Rohstoffe sind ein bedeutender Kostentreiber für eine Vielzahl von Unternehmen sowohl im Herstellungssektor als auch im Handel. Die Rohstoffmärkte sind jedoch von einer hohen Volatilität und unvorhersehbaren Preistendenzen geprägt. Je größer die Schwankungen, desto gravierender können die Auswirkungen für Unternehmen und den finanziellen Erfolg sein. Obwohl eine präzise Vorhersage von zukünftigen Rohstoffpreisen nicht möglich ist, so lohnt es doch, jene Einflussfaktoren in den Märkten besser zu verstehen, die zu Knappheit führen und somit den Preis beeinflussen können.
Das Ziel: Verbesserung der aktuellen - zumeist manuellen - Forecasts um Einkaufsentscheidungen und Lagerhaltung zu verbessern.
Cognitive Computing
Ansatz
Extrahiert Informationen automatisch aus einer beliebigen Anzahl von Quellen (Bloomberg, Analysten, Aktien, Social Media, Lieferanten, etc.)
Mehrwert
Einkäufer werden von manuellen Suchen entlastet und können sich auf die Interpretation der Informationen fokussieren.
Analytics Data Hub
Ansatz
Daten werden an einer Stelle zusammengefasst (Experteneinschätzungen, Analysten Berichte, Web Trends, etc.)
Mehrwert
Das Risiko von Fehlern wird reduziert und Daten vor dem Zugriff nicht autorisierter Personen geschützt.
Machine Learning
Ansatz
Ein Machine-Learning-Modell liefert mit aktuellen „Treibern“ eine Referenz auf Basis der Einflussfaktoren.
Mehrwert
Ein Vergleichsmodell dient als Basis für Entscheidungen in Einkauf und Lagerhaltung.