2020-Trend: Automatisierte Preisangleichung für Hersteller

Von Thomas R. Cutler

Automatisierungslösungen wurden angepasst und optimiert, um Herstellern das Festlegen und Verwalten von Preisgrenzen zu erleichtern.

Wenn Unternehmensziele die rasche und wiederholte Anpassung von Preisen auf granularster Ebene umfassen, muss Automatisierung so gestaltet sein, dass sie den Aufwand durch einfache Regeln zur Preisfindung reduziert.

Bisher fürchteten die meisten industriellen Entscheidungsträger lange Implementierungszeiten, Komplexität und erhebliche Kosten bei Preistechnologie.

Neue Lösungen nehmen diese Bedenken weg: Sie bieten eine automatisierte Preisangleichungstechnologie, die kosteneffizient und in wenigen Wochen implementierbar ist.

Signifikante Umsatz- und Margenverbesserungen durch eine klare, geführte User Experience (über aufschlussreiche Dashboards und umfassende Preisscience) bedeuten, dass hunderte Fertigungsunternehmen bis Q4 2020 von dieser Automatisierung profitieren werden.

Damit wird sichergestellt, dass die Preisausführung mit strategischen Zielen abgestimmt bleibt, um optimale Margen zu navigieren.

Automatisierung muss mit einfacher Integration in Quellsysteme beginnen, gefolgt von nahtloser Befüllung transaktionaler Systeme mit optimierten Preisen. Mit diesen Prozessen ermöglicht Preisangleichung die Automatisierung komplexer Preiselogik.

Best Practices von Preisspezialisten

Die Preisspezialisten Dallas Crawford und Dan Barrett erläuterten, wie Hersteller Preisbedarfe mithilfe von Datenanalysen analysieren sollten.

Crawford (links im Bild) bestand darauf, dass Preisangleichung mit Datenanalysen in Echtzeit problemlos möglich ist. Die Fähigkeit, sich auf hohe und niedrige Volumina zu konzentrieren, die außerhalb einer normalen Verteilung von Trend oder Saisonalität liegen, kann aufzeigen, wo Margenchancen bestehen.

Höhere Volumina bieten Chancen, Preise basierend auf Nachfrage anzupassen oder Marktanteile zu gewinnen. Niedrigere Volumina ermöglichen die Analyse von Preisen, um zu bestimmen, ob Marktanteile verloren gehen oder ob der Produktlebenszyklus sich dem Ende nähert.

Barrett (rechts im Bild) merkte an, dass die beste Methode zur Analyse und Optimierung von Kundenpreisen darin besteht, die Daten zu modellieren und sicherzustellen, dass die Analyseplattform dies auf sehr diskreter Ebene unterstützt. Kundendaten nach Standort oder Produkt-SKUs erlauben optimale Auslieferung einzigartiger Preise. Das Verständnis und die Prognose der Preiselasticität der Kunden ist entscheidend für die Ermittlung des optimalen Preises.

Preissensitivität in der Pandemie

Crawford schlug vor, dass die Machine-Learning-Modelle von QueBIT PriceAlign anpassungsfähiger sein können als typische Zeitreihenmodelle im Pandemieumfeld.

Durch Hinzufügen qualitativerer und zeitnaherer Eingabevariablen (wie Kraftstoffkosten) wird das Modell kontextbezogener und toleranter gegenüber abweichenden Daten, die während dieses einzigartigen Ereignisses gesammelt wurden.

Die Pandemie gibt Fertigungsunternehmen, die die Technologie annehmen, die Gelegenheit, die Auswirkungen zu untersuchen und zu modellieren, um auf künftige Ereignisse besser vorbereitet zu sein. Shutdowns werden potenziell unvollständige Daten verursachen; zukünftiges Training von ML-Modellen muss damit umgehen können.

Barrett ist überzeugt: Während die Pandemie ein wichtiger Treiber für Preisangleichung ist, bleibt sie nur ein Faktor, der Hersteller auf der Nachfrage- und Angebotsseite beeinflusst.

Durch Eliminierung von Tabellenkalkulationen verbessert Preisangleichung die Fähigkeit, Preise auf detailliertester Ebene und an Marktbedingungen anzupassen. In wenigen Wochen stellt die automatisierte Preisdaten sicher, dass Hersteller Kundensegmente visualisieren können, die durch Variablen getrieben werden, die die Nachfrage formen – wie Demografie – und so gezieltere und dynamischere Preisanpassungen ermöglichen.

Nur durch automatisierte Preisangleichung können mittelständische Hersteller ihre Preisstrategien auf neue Sophistizierungsstufen heben, dynamische Preise basierend auf verschiedenen Faktoren erreichen und Preiselastizität über verschiedene Kunden, Produkte oder Regionen verstehen.

Der Einsatz von Big Data automatisiert und beschleunigt das effektivste Preismodell für kleine und mittelständische Hersteller. Barrett schlug vor, dass zusätzliche Informationen oft Kontext liefern und nützlichere Datenelemente in einen ganzheitlicheren Prozess integriert werden können.

Laut Crawford nehmen Hersteller Big Data in Form von Rechnungen, Angeboten, Kostendaten, Nachfrage und Angebot auf – was für Preisspezialisten nicht direkt verwertbar ist.

Fortgeschrittene Preissysteme können schnell mit Big Data interagieren, es über Dimensionen hinweg analysieren (SKUs, Kunden, Standorte etc.) und den iterativen Prozess der Preisbildung automatisieren. Dies gibt Herstellern die Fähigkeit, rasche Preisänderungen vorzunehmen und die resultierende Performance aktiv zu managen.

Dieser einzigartige Automatisierungsansatz nutzt predictive Demand Plans, die fortschrittliche Analytics einsetzen, um Genauigkeit und optimale Preise zu erzielen. Nur mit Preisangleichungsautomatisierung können Unternehmen angemessen auf rasche Preisschwankungen während der Pandemie reagieren.

Preisbranchen-Experten

Dallas Crawford ist Advanced Analytics Executive bei QueBIT mit über 10 Jahren Erfahrung, Kunden dabei zu helfen, prädiktive Analysen für informierte strategische Entscheidungen zu nutzen. Zuvor war er 7 Jahre bei IBM im Distributionssektor tätig und leitete mehrere wichtige Predictive Analytics- und Reporting-Projekte. Crawford absolvierte 2008 seinen MBA an der Florida A&M University.

Dan Barrett ist Advanced Analytics Technical Manager bei QueBIT. Barrett war über 12 Jahre Controller und CFO eines Fertigungsunternehmens. Er leitete erfolgreich Evaluierungen von Advanced-Analytics-Lösungen in hunderten Evaluierungszyklen mit einigen der weltweit führenden Fertigungs- und Einzelhandelsorganisationen. Er verantwortete die Entwicklung und Feld-Einführung von Distribution and Manufacturing Performance Management Solutions bei IBM und Cognos.

Autorenprofil: Thomas R. Cutler ist President und CEO der in Fort Lauderdale, Florida ansässigen TR Cutler, Inc., die ihr 21. Jahr feiert. Cutler ist Gründer des Manufacturing Media Consortium mit über 8000 Journalisten, Redakteuren und Ökonomen, die über Trends in Fertigung, Industrie, Materialhandling und Prozessverbesserung schreiben. Cutler verfasst jährlich über 1000 Fachartikel zum Fertigungssektor. Mehr als 4500 Branchenführer folgen Cutler täglich auf Twitter unter @ThomasRCutler. Kontakt: trcutler@trcutlerinc.com.