Projektvorstellung für den HS-KL Hackathon 2019
Stand: 4.1.2019
Autoren: Holger Wittmer (SAP), Adrian Müller (HS-KL), Markus Welter (SAP), Adam Ebert (SAP)
Tags: Digitalisierung, App Design, Retail, Data Mining

Intelligenter Einkaufsassistent

Ziel ist das Design- und/oder ein Funktions-Prototyp eines aktiven Vorschlage System, das selbstständig auf der Basis des individuellen Verbrauchsverhaltens geeignete Konsum-Vorschläge ausspricht.

Datensätze eines amerikanischen Retailers können zur Verfügung gestellt werden.

 

 

Kurzbeschreibung

Das Projekt zielt auf eine Endkonsumenten Mobil App, mit der/die EinkäuferIn ungeplante Einkäufe auf Grund vergessener Artikel beim letzten Einkauf minimiert bzw. komplett vermeiden kann.

Für eine Technisch / Design / Konstruktiv orientierte Umsetzung sind folgende Fragestellen interessant:

  • Usability: Wie muss eine digitale Einkaufsliste funktionieren, um den Klassiker (Stift+Papier) abzulösen? Wo sind die Mehrwerte; wo die Nachteile?
  • Abstraktion: Wie detailliert müssen Einkaufsvorschläge sein?
  • Data Mining: Welche Algorithmen (Clustering, PCA, Neuronale Netze) sind für eine Umsetzung geeignet? Wie strukturieren wir die „rohen“ Einkaufsdaten?

Für eine Betriebswirtschaftlich / Marketing orientiere Umsetzung sind folgende Fragestellen interessant:

  • Haushalt: Wo sind die Probleme im Haushalt? Welche Produkte werden oft vergessen/zu viel gekauft und warum (z.B. Sichtbarkeit?)? Was wird weggeschmissen und warum?
  • Security: Sind Nutzer bereit, ihre sensiblen Einkaufsdaten für einen solchen Zweck zur Verfügung zu stellen?
  • Einkaufsplanung aktuell: Wie werden momentan Einkäufe vor- und nachbereitet? Wie werden Einkaufslisten geschrieben? Wie wird mit Fehleinkäufen umgegangen?
  • Einkaufsroutinen: Wer geht wann, wo und warum einkaufen?
  • Produktisierung: Wie würden Retailer den Vorschlag-Service bewerten? Worin sehen sie den Mehrwert und wie würden sie das „forecasting“ nutzen (z.B. Kundenservice, personalisierte Werbung, …)? Würden Retailer kooperieren, um Kunden einen besseren Service bieten zu können („data pooling“)?

Projektpate, ggfs. Industriepartner, Studentische Gruppe o.a.

Markus  Welter Development Manager
Product &Innovation, Logistics: Transportation Management
SAP SE Neue Bahnhofstrasse 21 , 66386 St. Ingbert Germany

Fachliches Interesse, Vorwissen für dieses Projekt, Teamgröße

Es gibt zwei Ausgestaltungsmöglichkeiten des Projektes:

  • Marketing orientiert, Anwendung und Benutzerprofile identifizieren. Potentielle Teammitglieder: DMM Studierende
  • technisch und funktional orientiert, Prototypen Entwicklung durch AI oder MI Studierende
  • und natürlich gemischt, mit entsprechenden Anteilen

Ressourcen und Arbeitsmittel die für das Projekt erforderlich sind

Datensatz


Instacart ist ein US online retailer für „same day grocery deliveries“; sprich, Kunden bestellen online und ein „Shopper“ bringt ihnen die Bestellung meist noch am selben Tag vorbei. Der Datensatz https://www.kaggle.com/c/instacart-market-basket-analysisist sehr gut aufbereitet! Damit kann man direkt loslegen ohne sich noch mit kryptischem „data cleaning“ rumzuschlagen. Auf kaggle gibt es sowohl „Open Source“ Lösungen, als auch hilfreiche Diskussionen im Forum.

Der Datensatz entstammt einer kaggle challenge: https://www.kaggle.com/c/instacart-market-basket-analysis

Was geschieht nach dem Projekt mit den Ergebnissen?

Die Ergebnisse können als Grundlage für eine weitere, wiederkehrende Zusammenarbeit, beispielsweise im Rahmen von Master Projekten und –Arbeiten, oder Projekten im Bachelor dienen.

Vorbesprechung, Unterlagen zum Kennenlernen

Vergleichbare Applikationen

Vergleichbare Applikationen sind prinzipiell alle digitalen Einkaufslisten. Manche starten schon erste Versuche, den Nutzer intelligent zu unterstützen.

Kontakt

E-Mail: markus.welter@sap.com , adrian.mueller@hs-kl.de


Teile diese Seite