So unterstützt Euch Predictive Analytics ERP im Unternehmen

Unser Gastautor Florian Langer hat sich mit dem Thema Predictive Analytics ERP näher beschäftigt und holt Euch in diesem Artikel zum Thema ab.

Inhaltsverzeichnis

1. Was versteht man unter Predictive Analytics?
2. Wer braucht Predictive Analytics ERP und warum?
3. Was hat das Ganze jetzt mit meinem Business zu tun?
   1. Wie planen wir unsere Produktion?
   2. Wie kann man in die Zukunft schauen?
4. Mit welchen ERP-Systemen kann ich Predictive Analytics nutzen?
5. Predictive Analytics ERP made in Germany
6. Welche weiteren ERP-Systeme bieten Predictive Analytics an?

 

Was versteht man unter Predictive Analytics?

Als Begriff ist künstliche Intelligenz nicht ganz einheitlich zu definieren, unter anderem da sie sich schon seit den 1950er Jahren als interdisziplinäre Forschungsrichtung entwickelt und sich stets an die technischen Möglichkeiten angepasst hat. Im Allgemeinen kann man von künstlicher Intelligenz sprechen, wenn ein IT-System “menschenähnliche”, intelligente Verhaltensweisen zeigt.

In unterschiedlichen Anteilen sind hierzu bestimmte Kernfähigkeiten gefragt, Wahrnehmen, Verstehen, Handeln und Lernen. Während traditionelle EDV-Systeme sich auf Eingabe > Verarbeitung > Ausgabe beschränkt sehen, erweitert Künstliche Intelligenz diese Fähigkeiten um die Aspekte des Lernens und Handelns.

Neben dem reinen Verarbeiten von Daten kann dein System während der Verarbeitungsphase also auch lernen und trainiert werden. Im Idealfall erzielt ein so trainiertes Setup dann bessere Ergebnisse, als die herkömmlichen, statischen Verfahren, die auf starren, klar definierten und fest programmierten Regeln fußen.

Vielleicht kennt Ihr den Facebook Algorithmus, der Eure Audience oder das Placement Eurer Ads in Richtung Conversions optimiert, die Ihr vorgibt? Das ist das gleiche Prinzip.

Betrachten wir die einzelnen Teile etwas detaillierter, wird deutlich, welches Potential in der Anwendung von Künstlicher Intelligenz steckt. Das liegt unter anderem an der Vielfalt an Datenpunkten, die wir zur Verfügung haben, bzw. wahrnehmen können.

Selbst in kleinen Unternehmen gilt: “Wir sammeln Daten, schaffen Prozesse und müssen diese schlussendlich auch verwalten. Klassische Excel-Tabellen können diese Datenmenge meist nicht mehr ordentlich abbilden und erhöhen das Risiko von Fehlern.”

Während der Datenverarbeitung kommen Methoden, wie beispielsweise Deep Learning, Language Processing oder Bilderkennung hinzu. Euer System wird also um eine trainierbare, lernende Komponente erweitert. Ihr macht zum Beispiel ein Foto von Eurer Telefonrechnung und Euer Tool kann dieses sofort richtig einordnen, geht hingegen eine unstrukturierte Anfrage über Euren Chat ein muss Euer Tool / Modell erst einmal verstehen, was der:die Kund:in eigentlich will. Alexa von Amazon macht zum Beispiel einen guten Job darin zu verstehen und zu unterscheiden, ob Ihr gerade das Licht in der Küche oder dem Badezimmer einschalten wollt. Replika.ai hat einen digitalen Buddy zur Seite gestellt, der sich Dinge über euch merkt und Euch fragt, wie es Euch geht.

Die Ausgabekomponente Eures Predictive-Analytics-ERP-Systems ist das Resultat aus der Wahrnehmung und Verarbeitung. Während meines Data Science Bootcamps habe ich beispielsweise ein Projekt gepitcht und umsetzen dürfen, das Landschaftsfotos in den Gemäldestil von Césanne, Monet, van Gogh oder Ukiyo-e übersetzt. In der Praxis sind (leider und abhängig vom Job) allerdings eher Dinge wie eine intelligente Prozess- oder Produktionssteuerung relevante Einsatzgebiete. Im obigen Beispiel mit der Rechnung, wird diese dann automatisch richtig abgelegt und ordentlich bezahlt bzw. weiterverarbeitet.

