bereich der Telekommunikation im Bereich des Vertriebs von Mobiltelefonen und Technologie in der Region des Nahen Ostens. Heute vertreibt sie Telekommunikationsprodukte an über 10.000 unabhängige und organisierte Einzelhandelskunden. Die Aktivitäten des Unternehmens umfassen Großhandel, Einzelhandel, Mehrwertdienste und Kundendienst für drahtlose mobile Geräte wie Nokia, Honor, Sony Ericsson, Motorola und Samsung. Die Gruppe verfügt über 30 Lagerhäuser und eine Flotte von mehr als 300 Vertriebsfahrzeugen.

Amazon Forecast hat es uns ermöglicht, Verkäufe genau vorherzusagen und eine bessere Bestandsplanung zu ermöglichen. Es ist ein echter Gewinn nicht nur für uns und unser Unternehmen, sondern auch für unsere Kunden. Vor der Verwendung von Amazon Forecast haben wir uns bei der Umsatzprognose und der Bestandsverwaltung stark auf eine Kombination aus statistischen Modellen und manuellen Prozessen verlassen. Dies erforderte einen erheblichen Ressourceneinsatz an Zeit und Personal, um diese manuellen Vorhersagen aufrechtzuerhalten, ließ aber auch Raum für Fehler. Mit Amazon Forecast haben wir eine Steigerung von über 20 % bei der nachgewiesenen Verfügbarkeit und 15 % bei der Optimierung der Lagerbestände gesehen. Darüber hinaus haben wir unsere Teams, die bisher manuelle Prognosen erstellt haben, so umgestellt, dass sie sich nun stärker auf wertschöpfende Maßnahmen konzentrieren, um Erkenntnisse aus den neuen Prognosen zu gewinnen, um unsere Geschäftsergebnisse zu verbessern.

Wassim Al Khayat - Group Director of Technology and Innovation

Heroleads ist Südostasiens führendes Performance-Marketing-Unternehmen, das Kunden eine integrierte End-to-End-Lösung bietet, die auf ihre Marketinganforderungen zugeschnitten ist und die MROI maximiert.

Unser Mediaplaner-Team verbringt über 60% seiner Zeit mit der Erstellung und Pflege manueller Prognosemodelle und unterstützt das Vertriebs- und Betriebsteam dabei, die Leistungstrends verschiedener digitaler Marketingkanäle und Branchen zu verstehen und zu planen, wie wir KPIs erreichen. Durch die Integration von Amazon Forecast können wir das Team auf mehr Wertschöpfung konzentrieren, die Reichweite unserer Modelle für andere Teams erweitern und die Genauigkeit unserer Prognosemodelle auf 99 % verbessern. Der Einsatz von Forecast erhöht unsere Fähigkeit, unsere Kunden besser zu bedienen, und erhöht das Vertrauen innerhalb unseres Teams durch schnellere Einblicke, verbesserte Vorhersagbarkeit, Leistungswarnsysteme, dynamische Budgetplanung und genauere Investitionsmodelle, um sicherzustellen, dass alle unsere Marketingkampagnen-KPIs effizient und zum richtigen Zeitpunkt erfüllt werden.

Amit Das, Lead Data Engineer - Heroleads

OMOTOR unterstützt die Unternehmensoptimierung durch KI. Der Anbieter liefert erstklassige Machine Learning-Algorithmen, Computervision-Techniken sowie kognitive Bots, die über WhatsApp und andere Plattformen kommunizieren können.

Bei OMOTOR nutzen wir KI, um im Namen unserer Kunden Innovationen zu entwickeln. Daher ist der Zugang zu den modernsten Deep-Learning-Technologien von AWS für den Erfolg unserer Kunden unerlässlich. Mit Amazon Forecast können wir mithilfe von Zeitreihendaten unterschiedliche Prognosen erstellen und präzisieren, ohne dafür jedes Mal manuell ein Modell erstellen und trainieren zu müssen. Wir prognostizieren reale Umsatzzahlen für die kommenden 12 Monate, um den Bestand entsprechend planen, die zukünftige Rentabilität abschätzen sowie Gewinne und Verluste von Marktanteilen verfolgen zu können und andere wichtige Informationen zu gewinnen. Dies ermöglicht es uns, stärker kontextbezogene Daten zu nutzen, unsere Informationen regelmäßiger zu optimieren, die Genauigkeit von Prognosen um über 50 % zu steigern und extrem schnell zu agieren. Zum Beispiel helfen wir Kunden in der Automobilindustrie dabei, den Absatz von 185 Fahrzeugen in Brasilien vorherzusagen.

