enthaltenIn den letzten zwei Jahrzehnten ist die Lieferkette immer komplexer geworden. Die fortschreitende Technologie hat es den Unternehmen zwar ermöglicht, diese Komplexität in den immer größer werdenden Datenspeichern zu erfassen, aber die Unternehmen haben nicht damit Schritt gehalten, wie sie diese Daten analysieren und daraus Erkenntnisse ableiten können. Diese Spezialisierung zeigt anhand praktischer Aktivitäten, wie Data Science-Techniken Rohdaten in Entscheidungsgrundlagen für eine agilere Lieferkette verwandeln können. Es werden grundlegende Techniken wie Nachfrageprognosen, Bestandsmanagement mit Nachfrageschwankungen und die Verwendung des Newsvendor-Modells behandelt, aber auch fortgeschrittenere Techniken wie die Optimierung von Kapazitäten und Ressourcen sowie die Risikominimierung mit der Monte-Carlo-Simulation. Am Ende dieser Specialization werden Sie in der Lage sein:
Beschreiben Sie, wie Nachfrageplanung, Angebotsplanung und eingeschränkte Prognosen miteinander verbunden sind.
Verwenden Sie Excel, um historische Daten zu analysieren und den zukünftigen Bedarf zu quantifizieren.
Analysieren Sie historische Daten, um mit Hilfe von Excel Lagerbestände bei gleichbleibender und unsicherer Nachfrage zu bestimmen.
Verwalten Sie Bestände in einer unsicheren Umgebung.
Quantifizieren Sie den Bedarf an Lagerbeständen für Artikel einer einzigen Periode mit Hilfe des Newsvendor-Modells.
Identifizieren Sie die Komponenten der Kapazitätsoptimierung, der Ressourcenoptimierung und der Monte-Carlo-Simulation.
Erstellen und lösen Sie Optimierungsprobleme in Excel.
Erstellen Sie eine Momentaufnahme der Nachfrage und des Bestands und führen Sie eine Monte-Carlo-Simulation durch, um eine flexiblere Lieferkette zu erreichen.