Das besondere an diesen Algorithmen ist, dass sie während der Trainingsphase aber auch im laufenden Betrieb aus Feedback lernen können und in der Lage sind, ihr handeln und ihren Output dahingehend zu optimieren. Die Telefonrechnung kommt immer zum gleichen Tag, dein ERP-System merkt sich das und gibt Euch einen Hinweis, wenn zum Stichtag voraussichtlich nicht genug Geld auf Eurer AMEX ist (hier kommt das “predictive” von Predictive Analytics ERP ins Spiel).

Wer braucht Predictive Analytics ERP und warum?

Die Abkürzung ERP steht für Enterprise Resource Planning (Unternehmensressourcenplanung) und ist ein System, das die Automatisierung und Verwaltung von Geschäftsprozessen in den Bereichen Finanzen, Produktion, Sales, Marketing, Lieferkette, Personalwesen und Betrieb unterstützen kann. ERP-Systeme helfen Euch dabei, neue Insights zu generieren, Prozesse zu optimieren, Szenarien zu planen und die Entscheidungsfindung zu verbessern, indem sie Datensilos aufbrechen und Informationen zwischen verschiedenen Abteilungen integrieren. Ein ERP-System wird manchmal als „zentrales Nervensystem eines Unternehmens“ bezeichnet, da es die Automatisierung, Integration und Intelligenz liefert, die für die effiziente Abwicklung aller täglichen Geschäftsvorgänge unerlässlich sind. Im Idealfall zentralisiert Euch die meisten oder alle Daten Eures Unternehmens im ERP-System, um über eine zentrale Datenquelle für das gesamte Unternehmen zu verfügen. Gerade im Bereich Conversions und Tracking ist es immer von Vorteil über “one single source of truth” zu verfügen.

ERP-Systeme können Euch also einen umfassenden Überblick über die Prozesse und Vorgänge in deinem Unternehmen geben und verbinden die verschiedenen Abläufe und Teams zum Beispiel Marketing und Product, wenn es um Funnel-Performance geht. Folglich hast du die Möglichkeit auf bestimmte Teilprozesse zu Zoomen oder Euch das gesamte Unternehmen anzuschauen. Dieser Überblick hilft Euch, Probleme zu erkennen, Hindernisse und Roadblocks aus dem Weg zu räumen und die für die weitere Performance deiner Unternehmung erforderlichen Änderungen vorzunehmen.

Ein Finance-Team kann unter Nutzung eines Predictive Analytics ERP Tools die Buchhaltung effizienter gestalten oder dafür sorgen, dass Lieferanten korrekt und pünktlich bezahlt werden. Im Sales-Bereich könnt Ihr Eure gesamte Pipeline verwalten und Leads scoren. Für Euer Marketing-Team ist es sicher auch interessant zu wissen, wie sich diejenigen die Euren Content konsumieren, dann am Ende im Bezug auf Revenue verhalten. Eure Logistik ist auf eine gut funktionierende ERP-Software angewiesen, um die richtigen Produkte und Services pünktlich an die Kunden zu liefern. Auf Management Ebene ist ein Überblick in Echtzeit sicher von Vorteil, wenn es darum geht, rechtzeitig Entscheidungen treffen zu können. Und zum Schluss habt Ihr eventuell bessere Karten bei Eurer Bank oder Euren Investoren, wenn Ihr genaue Finanzunterlagen und Forecasts hast, die vom ERP System bereitgestellt werden können.

Die Bedeutung von ERP-Software für Unternehmen wird durch die wachsende Verbreitung verdeutlicht. Laut G2 „wird der globale ERP-Softwaremarkt bis zum Jahr 2026 voraussichtlich auf 78,40 Milliarden US-Dollar anwachsen, mit einer durchschnittlichen Wachstumsrate von 10,2 % zwischen den Jahren 2019 und 2026.“

Was hat das Ganze jetzt mit meinem Business zu tun?

Lasst uns einen kleinen Ausflug machen. Wir haben uns dieses Video von Bill Ackman angeschaut, haben allerdings keinen Limonadenstand sondern eine Spielzeugfabrik. Nichtsdestotrotz stehen wir vor der Herausforderung, dass wir Produkte mit stark saisonaler Nachfrage herstellen.

Wie planen wir unsere Produktion? 

Eine Möglichkeit besteht darin, jeden Monat vor der Hochsaison einen Bruchteil der erwarteten Nachfrage zu produzieren. Wenn die Nachfrage jedoch unsicher ist, kann dieser Ansatz zu großen Überschüssen oder Engpässen führen, die die Gewinnspannen schmälern. Unternehmen, die sich in dieser Situation befinden, müssen die Kosten der Produktionssteigerung zur Deckung der Nachfrage während der Hochsaison, die zusätzlichen Kosten für die Lagerhaltung und das Risiko der unsicheren Nachfrage gegeneinander abwägen. Aber wie?

