Verfahren der automatischen Disposition und Preisoptimierung gewinnen im Handel zunehmend an Bedeutung. Sie zählen derzeit zu den innovativsten Analyseverfahren. Die prudsys AG gilt als Pionier dieser Verfahren und hat in den letzten Jahren ein umfassendes Baukastensystem dynamischer Dispositions- und Preisoptmierungsverfahren entwickelt und in der Praxis erfolgreich zum Einsatz gebracht. Diese Verfahren basieren wesentlich auf Regressionsverfahren zur Abschätzung der Preiselastizität (Sparse Grids) in Kombination mit Reinforcement Learning.
Für die dynamische Disposition ist hierbei die Fähigkeit der Echtzeiterfassung geänderter Abverkaufsverläufe von zentraler Bedeutung, welche die sofortige Reaktion darauf ermöglicht und so die Lagerbestände optimal anpaßt. Die Algorithmen nutzen primär die Transaktionen, d.h. Abverkäufe, sekundär zusätzlich auch die Stammdaten der Produkte. Letztere ermöglichen insbesondere die Prognose von Neuprodukten über spezielle Offline-Verfahren.
Verfahren zur dynamischen Preisoptimierung erlauben zudem mehr als nur Prognosen zu erstellen. Sie liefern in Echtzeit optimierte Preise. Hier setzt das Reinforcement-Learning-Framework auf. Derzeitige Algorithmen der automatischen Preisoptimierung leiden primär darunter, dass die Preise zu wenig variieren und so wichtiges empirisches Material fehlt. Die dynamische Preisoptimierung füllt genau in diese Lücke: Die systematische und kontinuierliche Änderung der Preise schließt systematisch die Lücke im fehlenden Datenmaterial und ermöglicht eine sehr genaue Schätzung der Preiselastizität. Das Framework der dynamischen Preisoptimierung sehr umfangreich und erlaubt die Definition unterschiedlicher Optimierungsgrößen (Umsatz, Ertrag, etc.) und Strategien (Hoch-/Niedrigpreis, Nachfrage-/Wettbewerbs-orientiert, anonymisiert/personalisiert, etc.) sowie wichtiger Constraints (Preisgrenzen, Änderungszeiträume, Varianz, Verderblichkeit, etc.).
Vorteile
Schnelle Anpassung an Änderungen im Kunden-Kaufverhalten
Kombination von Offline- und Online-Lernen
Disposition: Abverkaufsprognosen für Neuprodukte
Preisoptimierung: automatische Preiserkundung
Preisoptimierung: Optimierung bzgl. unterschiedlicher Zielgrößen und Strategien sowie komplexer Constraints
Möglichkeit der Simulation zum Test unterschiedlicher Preise bzw. Strategien
Integration
Die Verfahren der dynamischen Disposition und Preisoptimierung sind als entsprechende Pakete in der XELOPES-Bibliothek integriert. Es existieren sowohl Offline- als auch Online-Varianten der Algorithmen, wobei die Online-Algorithmen den Schwerpunkt bilden. Über spezielle PMML-Erweiterungen können deren komplexe Modelle serialisiert werden. Die zentrale Applikation der Dispositions- und Preisoptimierungsverfahren stellt die prudsys RDE dar, wobei der RDE-Server eine umfassende Verwaltung einschließlich grafischer Oberfläche für deren Administration und Auswertung bereitstellt.
