1. Wat is de waarde van historische data?
Door inflatie, de oorlog in Oekraïne en andere disrupties, is de consumentenvraag zeer grillig. Verkoopcijfers en data uit het verleden verliezen hun voorspellende kracht. De marktinformatie en data van klanten worden juist relevanter. Een voorbeeld zijn de geplande promoties bij retailers. Omdat die voor enorme pieken in de vraag zorgen is het zaak dat supply chain afdelingen hier op tijd van op de hoogte zijn.
Daarom adviseert Slimstock om externe data een expliciet onderdeel van het forecastproces te laten zijn. Actiekalenders en forecastcijfers van retailers moeten snel en goed in planningsystemen worden verwerkt. Voor grote klanten is het verstandig om de inkoopforecasts die zij aanleveren, te vergelijken met de eigen forecast. Laat een planner of verkoopmedewerker de verschillen beoordelen en pas hier indien nodig de eigen forecast op aan.
Combineer het beste van twee werelden: grote klanten forecast je op artikel-/klantniveau en de rest van de vraag voorspel je op artikelniveau”
2. Op welk niveau ga je forecasten?
Een andere afweging die gemaakt moet worden is op welk niveau je de vraag gaat voorspellen: bereken je in één keer de totale vraag of de vraag per artikel of klant? ‘Hoe gedetailleerder, hoe beter’, hoor je soms, maar dat is niet altijd het geval. Een forecast op klant-/artikelniveau kost planners veel tijd en vergroot de kans dat ze zich in details verliezen. Op dit niveau zijn er ook minder data beschikbaar, waardoor de statistische forecast minder betrouwbaar wordt.
Slimstock adviseert om het forecastproces zo te organiseren dat je optimaal gebruik maakt van datagedreven voorspellingsmodellen en tegelijkertijd zo praktisch mogelijk de marktkennis van commerciële mensen benut. Combineer het beste van twee werelden: grote klanten forecast je op artikel-/klantniveau en de rest van de vraag voorspel je op artikelniveau. Grote klanten die wekelijks bestellen, zijn namelijk prima statistisch te forecasten en verdienen aandacht van sales. Kleinere klanten, die minder vaak bestellen, kun je beter op een hoger niveau forecasten.
3. Hoe reageer je op afwijkingen?
Promoties en feestdagen zorgen voor fikse uitschieters in de vraag. Die wil je niet alleen goed kunnen voorspellen, je moet ze ook herkennen en er gepast op reageren. Optimaal reageren op afwijkingen vergt een uitgekiende wisselwerking tussen mens en systeem. Planners zijn schaars en moeten hun tijd efficiënt besteden.
Slimstock adviseert management by exception toe te passen. Routinematige beslissingen worden geautomatiseerd en afwijkingen met grote impact worden door menselijke planners opgepakt. Een planningssysteem dat afwijkingen herkent, prioriteert en aan de juiste persoon toewijst, biedt hierbij uitkomst.
Dit artikel is gesponsord door Slimstock.