Am Beispiel von Play Time Toy Co. möchte ich einen Einblick geben, wie es im Maschinenraum eines Predictive-Analytics-ERP-Systems aussehen könnte. Insbesondere nutze ich für dieses Beispiel eine Monte-Carlo Simulation, um die Auswirkungen der Produktionsplanung auf die Rentabilität, den Kapitalbedarf und im allgemeinen die Unit Economics des Unternehmens zu bewerten.

Play Time Toy Co. ist ein Spielzeughersteller, der sich mit zunehmender Konkurrenz durch ausländische Firmen, Influencer die mit Dropshipping anfangen und Etsy DIY Shops konfrontiert sieht. Die jährlichen Umsätze des Unternehmens sind stetig gestiegen, aber dieses Wachstum war das Ergebnis erfolgreicher „Modeartikel“, die den Umsatz nur für eine einzige Saison ankurbeln. Infolgedessen schwanken die Umsätze von Jahr zu Jahr um bis zu +/- 30 %. Hinzu kommt, das der größte Teil des Umsatzes in der Vorweihnachtszeit eingeht und von großen Spielwarengeschäften stammt, die ihre Bestellungen innerhalb von 60 Tagen bezahlen. Die voraussichtlichen Sales für das kommende Jahr sind unten abgebildet.

Um das mit den saisonalen Schwankungen des Geschäfts verbundene Risiko zu mindern, planen wir die Produktion derzeit nach dem Prinzip der Auftragsfertigung, order-on-demand. Dies ermöglicht es dem Unternehmen, schnell auf die Kundennachfrage zu reagieren, ist aber unter Umständen kostspieliger als eine ganzjährige Produktion, da eine große Zahl von Praktikanten / Saisonarbeitern eingestellt und geschult werden muss. Aufgrund des zunehmenden Wettbewerbsdrucks wollen wir erörtern, inwieweit es Sinn macht, unsere Produktionsstrategie zu ändern, um Kosten zu senken.

Bei der Umstellung auf ganzjährige Produktion müssen wir mehrere Faktoren berücksichtigen. Die wichtigsten:

• Finanzierung: Das Unternehmen verfügt derzeit nur über einen begrenzten Kassenbestand und nutzt daher eine Kreditlinie für zusätzliches Betriebskapital. Diese ist ohne weitere Verhandlungen mit der Bank auf 1,9 Mio. begrenzt und muss jedes Jahr mindestens einen Monat lang einen Nullsaldo aufweisen. Alle erforderlichen Erhöhungen des Betriebskapitals aufgrund der Änderung der Produktionsplanung müssen mitberücksichtigt werden.
• Lagerkosten: Die Umstellung auf eine gleichmäßige Produktion wird sicherlich die mit einer saisonalen Belegschaft verbundenen Einstellungskosten verringern, aber es ist zu prüfen, wie dies im Vergleich zu den Kosten für die Haltung zusätzlicher Bestände steht.
• Ungewisse Nachfrage: Die vielleicht größte Herausforderung ist die Abhängigkeit des Umsatzwachstums von Modespielzeug / saisonalen Artikeln. Wenn wir ein Spielzeug entwickelt, das sich als Flop erweist, bleibt bei einer gleichmäßigen Produktion eine große Menge an wertlosem Inventar übrig.

Im Rahmen dieses Experiments haben wir nicht genügend Informationen, um das Risiko von Modespielzeug für unser Geschäft zu beurteilen, aber es gibt genügend Informationen, um die ersten beiden oben genannten Punkte zu untersuchen.

Der derzeitige Produktionsansatz von Play Time besteht darin, auf eine Kundenbestellung zu warten und diese Bestellung dann so schnell wie möglich durch das Produktionssystem zu schieben. Dieser Ansatz erfordert, dass das Unternehmen über eine beträchtliche Überkapazität verfügt, die nur während der Weihnachtszeit genutzt wird, und jedes Jahr müssen Zeitarbeiter eingestellt und geschult werden, die die Qualitätsstandards erfüllen können. Um aus diesem Kreislauf auszubrechen, überlegt Play Time zu einer gleichmäßigen Produktions überzugehen, in der das Unternehmen im Laufe des Jahres in einem relativ gleichmäßigen Rhythmus produziert und einen Bestand aufbaut, der in der Hochsaison abverkauft werden kann. Abbildung 2 vergleicht die Auswirkungen dieser beiden Ansätze auf den Kassenbestand, den Lagerbestand und die Kreditlinie/Verbindlichkeiten von Play Time bei der Bank.