Marcio Rodrigues, CEO – OMOTOR

ketteQ ist eine einzigartige digitale Plattform für Lösungen zur Planung und Automatisierung von Lieferketten, die in Salesforce und AWS Clouds integriert sind und dort eingesetzt werden, sowie für Skalierung und Sicherheit. ketteQ wurde von Supply-Chain-Experten mit jahrzehntelanger Erfahrung entwickelt und bietet fortschrittliches Datenmanagement und Analysen in Kombination mit kollaborativen und automatisierten Workflows, die auf Sicherheit, Skalierbarkeit und Konfigurierbarkeit ausgelegt sind. ketteQ hat seinen Sitz in Atlanta, Georgia, und verfügt über ein Team, Partner und Kunden auf der ganzen Welt.

Die Bedarfsplanungs- und Prognoselösung von KetteQ wird verwendet, um Prognosen für eine Vielzahl von Anwendungsfällen zu erstellen, darunter Prognosen für Einzelhandels- und Omnichannel-Unternehmen, Prognosen für Ersatzteile, saisonale Produktprognosen, Werbeaktionsplanung und mehr. Die Partnerschaft von KetteQ mit AWS ermöglicht es uns, unseren Kunden eine umfassende Prognoselösung anzubieten, die die innovative Wissenschaft von Amazon Forecast mit der kollaborativen und konsensbasierten Prognosefunktion von KetteQ kombiniert. Die Kombination von Erkenntnissen aus historischen Daten mit zukunftsgerichteten Informationen aus Vertrieb, Marketing und Finanzen ergibt eine hochgenaue Prognose.

Bemerkenswert ist eine Marketing-Intelligence-Lösung für US-amerikanische Mehrfamilien-Immobilienteams. Die Plattform ermöglicht es Kunden, den Überblick über Marketing- und Leasingleistungsprobleme, Risiken und Chancen zu behalten, sodass sie höhere Umsätze erzielen können, effizienter, kostengünstiger und mit einem besseren ROI.

Führende US-Marketingteams für Mehrfamilienhäuser verwenden Remarkably zur Überwachung und Analyse ihrer Immobilienmarketing- und Vermietungstrichter sowie der Leistung und des ROI ihrer Werbekanäle. Unsere Kunden schätzen historische Daten, aus denen sich ableiten lässt, was geschehen ist, und KPI-Prognosen zur Einschätzung, was passieren kann, damit sie Handeln können, um Risiken zu vermeiden und aus Gelegenheiten Kapital zu schlagen. Diese zwei wichtigen Datensätze helfen unseren Kunden dabei, wertvolle Marketing-Ressourcen zu optimieren und Verringerungen der Belegung und des Umsatzes zu vermeiden. Wir nutzten Amazon Forecast für die KPI-Prognosen unserer Produkte, mit großem Erfolg. Die Integration war relativ einfach, schnell und kostengünstig, was es uns ermöglichte, unseren Kunden hochwertige, stabile Prognosen termingerecht und innerhalb des Budgets zu liefern. “

Anna-Lea Dieringer, Mitbegründerin – Remarkably

Datup ist eine Bedarfsplanung- und Lagerverwaltung-SaaS-Plattform für Fertigungs- und Einzelhandelsunternehmen zur rechtzeitigen Transformation von Daten und Ersparnissen in Kapital. Mit Datup-Lösungen können seine Kunden mehrere Quellen integrieren wie ERPs, Tabellenkalkulationen und einfache Dateien in der Cloud. Mit Datups KI-orientierter Technologie in der Prognose und Bestandsoptimierung können unsere Kunden ihren Umsatz erhöhen. Dadurch werden die Serviceniveaus verbessert und Kapital freigesetzt und Überbestand vermieden.

Bei Datup setzen wir uns dafür ein, mit unseren Kunden bei der Einführung neuer Technologien für ihre Lieferketten zusammenzuarbeiten, was sich in betrieblicher Effizienz und Nachhaltigkeit niederschlagen könnte. Die Prognose ist ein Grundstein unseres Leistungsversprechens. dadurch wird nicht nur die Genauigkeit der Bedarfsplanung verbessert, die auf datenorientierte Instrumente basiert, sondern es wird auch die betriebliche Belastung in Bezug auf Bereitschaft der Informationen gemäß der vom Unternehmen geforderten Reaktionszeit reduziert. Amazon Forecast hat perfekt zu unserer Plattform gepasst, damit wir Genauigkeit, Gleichzeitigkeit und Agilität erreichen. Unsere Kunden (Selbstbedienung oder High-Touch) erwarten, dass die Lage von Hunderttausenden von Bestandseinheiten innerhalnb von ein paar Stunden verarbeitet werden, um rechtzeitige und bestinformierte Entscheidungen auf Grundlage der Betriebspläne zu treffen. Die dynamischen und präzisen Eingaben in unsere Bestandsoptimierungsfunktion, die aus den Prognosen gewonnen wurden, haben unseren Kunden geholfen, ihr Serviceniveau und ihre Füllraten um über 92% zu verbessern und gleichzeitig bis zu 20% des Kapitals freizusetzen, das aus Überbeständen und veralteten Beständen stammt.

Ramiro Chaparro, CTO – Datup