Geringe Lieferzeit verringert Rücksendequote
31.01.2022
Die diesjährigen Gewinner der Data Mining Challenge sind Simon Dammann und Edward Reißig (v.l.).
Für die Data Mining Challenge 2021/22 mussten Studierende der Veranstaltung Data Mining im Studiengang Wirtschaftsinformatik die Rücksendungen mit Hilfe von Daten eines Online-Shops prognostizieren. Mit einer guten Prognose können Kunden, die wahrscheinlich Artikel zurücksenden werden, bereits bei Bestellung auf einen Versandkostenbeitrag im Falle einer Rücksendung hingewiesen werden. Dies senkt die Kosten und spart CO².
Die Studierenden lernen im Rahmen der Veranstaltung Data Mining von Professor Klingert an praxisorientierten Beispielen verschiedene Verfahren zur datenbasierten Prognose, dem sogenannten Predictive Analytics, kennen.
Die diesjährigen Gewinner der Data Mining Challenge sind Edward Reißig und Simon Dammann. Ihr Prognosemodell konnte die Rücksendungen besser vorhersagen als alle anderen abgegebenen Modelle. Dabei konfigurierten die beiden Wirtschaftsinformatiker nicht nur den Algorithmus, sondern leiteten aus den bestehenden Variablen sinnvolle weitere Variablen ab, die die Prognosegüte weiter verbesserten. Eine wichtige Variable für die Rücksendungen war die Lieferzeit, die die beiden Studierenden aus dem Bestelldatum und dem Lieferdatum erst ableiten mussten. Lieferungen, die länger zum Kunden brauchen, werden auch häufiger zurückgesendet.
Der Online-Shop sollte sich also um einen zügigen Versand mit einem verlässlichen Logistikanbieter bemühen, um damit auch die Quote der Rücksendungen zu reduzieren.