Die grundlegenden Unterschiede zwischen den beiden Ansätzen sind in Abbildung 2 gut zu erkennen. Im ersten Szenario bei dem wir nur Produzieren, wenn wir einen Auftrag bekommen, bleiben die Bestände konstant. In der ausgeglichenen Produktionsumgebung sammeln sich die Bestände an, bis sie in der Weihnachtssaison abverkauft werden.

Außerdem sind die Auswirkungen auf das benötigte Betriebskapital sofort ersichtlich. Im Fall der Auftragsproduktion wird unsere Kreditlinie nur während der Hochsaison benötigt, wenn die Kund:innen große Bestellungen aufgeben, aber erst 1-2 Monate später zahlen.

Im Szenario mit gleichmäßiger Produktion wird die Kreditlinie bereits im dritten Monat in Anspruch genommen, im sechsten Monat wird das Limit überschritten, und es ist unklar, ob wir in der Lage sein werden, die Anforderung der Bank zu erfüllen, mindestens einen Monat im Jahr einen Nullsaldo zu halten. Wenn wir also auf eine flache, ausgeglichene Produktion umstellen wollen, ist so viel Kapital in den Vorräten gebunden, dass wir die Bedingungen für die Kreditlinie mit der Bank neu aushandeln müssten. Macht es für uns Sinn, einen Antrag auf ein höheres Kreditlimit zu stellen? Und wenn ja, wie bekommen wir unseren Bankberater dazu, diesen Antrag zu unterschreiben?

Auf den ersten Blick scheint unsere Situation hoffnungslos. In Wirklichkeit ist unser Blickwinkel nur ein bisschen eingeschränkt, da wir zwei extreme Szenarien in Betracht ziehen, die einander entgegengesetzt sind.

Gegenwärtig wird alles auf Bestellung produziert, es werden keine Bestände gehalten. Wir hätten jedoch gerne eine Umgebung, in der das ganze Jahr über mit einer konstanten Rate produziert wird, während gleichzeitig Bestände gehalten werden. Aber was ist mit all den Szenarien, die zwischen diesen beiden Extremen liegen? Was ist, wenn die Produktion drei Monate vor der Hochsaison hochgefahren wird? Wie viel von den Kosteneinsparungen durch die höhere Auslastung und die geringere Saisonabhängigkeit der Produktion würde dies bringen? Die Monte-Carlo-Methode kann auf dieses Produktionszenario von Play Time angewendet werden, um die Auswirkungen verschiedener Produktionspläne auf die Rentabilität des Unternehmens zu bewerten.

Wie kann man in die Zukunft schauen?

Anhand der Bilanz und der Umsatzprognose von Play Time können die Finanzen des Unternehmens, wie z.B. der Bedarf an Betriebskapital und die Lagerbestände berechnet werden.

Wir weisen jedem Monat ein zufälliges Gewicht der Produktionsmenge zu. Die Ergebnisse sind in Abbildung 3 zusammengefasst. Die beiden oben genannten Extremszenarien sind gekennzeichnet. Jedes zufällige Ergebnis wird auf dem Koordinatensystem dargestellt. Hierbei werden der Nettogewinn auf der linken Seite, die Nutzung unserer Kreditlinie unten und unser Lagerdurchlauf auf der rechten Seite als Faktoren berücksichtigt.

Die voraussichtliche finanzielle Leistung und der Bedarf von Play Time Toy Co für eine Reihe von Möglichkeiten.

Anhand dieser Ergebnisse können wir erkennen, dass es zwischen den beiden Optionen, die wir in Betracht ziehen, eine Vielzahl von Produktionsplänen gibt. Allerdings auch, dass unser Net Profit damit zusammenhängt, wie hoch unser Durchlauf in unserem Lager ist.

Interessant ist die Beobachtung der Grenze, bei der der Nettogewinn für ein bestimmtes Niveau der Kreditnutzung maximiert wird (die sog. efficient frontier ist übrigens auch ein spannendes Konzept, wenn es darum geht wie Ihr Euer Aktienportfolio aufstellst). Wir müssen also feststellen, dass unsere Idee einer gleichmäßige Produktion weit von dieser Grenze entfernt ist. Unser schöner Plan, das ganze Jahr lang gleichmäßig zu produzieren ist also für das Betriebsergebnis weder optimal noch effizient, selbst wenn wir in der Lage sind, neu mit der Bank zu verhandeln. Welche Optionen haben wir noch?

