Lösungen Automobilbranche - anwendung von Big Data

Lösungsvorschlag 1

Aus der Grafik ist ersichtlich, dass es während des betrachteten Zeitraumes vom 1. November 2011 bis zum 1. November 2013 nur marginale Abweichungen zwischen den prognostizierten und tatsächlichen Verkäufen gegeben hat. Das verwendete Prognosemodell erlaubt sehr gute Annäherungen an die Realität (effektive Werte).

Lösungsvorschlag 2

Die nachfolgenden Lösungen wurden basierend auf den Erläuterungen von Weichel und Herrmann (2016, S. 8-14) erarbeitet und anschliessend mit eigenen Ideen und Gedanken angereichert. Es handelt sich um keine abschliessende Aufzählung.

Interne Faktoren

Stichwort	Mit Big Data Fokus
Historische Absatzzahlen	Extraktion der Daten aus Absatzstatistiken des Herstellers und der Händlersysteme (Weichel & Herrmann, 2016, S. 13)
Finanzkennzahlen	Datenextraktion aus der Finanzbuchhaltung (z.B. durchschnittlicher Anzahl Autoverkäufe pro Monat, Anzahl Beratungen und daraus realisierte Verkaufsabschlüsse, Absatzentwicklung pro Modell, Absatz pro Filiale, Deckungsbeitragsrechnung)
Marketingaktivitäten	Berücksichtigung der Informationen aus dem Marketing-Controlling (z.B. Kundenzufriedenheit, Kaufkraft pro Kunde, Auswirkungen von Marketingaktivitäten, Kundensegmentierung)
Mitarbeiter	Berücksichtigung der Informationen aus dem Personal-Controlling (z.B. Mitarbeiterzufriedenheit, Innovationsfähigkeit, Personalfluktuation)

Externe Faktoren

Stichwort	Mit Big Data Fokus
Wirtschaftswachstum und Konjunkturdaten	Online-Daten von statistischen Ämtern zum Wirtschaftswachstum oder den Arbeitslosenzahlen (Weichel & Herrmann, 2016, S. 13).
Trends	Börsen- und Rohstoffpreisindizes über Yahoo Finance (Weichel & Herrmann, 2016, S. 13).
Wetterverhältnisse	Sammlung der Informationen über Online-Kanäle (Weichel & Herrmann, 2016, S. 13).
Kundenpräferenzen	Rückschlüsse auf Kundenpräferenzen (Fahrzeugmodell, Ausstattung, Farbe etc.) können mithilfe einer automatisierten Textanalyse ermittelt werden. Die automatisierte Textanalyse, auch «Sentimentanalyse» genannt, untersucht Textelemente auf eine positive oder negative Konnotation und strukturiert die Daten. Daraus kann abgeleitet werden, was einem potenziellen Kunden oder einer potenziellen Kundin gefällt bzw. nicht gefällt (Weichel & Herrmann, 2016, S. 13).
Gesetzesänderungen	Mögliche Gesetzesänderungen und Auswirkungen identifizieren. Dies kann durch Hilfe von Text-Mining anhand von Medienberichten analysiert werden.