Schlechte Produktdaten tauchen selten als eigene Position im Budget auf. Häufiger stecken sie in der Arbeit rund um das Produkt: Informationen werden doppelt erfasst, Fragen wandern zwischen Abteilungen hin und her, Fehler fallen erst auf, wenn die Information schon gebraucht wird, und Entscheidungen werden später getroffen, als eigentlich nötig.
Einzeln betrachtet wirken diese Dinge klein, aber über eine ganze Kollektion hinweg summieren sie sich.
CMO und ESG Expert bei Delogue, Anja Padget, hat sich kürzlich mit Nicklas Vad, Head of Buying bei WHEAT und Rethinkit Studios, zu einem Webinar darüber zusammengesetzt, was schlechte Produktdaten Modemarken wirklich kosten und was sich ändert, sobald mehr Struktur einzieht.
Für WHEAT kommt dieses Gespräch aus eigener Erfahrung. In den letzten Jahren hat die dänische Kindermode-Marke überdacht, wie Produktinformationen zwischen Menschen, Lieferanten und Systemen fließen. Und ihr Ausgangspunkt dürfte vielen Modemarken bekannt vorkommen.
Bevor WHEAT begann, mehr Struktur in seine Produktdaten zu bringen, fehlte das Wissen nicht zwangsläufig. Designer kannten die Kollektion, die Schnittentwicklung hatte die Maße, der Einkauf hielt einen Großteil der Lieferanteninformationen, während Marketing und Vertrieb mit dem arbeiteten, was sie weiter unten in der Kette brauchten.
Die Herausforderung war, dass ein Großteil dieses Wissens bei einzelnen Personen lag, verteilt auf verschiedene Dateien, Systeme und Spreadsheets.
„Wir hatten Informationen verteilt in verschiedenen Teilen des Unternehmens, vor allem bei den Menschen, die mit den Daten gearbeitet haben", erklärt Nicklas.
Das kann funktionieren, solange alle wissen, wohin sie sich wenden und wen sie fragen müssen. Aber mit dem Wachstum eines Unternehmens wächst auch die Menge an Informationen, und zu wissen, dass die Antwort irgendwo existiert, reicht dann nicht mehr aus.
Vor rund zwei Jahren begann WHEAT, mit Delogue PLM eine strukturiertere Grundlage für die Produktentwicklung zu schaffen. Das ließ nicht über Nacht jedes Spreadsheet verschwinden oder jede Datenherausforderung auf einen Schlag lösen, aber es gab dem Team einen gemeinsamen Ort, um Produktinformationen aufzubauen und den Umgang damit konsistenter zu gestalten.
Denn verstreute Informationen führen nicht nur zu einem ineffizienten internen Prozess. Wenn die richtigen Stammdaten nicht verfügbar sind, sobald ein Key Account sie braucht, kann das am Ende zu einer echten Verkaufsbarriere werden.
Wie Nicklas es ausdrückt: „Intern liegt die Arbeitslast sehr stark bei den Menschen, die sie erledigen, aber am Ende zahlt das Unternehmen."
Ein aktuelles Beispiel bei WHEAT zeigt, wie schnell aus etwas vergleichsweise Kleinem eine viel größere Aufgabe werden kann. Für die technische Outerwear musste WHEAT sicherstellen, dass Angaben zu Atmungsaktivität und Wasserdichtigkeit korrekt auf den Produkten erscheinen. Die Hangtags vom Lieferanten stimmten jedoch nicht mit den andernorts erfassten Informationen überein.
Das Team stand plötzlich vor einer einfachen, aber wichtigen Frage: Welche Information war eigentlich richtig? Die Antwort zu finden bedeutete, die Informationen erneut durchzugehen, bei Lieferanten nachzufragen, bereits erfasste Daten zu prüfen und sie gegebenenfalls an mehreren Stellen zu korrigieren. „Es ist manuelle Arbeit, alles doppelt durchzugehen, und das kalkuliert man eigentlich nicht mit ein", sagt Nicklas.
Genau hier wird es wichtig, Produktinformationen strukturiert in Delogue zu halten. Das Ziel ist nicht, einfach mehr Daten zu speichern, sondern einen Ort zu schaffen, an dem alle, die am Produkt arbeiten, Informationen während der gesamten Entwicklung finden, hinzufügen und validieren können, statt sie erst zusammenzusuchen, wenn sie plötzlich gebraucht werden.
Aber die Kosten schlechter Produktdaten liegen nicht nur im Korrigieren von Fehlern. Manchmal geht es darum, die richtige Information zu spät zu finden. Nicklas nennt als Beispiel eine gelbe Leggings.
Betrachtet man nur einen Teil des Verkaufsbilds, schien die Leggings gut zu laufen, weil Händler sie einkauften. Doch die Sell-out-Daten erzählten eine andere Geschichte: Konsumenten kauften sie nicht. Das Timing spielt eine Rolle, weil WHEAT, wie die meisten Modemarken, mehrere Kollektionen im Voraus arbeitet. Bis die Performance einer Kollektion klar wird, kann derselbe Style bereits in die nächsten zwei übernommen worden sein.