Abgesehen von der reinen Auftragsfertigung gibt es viele Optionen, die die Saisonabhängigkeit der Produktion verringern, aber keine Neuverhandlungen mit der Bank erfordern. In der Abbildung unten siehst du die unterschiedlichen monatlichen Szenarien in einer Gegenüberstellung von Cost of goods sold (COGS) und Produktionsniveau.

Wir stellen fest: make to order übertrifft alle anderen Optionen in Bezug auf die Rentabilität und Unit Economics. Es ist ferner deutlich zu erkennen, dass der Bedarf an Betriebskapital steigt, je früher im Jahr die Produktion verlagert wird. Da dieses Kapital aus der Kreditlinie stammt, schmälern die Zinszahlungen die Gewinnspanne und reduzieren die Gesamtrentabilität von Play Time.

Bei der Produktionsplanung müssen wir eine Reihe möglicher Szenarien bewerten, um den Ansatz zu finden, der die Ziele unseres Unternehmens am besten in Einklang bringt. Insbesondere gibt es eine Grenze, an der die Rendite des investierten Kapitals maximiert wird, wir sollten also sicherstellen, dass wir diese Grenze dabei berücksichtigen, wenn wir uns überlegen, wie viel wir vorproduzieren bzw. Lagern wollen. Im Fall von Play Time würde der Bedarf an Betriebskapital bei weiterem Wachstum den von der Bank zur Verfügung gestellten Kreditrahmen übersteigen.

Mit welchen ERP-Systemen kann ich Predictive Analytics nutzen? 

Wir sehen also, dass wir mittels Forecasting unser Predictive-Analytics-System dazu nutzen können, bestimmte Szenarien zu planen und somit ein bisschen flexibler auf unvorhersehbare Situationen reagieren können. Microsoft Dynamics 365 Sales bietet in den Paketen Dynamics 365 Sales Premium und Dynamics 365 Sales Enterprise als Predictive-Analytics-ERP-System zum Beispiel das Feature “Umsatzprognosen” was es Euch ermöglicht die folgenden Dinge zu tun:

• Sales-Pipeline Risiken identifizieren
• Die individuelle Verkaufsleistung deines Sales Teams anhand von Quoten verfolgen, und somit in der Lage sein, proaktiv Coaching anzubieten.
• Die Trends und Forecasts nutzen, um Eure Sales- bzw. Revenue-Ergebnisse zu antizipieren und gegebenenfalls Ressourcen neu zuzuweisen.
• Projizierte Schätzungen verwenden, um die Produktstrategie anzupassen oder dein Investoren aktualisierte Projektionen zu übermitteln

Aber auch für dein Marketing kann Microsoft Dynamics 365 Business Central als Predictive-Analytics-ERP-System dir beispielsweise dabei helfen, Lead Scores zu verteilen und dadurch auch die Effizienz deines Media Mixes, bzw. Deiner Marketing-Aktivitäten zu erhöhen.

In Dynamics könnt Ihr unter Einstellungen > Lead Management > Bewertungs-Konfiguration. Die Automatisierte Marketings-Qualifikation einstellen, die es Euch erlaubt mittels des Predictive Analytics den Lead-to-Opportunity-Prozess zumindest teilweise und anhand einer vom Lead-Scoring-Modell generierten Punktzahl zu automatisieren.

In Short können Euch Microsoft Dynamics 365 mit Predictive Analytics also dabei helfen, Euch von Eurem Forecasting-Spreadsheet zu verabschieden und mittels der lernenden Prognosefunktion Euren Marketing- und Sales- Prozess effizienter und automatisierter zu gestalten. Mit Hilfe dieser Prognosen könnt Ihr Eure Ressourcen besser verteilen, Eure Strategie an unvorhergesehene Umstände anpassen und den Sales-Mitarbeitern, die es brauchen, wichtige Unterstützung und Insights bieten. Außerdem finden Eure investoren, Euer CEO, oder Euer Head of Marketing es bestimmt toll, wenn Ihr Ihnen einen “Blick in die Kristallkugel” gebt und automatisierte, robuste Prognosen liefert. Templates dazu gibt es hier.

