10
Die Planung des Produktmix ist in der System-
gastronomie eine Herausforderung für den
Controller, denn bei der Entscheidung für einen
Restaurantbesuch und der Wahl der Produkte
werden Kunden durch vielfältige Faktoren be-
einflusst. Diese Faktoren sind schwer greifbar
und überlagern sich typischerweise. Dazu zäh-
len unter anderem Einflüsse wie der Wochen-
tag, die vorhandene Kaufkraft, der Standort
des Gastronomiebetriebes und nicht zuletzt das
Wetter. Für eine möglichst exakte Umsatz- und
Rohertragsplanung ist die Planung des Pro-
duktmix jedoch eine notwendige Vorausset-
zung. Zudem können durch das Verständnis
der Einflussfaktoren unternehmerische Ent-
scheidungen gestützt werden.
Um die sich überlagernden Faktoren bewerten
und eine Mengenplanung erstellen zu können,
benötigt der Controller unterstützende Werk-
zeuge. Aufgrund der Vielzahl an Faktoren und
deren komplexem Zusammenspiel bieten sich
Verfahren aus dem Bereich Predictive Analytics
an. Predictive Analytics ist ein weit gefasster
Oberbegriff für Methoden, die aus historischen
Beobachtungen Erkenntnisse ableiten, um das
zukünftige Verhalten von Individuen besser
vorhersagen zu können (Siegel 2013). In der
Systemgastronomie sind die verkauften Einhei-
ten eines Produktes pro Tag und Filiale, soge-
nannte „Units/Store/Day“ (USD), die Kenngröße
zur Messung und Planung der Produktverkäufe.
Auch McDonald’s Deutschland steht vor der
Herausforderung, USDs auf Produktebene
möglichst exakt zu planen. Dies ist wichtig u. a.
zur Sicherstellung der Produktverfügbarkeit so-
wie aufgrund der Verderblichkeit von Lebens-
mitteln und der mit Fehlplanungen einherge-
henden potentiellen Zusatzkosten. McDonald’s
Deutschland hat im Laufe der letzten Jahre
erste Erfahrungen mit dem Einsatz von Predic-
tive Analytics zur Prognose der deutschland-
weiten Tagesumsätze gemacht. Dieser Artikel
erläutert das Vorgehen sowie die Chancen und
Herausforderungen, die sich durch den Einsatz
von Predictive Analytics ergeben haben.
Einstieg über ein Prozessmodell
Um einen erfolgreichen Einstieg in das Thema
Predictive Analytics gewährleisten zu können,
wird empfohlen, sich anhand eines Prozessmo-
dells einen Überblick über die Produktmix-Pla-
nung zu verschaffen. Als Prozessmodell wird
hier das Cross-industry standard process for
data mining (CRISP-DM) gewählt. Dieses wur-
de von einem Konsortium von Daimler Chrysler
(heute Daimler AG), SPSS und NCR entwickelt
(Xia et al. 2014). Es handelt sich um ein bran-
chenübergreifendes Modell, welches für Data
Mining benutzt wird. Im weiteren Sinne ist das
Data Mining ein Bestandteil von Predictive Ana-
Predictive Analytics als Ansatz für die Produktmix-
Planung bei McDonald’s Deutschland
von Benedikt Horstenkamp und Viktoria Göbel
Predictive Analytics bei McDonald’s
