White Paper: Verbesserung der Prognosegenauigkeit Der Best-Practice-Leitfaden zur Verbesserung der Prognosegenauigkeit für Nachfragen innerhalb des Bestandsmanagement

www.eazystock.de

© 2014 EazyStock

Aktuelle Herausforderungen in der Nachfrageprognose Händler und Hersteller sind ständig auf der Suche nach Möglichkeiten, um ihre BestandsManagement-Prozesse zu verbessern. Viele Unternehmen haben immer noch Probleme, eine Balance zwischen Überbestanden, die höhere Kosten verursachen und Unterbeständen, welche zu verfehlten Verkaufschancen führen, zu finden. Ein häufiger Grund ist, dass die meisten ERP-Systeme und Bestands-ManagementLösungen in Bezug auf Nachfrageprognosen, Probleme in den drei folgenden Bereichen haben: • Sie gehen davon aus, dass jede Nachfrage normal verteilt ist • Sie können nicht dynamisch den Produktlebenszyklus verfolgen • Sie gehen davon aus, dass der Sicherheitsbestand normal verteilt ist oder durch eine Deckungsperiode vereinfacht wird In diesem Whitepaper werden wir einerseits die Nachfragetypen analysieren und andererseits die Nachfrage richtig kategorisieren sowie vorhersagen. Unternehmen, welche folgende Nachfragepronosetechniken beherrschen können, werden drastisch ihre Chancen zur Aufrechterhaltung der richtigen Bestandslevel in jedem Warenhausstandort bei ständig wechselnder Geschäftsumgebung verbessern. Durch das Verständnis der Nachfrage werden Unternehmen zudem wettbewerbsfähiger auf dem Markt.

Überbestand?

www.eazystock.de

Seite 1

Nachfrageprognose Eine Nachfrageprognose ist eine geschätze Nachfrage von dem, was erforderlich ist, um Kundenanfragen über einen definierten Zeitraum in der Zukunft zu erfüllen. Wissen über Nachfrageschwankungen ermöglicht es Unternehmen, die richtige Bestandsmenge zu besitzen. Wenn die Nachfrage unterschätzt wird, kann der Umsatz durch fehlende Produkte im Lager verloren gehen und wenn die Nachfrage wiederum überschätzt wird, kann das Unternehmen mit einem Überschuss zurückbleiben, der zu einer finanziellen Belastung wird. Es gibt zwei Hauptgründe für Vorhersagen: 1. Es gibt immer eine Vorlaufzeit zwischen Bestell- und Lieferzeit 2. Aufgrund von Bestellkosten ist es oft notwendig, Bündel statt einzelne Stücke zu bestellen Dies bedeutet, dass Unternehmen ständig nach vorne blicken und Prognosen für zukünftige Nachfragen erstellen müssen, um den beiden Variablen vorweg zu sein. Allerdings reicht es nicht nur aus die Nachfrage hervorzusagen. Es ist genauso wichtig, die Genauigkeit von Nachfrageprognosen zu verstehen, um festzustellen, wie unsicher die Vorhersage ist. Zudem kann durch die Berechnung und das Verständnis der Prognosefehler der Sicherheitsbestand richtig bestimmt werden, was wiederum dazu führt, dass erhöhte Lagerhaltungskosten und verlorene Verkaufsanträge durch fehlende Bestände vermieden werden.

www.eazystock.de

Seite 2

Techniken der Nachfrageprognose Um den Kundenbedürfnissen gerecht zu werden, sind geeignete Prognosemodelle von entscheidender Bedeutung. Die häufigtse Bestands-Nachfrageprognosenmethode ist ein Hybridmodell, das quantitative und qualitative Modelle kombiniert. Die quantitativen Modelle basieren auf Extrapolation der historischen Nachfrage und die qualitativen Modelle werden durch Erfahrungen erstellt, die sich auf das Marktwissen der Verkauf-und Marketingabteilungen beziehen. Die hybriden Modelle verwenden historische Nachfrageinformationen als ein Startpunkt und nutzen dann empirische Daten, um die Prognose weiter zu verfeinern. Zur Bestimmung des am besten geeigneten Prognoseverfahrens müssen Nachfragemuster identifiziert werden. Die meisten Bestandsplanungs- und Nachfüllungswerkzeuge nehmen an, dass alle Nachfragen normal verteilt sind, was entweder dazu führt, dass zu viel oder zu wenig Bestand gelagert wird. Mehrere Prognosetechniken werden in verschiedenen Phasen des Produktlebenzyklus angewandt, um die verfügbaren historischen Daten und Marktkentnisse bestmöglich zu nutzen. Die Nachfragekurve wird nicht nur durch die Prognosetechnik, sondern auch durch Sicherheitsbestandsrechnungen bestimmt. Diese Methode erstellt ein besseres Kontrollmodel, welches das gesamte Ziel-ServiceLevel verbessert, indem dieses durch Nachfrageklassen differenziert wird. Dazu man jedoch erst verstehen, wie der Lebenszyklus die eigenen Prognosebemühungen beeinflusst.