In diesem Blogpost von Microsoft erfahrt Ihr, wie Ihr mit Power BI und Dynamics 365 das volle Potential von Predictive-Analytics-ERP-Systemen ausschöpfen könnt. Microsoft Dynamics 365 Business Central ist eine Standardsoftware für ERP-Systeme und ist als Business-Management-Lösung in der Cloud oder On-Premises verfügbar. Unternehmen können mit der erweiterbaren Software ihre Betriebsabläufe abteilungsübergreifend vernetzen. Die Funktionen sind kategorisiert nach Finanzmanagement, Vertriebs- und Servicemanagement, Projektmanagement, Supply Chain Management, Produktion und Warenwirtschaft, Reporting und Echtzeit-Analysen.

Predictive Analytics ERP made in Germany

Es gibt allerdings auch Predictive Pnalytics made-in-Germany. SAP HANA Cloud und SAP Analytics Cloud können Euch dabei unterstützen, einen Forecast für Euren Market Share zu erstellen. Mit Hilfe von Machine Learning / Predictive Analytics werden die Genauigkeit der Marktanteilsprognosen verbessert und ermöglichen Euch eine sehr granulare Segmentierung. In einem Dashboard können Nutzer:innen genaue Prognosen erstellen und Trends und Umsatzströme schnell erkennen.

Die Benefits für Euer Team?

• Weniger manueller Aufwand und Excel Tabellen
• Mehr Präzision in deinen Forecasts, da diese nicht mehr Anfällig sind für “human error”
• Einfacher Zugang zu den Informationen, die übersichtlich in einem Dashboard dargestellt sind
• Recyclebares Projekt Setup, das Ihr auch für ander Use-Cases wiederverwenden könnt

In einer 10 Teiligen Blogpost Serie könnt Ihr sehr granular sehen, wie Ihr Predictive Analytics ERP in Euer laufendes SAP Setup itegriert. SAP S/4HANA bezeichnet sich selber als ‚intelligentes ERP-System‘ mit integrierter KI sowie maschinellem Lernen. Die Software soll Geschäftsprozesse mit intelligenter Automatisierung transformieren und effizienter gestalten können und läuft in SAP HANA (in-memory-Datenbank). Die Funktionen sind kategorisiert in Anlagenverwaltung, Finanzwesen, Fertigung, F&E und Konstruktion, Vertrieb, Service, Einkauf und Lieferkette. Die Software ist verfügbar on-premise, in einer öffentlichen oder privaten Cloud oder in einer hybriden Umgebung. Hier geht’s zu allen Reviews und Erfahrungsberichten.

Welche weiteren ERP-Systeme bieten Predictive Analytics an?

Bilbee gehört als mit den Auszeichnungen “Top Rated ERP Systems” und “Leader ERP Systems” Q1/22 mit Sicherheit auf diese Liste. Die Funktionen von Billbee umfassen die Auftragsabwicklung mit (automatischen) Erstellung von Auftragsdokumenten, den Zahlungsabgleich, die Versandabwicklung oder auch den E-Mail-Versand an Kund:innen. Weiterhin können Nutzer:innen ihren Artikel- und Lagerbestand zentral verwalten und kanalübergreifend abgleichen. Eine flexible Automatisierung unterstützt bei der Steuerung von Workflows und Prozessen, wobei die Automatisierungsregeln individuell an die eigenen Bedürfnisse angepasst werden können. Eigenen Angaben zufolge nutzen Billbee über 10.000 Händler:innen monatlich. Der monatliche Preis des Self-Service Tools richtet sich nach der Anzahl der Bestellungen. Hier geht’s zur Review.

Oracle NetSuite ist eine cloudbasierte ERP-Software, die ihren Nutzer:innen dabei helfen soll, Wachstum zu erzielen und Innovationen voranzutreiben. Zu den Hauptfunktionen der Software gehören Finanzmanagement, Auftragsverwaltung, Fertigungsmanagement, Supply-Chain-Management, Lagerhaltung, Lagermanagement und Beschaffung. Außerdem enthält die NetSuite eine integrierte Business Intelligence, in der Daten in einem Dashboard erfasst und umsetzbare Business Insights entnommen werden können. Oracle NetSuite kann je nach Wachstum des Unternehmens mit Funktionen ergänzt und beliebig angepasst werden. Beispielsweise durch das Integrated Budgeting, Planning and Forecasting Modul welches dir Reportings und Analysen wie im obigen Beispiel ermöglicht. Hier geht’s zur Review.