Von Inventurdaten zum dynamischen Markt-Ranking

Ein reiner Vergleich des absoluten Warenverlustes wäre wenig aussagekräftig. Ein großer, umsatzstarker Markt kann naturgemäß einen höheren absoluten Warenverlust aufweisen als ein kleiner Standort.

Umgekehrt kann ein kleiner Markt trotz eines geringeren absoluten Verlustes im Verhältnis zu Umsatz oder Verkaufsfläche deutlich auffälliger sein.

Ziel war deshalb eine Bewertungslogik, die mehrere Perspektiven miteinander verbindet und dadurch eine differenziertere Beurteilung der Märkte ermöglicht.

Eine Besonderheit des Modells war die dynamische Berechnung des nationalen Durchschnitts.

Zu Beginn des Geschäftsjahres bestand die Vergleichsgruppe nur aus den Märkten, deren Inventur bereits abgeschlossen war.

Kam eine weitere Inventur hinzu, wurden die Durchschnittswerte automatisch neu berechnet. Dadurch veränderte sich während des Jahres auch die Benchmark.

Das Ranking stellte somit keine statische Momentaufnahme dar, sondern entwickelte sich mit dem tatsächlichen Inventurfortschritt des Geschäftsjahres weiter.

Für jede der vier Kategorien wurde ermittelt, wie stark ein Markt vom jeweils aktuellen nationalen Durchschnitt abwich.

Die Märkte wurden anschließend innerhalb jeder Kategorie entsprechend ihrer Ergebnisse bewertet. Die maximal erreichbare Punktzahl je Kategorie entsprach dabei der Anzahl der zu diesem Zeitpunkt bereits abgeschlossenen Inventuren.

Beispiel: Waren 18 Inventuren abgeschlossen, konnte der beste Markt einer Kategorie maximal 18 Punkte erhalten. Waren später 51 Inventuren abgeschlossen, erhöhte sich die maximal erreichbare Punktzahl auf 51 Punkte. Der jeweils schwächste Markt erhielt einen Punkt.

Die Punkte der vier Kategorien wurden anschließend zu einer Gesamtpunktzahl addiert. Daraus entstand automatisch die Gesamtrangfolge der Märkte — je höher die Gesamtpunktzahl, desto besser die Platzierung.

Neben dem aktuellen Gesamtrang wurde auch die Platzierung des Vorjahres dargestellt.

Dadurch ließ sich erkennen, wie sich ein Markt im Vergleich zum vorherigen Geschäftsjahr entwickelt hatte.

Das Ranking konnte somit nicht nur aktuelle Auffälligkeiten sichtbar machen, sondern auch positive oder negative Entwicklungen einzelner Standorte verdeutlichen.

Ziel war nicht, lediglich eine Rangliste von guten und schlechten Märkten zu erzeugen.

Das Modell sollte vielmehr dabei helfen, Auffälligkeiten sichtbar zu machen und Märkte zu identifizieren, bei denen eine intensivere Ursachenanalyse oder operative Begleitung sinnvoll sein konnte.

Gerade durch die Kombination aus prozentualem Warenverlust, absolutem Warenverlust, Verkaufsfläche und Umsatz konnten auch kleinere Standorte sichtbar werden, die bei einer rein absoluten Betrachtung möglicherweise nicht aufgefallen wären.

Dadurch entstand eine datenbasierte Grundlage für die Priorisierung von Märkten und die gezielte Ableitung weiterer Analysen und Maßnahmen.

Die Auswertung war so aufgebaut, dass neue Controlling- bzw. Quartalsdaten in ein separates Tabellenblatt übernommen werden konnten.

Anschließend aktualisierten sich die relevanten Kennzahlen, Vergleichswerte, Punkte und Platzierungen automatisch.

Dadurch konnte dieselbe Logik während des gesamten Geschäftsjahres weiterverwendet werden, ohne das Ranking nach jeder neuen Inventur manuell neu aufzubauen.

Das Modell wurde von mir zunächst als Ansatz für ein bundeseinheitliches Ranking entwickelt. Teile der zugrunde liegenden Ranking- und Bewertungslogik wurden in meiner eigenen sowie vereinzelt in weiteren Regionen genutzt.

Die Case Study zeigt das Vorgehen beispielhaft als Ausdruck meiner Arbeitsweise, Analyse- und Entwicklungskompetenz.