www.eazystock.de

Seite 3

Produktlebenszyklen Jedes Produkt bewegt sich durch einen Produktlebenszyklus, während sich die Nachfrage über eine Zeitperiode verändert. Ab dem Zeitpunkt, wenn ein neues Produkt auf den Markt gebracht wird, durchläuft es einen typischen Zyklus, bei dem die Nachfrage durch verschiedene Nachfragetypen charakterisiert ist. Wenn sich das Produkt bewegt, werden verschiedene Prognose –und Planungstechniken benötigt, um effektiv Prognosen für den jeweiligen Typ zu bestimmen. Hier ist ein Beispiel, wie sich die Stufen nach einiger Zeit verändern:

Umsatz

Stufen des Produktlebenszyklus

Zeit

Die Lebenszyklen Ihrer Produkte zu verfolgen und verstehen, wird Ihnen dabei helfen, Ihre Nachfrage besser vorherzusagen sowie sicherzustellen, dass Sie keine Verkaufschancen verpassen und gesündere Bestandslevel über die Zeit besitzen, ohne zu viel veraltete Waren im Lager zu sammeln.

www.eazystock.de

Seite 4

Die Umsetzung von adaptiven Nachfragemustern Identifikation für eine bessere Prognosengenauigkeit Es gibt 9 verschiedene Arten von Nachfragemustern, die Sie verfolgen müssen, um Ihre Prognosen zu verbessern und gleichzeitig Gesamtprognosefehler zu reduzieren. Um eine optimale Bedarfsprognose zu gewährleisten, müssen Planer diejenigen Prognoseverfahren anwenden, welche am besten die einzigartigen Dynamiken des Unternehmens an einem spezifischen Zeitpunkt identifizieren können. Es ist mühsame Arbeit, Veränderungen in den Nachfragekurven für jedes einzelne Produkt in jedem Lagerstandort zu identifizieren. Erweiterte Bedarfsplanungs- und Prognossysteme automatisieren viele der benötigten Funktionen zur Anwendung von Prognosetechniken und heben hierdurch die Last für Planer auf, manuell mit den Veränderungen der Märkte Schritt zu halten. Folgende Bilder zeigen die 9 verschiedenen Nachfragetypen und wie reale Nachfrageverteilungen typischerweise in den verschiednenen Nachfragekurven gewichtet werden. Nachfrageverteilungen Nichtbewegend Keine 2% Historie 2% Veraltet 4%

Die 9 Nachfragekurven für den Bestand

Neu 6%

Schnell Schnell 12%

Trend (+)

Trend (-)

Langsam 50%

Sprunghaft 6%

Klumpig

Sprunghaft

Langsam

Trend (+) 7% Klumpig 7% Trend (-) 4%

Neu

Fallend

Veraltet

Viele Nachfrageklassen gelten als springhaft oder langsam und besitzen deswegen keine Normalverteilung sowie eine komplett andere Nachfragekurve, wie man oben erkennen kann. In diesen Fällen ist es besser, andere statistische Anpassungstechniken und Prognosemethoden anzuwenden, um Prognosegenauigkeit zu gewährleisten.

www.eazystock.de

Seite 5

Verständnis der tatsächlichen Nachfrage Die nachstehenden Grafiken stellen die reale Nachfrageverteilungen unter der Annahme einer Normalverteilung gegenüber der Anwendung von expontieller Verteilung und Glättungsfaktoren dar. EazyStock, eine Software zur Bestandsoptimierung, wird durch Nachfrage-Klassifikationsalgorithmen unterstützt und hilft Unternehmen dabei, fortgeschrittene Nachfragekurven zu klassifizieren und segmentieren. Optimale Bedarfsprognosen erfordern umfassende Fähigkeiten sowie Automatisierung, um die Verschiebung von Methoden bei Veränderungen im Produktlebenszyklus und Markt sicherzustellen.

Aktuelle Nachfragedichte

Normale Distributionskurve

Kurven-Techniken in EazyStock

EazyStock analysiert gründlich und klassifiziert die zugrunde liegenden Nachfragemuster automatisch in eine der neun Nachfragekategorien. Sobald die Nachfragemuster analysiert und klassifiziert sind, wendet EazyStock einen entsprechenden Nachfragealgorithmus an. Der Best-Practice Ansatz bedeutet, die persönliche Kompetenz (qualitative Methode) mit den statistischen Prognosen (quantitative Methode) zu verbinden. Erweiterte Prognosesysteme wie EazyStock setzen eine Kombination aus qualitativen und quantitativen Methoden ein, um zuverlässige Prognosen zu erstellen. Mit der Fähigkeit, dynamische Bestandsziele zu setzen, können Unternehmen jetzt das möglichst geringste Betriebskapital oder die Haltungskosten ausbalancieren, während das Service-Level erfüllt oder sogar übertroffen wird. Zusätzlich gibt es vier Haupteinflussfaktoren der Nachfragenvarianz, welche Ihre Prognosengenauigkeit beeinflussen: www.eazystock.de

