Im Projekt NEXT werden jene Methoden und Ansätze auf anwendungsorientierter Ebene beforscht, die zur Erlangung von Data Literacy im Handel der Zukunft angewandt werden können. Im Rahmen des Forschungsprojektes wird hier zum einen auf operativer und taktischer Ebene mittels Methoden des Supervised Learnings (e.g. Support Vector Machines) und Unsupersvised Learnings (e.g. Neural Networks) beforscht, welche Muster sich in Daten komplexer Wertschöpfungsnetzwerke erkennen lassen und wie diese als Basis prädiktiver Aussagen und Handlungsempfehlung aufbereitet und implementiert werden können. Zum anderen wird durch Anwendung von Data und Web Mining auf strategischer Ebene beforscht, in welcher Form Signale aus welchen relevanten (neuen) Inputquellen (qualitativ, quantitativ) zur Reduktion von Unsicherheiten gesammelt, analysiert, aufbereitet und im Rahmen der langfristigen Netzwerkplanung eingesetzt werden können. Im Projekt NEXT wirken somit zwei fokale Zielbereiche: der Bereich „Mustererkennung“ und der Bereich „Data bzw. Web-Mining“:

  • Im Zielbereich „Mustererkennung“ werden Machine Learning Algorithmen auf große Datenmengen abgeschlossener Transaktionen im Wertschöpfungsnetzwerk angewandt. Durch tiefgehende Analyse dieser Vergangenheitsdaten aus definierten Bereichen des Wertschöpfungsnetzwerkes können Muster erkannt und Frühwarnindikatoren abgeleitet werden. Ziel ist es, schon im Vorstadium möglicher Abweichung zwischen SOLL und IST-Zustand des Wertschöpfungsnetzwerkes basierend auf „past learnings“ prädiktive Aussagen zu drohenden, kritischen Events tätigen zu können.
  • Im Zielbereich „Data bzw. Web Mining“ werden Informations- und Wissenslücken in definierten taktischen und strategischen SCM-Prozessen identifiziert und auf ihre Relevanz hin analysiert. Durch Kombination von Data Mining-Techniken und Machine Learning-Ansätzen sollen kritische Information Gaps geschlossen, und das mittel- und langfristige SCM dadurch auf umfassenderen und fundierten Datenbasen aufbauen können.

 NEXT