Zu diesem Zeitpunkt sind vielleicht schon Tech Packs erstellt, Lieferanten kontaktiert, Packshots gemacht und Stoffe sowie Zutaten bestellt worden. Was früher im Prozess eine vergleichsweise günstige Entscheidung hätte sein können, hat bereits Kosten und Arbeitsaufwand angehäuft.
Wenn die richtigen Daten früher verfügbar sind, kann WHEAT diese Entscheidung früher treffen.
Eine der größten Veränderungen bei WHEAT betrifft deshalb weniger die Menge der gesammelten Daten als vielmehr, wann die Arbeit passiert. Verkaufsdaten können Designer beeinflussen, bevor die nächste Kollektion Form annimmt, statt Änderungen zu erzwingen, wenn die Entwicklung schon läuft. Produktinformationen können mit der Entwicklung des Produkts wachsen, statt am Ende in einem großen Paket gesammelt zu werden, während Lieferanten Informationen näher an ihrer Quelle beisteuern können.
Delogue trägt zu dieser gemeinsamen Grundlage bei, indem die Informationen rund um das Produkt selbst aufgebaut und den Menschen zugänglich gemacht werden, die damit arbeiten müssen. Das nimmt nicht die Arbeit, die in guten Produktdaten steckt, aber es verschiebt einen großen Teil davon an einen sinnvolleren Zeitpunkt. WHEAT sieht bereits weniger Last-Minute-Nachfragen, Doppelerfassungen und Korrekturen, einfach weil Informationen zunehmend früher im Prozess bearbeitet werden.
Und laut Nicklas ist mehr Struktur nicht auf Kosten der Kreativität gegangen.
Wenn die Daten bereits zeigen, welche Farben gut laufen, welche Produkte nachbestellt werden sollten und welche Styles sich nicht bewegen, müssen Designer nicht mehr so viel Zeit damit verbringen, Entscheidungen neu zu treffen, auf die das Unternehmen längst eine Antwort hat. Oder, in Nicklas' Worten: „Nutzt die Kreativität dort, wo sie wirklich Spaß macht."
Der Bedarf an guten Produktdaten wird nicht kleiner. Key Accounts fordern detailliertere Stammdaten, Anforderungen rund um Rückverfolgbarkeit und den Digital Product Passport entwickeln sich weiter, und ein Großteil der Informationen, die Marken brauchen, entsteht weiter hinten in der Lieferkette.
Bei WHEAT hilft Delogue dabei, Lieferanten in diesen Ablauf einzubinden, sodass sie Informationen beisteuern können, die sie besser bereitstellen können, während WHEAT prüft, was zurückkommt. Aber Nicklas weist auch darauf hin, dass nicht nur Marken mit wachsenden Datenanforderungen zu kämpfen haben. „Wenn wir schon finden, dass es im Büro viele Daten sind, muss es für die Lieferanten verrückt sein, denn sie bekommen dieselbe Anfrage wie wir und wissen nicht, warum sie das machen müssen."
Und jetzt liefert KI (AI) einen weiteren Grund, die Grundlage richtig zu legen. WHEAT untersucht bereits, wie KI helfen könnte, bestehende Produktinformationen anzureichern, statt sie nur zu validieren, aber ob die nächste Anforderung von KI, von der Gesetzgebung oder von einem Key Account kommt: Im Kern läuft vieles auf dasselbe hinaus, strukturierte und verlässliche Produktdaten.
WHEAT stellt sich nicht als Marke dar, die die gesamte Herausforderung bereits gelöst hat. Es gibt weiterhin Prozesse zu verbessern, Integrationen zu bauen und Arbeit im gesamten Unternehmen und seinem Lieferantennetzwerk zu erledigen. Nicklas' Rat ist einfach: „Schritt für Schritt."
Die erste Kollektion erfordert Arbeit, aber die nächste startet nicht bei null. Sobald Stoffe, Zutaten, Styles und wiederkehrende Produktinformationen anfangen, sich zu einer Bibliothek in Delogue aufzubauen, lässt sich diese Grundlage Saison für Saison wiederverwenden.
Denn am Ende geht es beim richtigen Umgang mit Produktdaten nicht darum, so viel Information wie möglich zu sammeln. Es geht darum, die richtige Information verfügbar zu haben, wenn sie gebraucht wird, damit Teams weniger Zeit mit Suchen, Korrigieren und Wiederholen verbringen, und mehr Zeit damit, das Produkt voranzubringen.
Jeden Monat veranstalten wir ein Webinar, oft in Zusammenarbeit mit unseren IT-Lösungspartnern und führenden Marken der Branche. Die Themen wechseln, aber eines bleibt gleich: Wir wollen die Herausforderungen der Modeindustrie greifbarer machen und unsere Sicht auf praxisnahe Lösungen teilen.
Entdeckt das Webinar dieses Monats über den Button unten.