Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/306387 
Erscheinungsjahr: 
2022
Quellenangabe: 
[Journal:] HMD Praxis der Wirtschaftsinformatik [ISSN:] 2198-2775 [Volume:] 60 [Issue:] 1 [Publisher:] Springer Fachmedien Wiesbaden GmbH [Place:] Wiesbaden [Year:] 2022 [Pages:] 132-143
Verlag: 
Springer Fachmedien Wiesbaden GmbH, Wiesbaden
Zusammenfassung: 
Die Anzahl der Bestellungen im B2C-E-Commerce nimmt stetig zu und so auch die Anzahl der Retouren (vgl. Asdecker et al. 2021, S. 606). Bei einigen Online-Shops wurde dieses Wachstum durch die Corona-Pandemie begünstigt, was dazu führte, dass die logistischen Prozesse dem starken Anstieg der Bestellungen und Retouren nicht mehr gewachsen sind. Vor allem kleine Unternehmen mit nicht-digitalisierten Prozessen haben Schwierigkeiten, sich diesen Herausforderungen zu stellen und effizient und wirtschaftlich zu arbeiten. In einer Case Study wird das Retourenlager eines kooperierenden B2C-Onlineshops für Möbel und Wohnaccessoires analysiert und im Hinblick auf den Prozess des Retoureneingangs und der -bearbeitung optimiert. In einem ersten Schritt werden mittels Frequent Itemset Mining häufig auftretende Retouren-Charakteristika identifiziert. Aufgrund der gewonnenen Erkenntnisse werden Klassen gebildet, in die eintreffende Retouren eingeordnet werden. Die Lagermitarbeitenden werden bei dieser Vorsortierung durch einen implementierten Prototyp unterstützt, der eingehende Retouren anhand der Daten aus dem ERP-System gezielt sortiert. Durch die entsprechende Abarbeitung der Retouren ergibt sich eine deutliche Verbesserung der Prozesse gegenüber der aktuell umgesetzten FIFO-Abarbeitung.
Schlagwörter: 
Big Data
E‑Commerce
Retourenmanagement
Case Study
Prozessoptimierung
Big Data
E‑Commerce
Returns Management
Case Study
Process Optimization
Persistent Identifier der Erstveröffentlichung: 
Creative-Commons-Lizenz: 
cc-by Logo
Dokumentart: 
Article
Dokumentversion: 
Published Version

Datei(en):
Datei
Größe





Publikationen in EconStor sind urheberrechtlich geschützt.