Seite 6

1

Einflussfaktoren der Nachfragevarianz: Saisonalität der Nachfrage

Fast jeder Hersteller oder Händler kann mit saisonalen Nachfrageschwankungen rechnen. Alles, von Produktneueinführungen bis Wetterveränderungen, beeinflusst, welche Produkte von Kunden gekauft oder nicht gekauft werden. Wenn man versteht, wie saisonale Faktoren Kunden beeinflussen, können Unternehmen sich besser positionieren, um Vorteile durch Nachfrageschwankungen zu erhalten. In Hinblick auf die Prognose, bezieht sich Saisonalität auf den Teil der Nachfrage, der durch wiederkehrende Muster hervorgerufen wird. Dies wird durch das Nachfragemuster, welches sich über die Zeit systematisch wiederholt, identifiziert. Wenn Saisonalität als ein Element verwendet wird, muss die Nachfrage angepasst werden, bevor diese in der Prognoserechung eingesetzt wird. In der Praxis bedeute dies, die saisonale Nachfrage zu trennen, um die Daten sauber zu halten und diese für zukünftige Prognosen zu vereinfachen. Unten ist ein Beispiel für die unterschiedlichen Nachfragefaktoren, die Ihre normale Grundnachfrage beeinflussen oder inflatieren.

Trends

Qualitativer Input

Prognosen

Saisonale faktoren

In Bestandsoptimierungslösungen, wie zum Beispiel EazyStock, werden saisonale Profile sowie Trends und qualitative Inputs für jedes Produkt getrennt.

www.eazystock.de

Seite 7

2

Einflussfaktoren der Nachfragevarianz: NachfrageAusreißer

Wohingegen saisonale Schwankungen durch verschiedene Muster zurückverfolgt werden können, sind Ausreißer weniger vorhersehbar. Eine unnormale Nachfrage kann entweder durch Geschehnisse, von denen Sie wissen (Promotions, Einzelbestellungen, Streiks, Naturkatastrophen) ausgelöst werden oder durch Geschehnisse, von denen Sie nichts wissen (Promotion von Wettbewerbern, Kunden, die aus dem Geschäft aussteigen). Es gibt verschiedene Wege, um Ausreißer zu erkennen, aber das wichtige hierbei ist, dass diese als Ausreißer markiert werden, da es ansonsten zu einem signifikant negativen Einfluss für die Genauigkeit der Vorhersagen kommen kann. Eine unnormal hohe oder niedrige Nachfrage muss identfiziert werden, damit diese nicht in Prognosekalkulationen verwendet wird.

In dem Beispiel wird verdeutlicht, wie EazyStock automatisch Nachfrageausreißer in Ihren Datenssammlungen markieren kann und somit sicherstellt, dass diese nicht zufällig Ihre Prognosen beeinflussen und somit Ihre Prognosengenauigkeit schwächen.

www.eazystock.de

Seite 8

3

Einflussfaktoren der Nachfragevarianz: Kalkulieren Sie Prognosengenauigkeit

1. Es zeigt an, dass sich das Produkt von einem Nachfragetyp zum nächsten bewegt hat. In diesem Fall muss eine bessere Prognosetechnik angewendet werden, indem identifiziert wird, zu welcher Nachfragekurve das Objekt gehört. 2. Um Produkte zu priorisieren, welche die meiste Aufmerksamkeit brauchen, da statistische Vorhersagen nicht zuverlässig genug sind. 3. Es trägt zur SicherbestandsKalkulation bei.

Bestandswert

Prognosen akkrurater herzustellen, erhöht Ihre Effizienz bezüglich der Erfüllung von Kundennachfragen, während die gesamten Bestandskosten des Prozesses ebenfalls gesenkt werden. Die Prognosegenauigkeitsberechnung liefert eine quantitative Abschätzung der zur erwartenden Qualität der Prognosen. Um dies zu tun, müssen Sie Prognosefehler kalkulieren, um ein gutes Verständnis Ihrer Genauigkeit zu erhalten. Bezüglich der Bestandsoptimierung kann die Schätzung der Prognosengenauigkeit mehreren Zwecken dienen:

Momentaner Bestand Vs. Zielbestand Current Bestand Stock Momentaner Target Stock Zielbestand

Klassifikation Ein typisches Problem vieler Lager ist die Beibehaltung von Überbeständen, während geringe Verfügbarkeiten erreicht werden.

Einige ERP -und Bestandsverwaltungssysteme kalkulieren Prognosefehler. Allerdings bleibt die Frage, was als nächstes passiert, unbeantwortet. Ein effizienter Weg und ein in EazyStock angewendeter, intelligenterer Systemansatz ist, die Nachfrageklasse nochmal neu vom System initiieren zu lassen, um denjenigen Nachfragetyp zu finden, der am besten passt und eine Prognose innerhalb der Genauigkeitsgrenzen zu produzieren.

www.eazystock.de

Seite 9

4

Einflussfaktoren der Nachfragevarianz: Bessere Verwaltung des Sicherheitsbestandes

Der Sicherheitsbestand ist eine Ergänzung zum Grundbestand, der als ein Puffer gegen Schwankungen in der Versorgungskette dient. Eine der größten Quellen für Variabilität in der Lieferkette ist die Nachfrage, die in Form von schnellen bis langsamen, von klumpigen bis errastischen Mustern, sehr unberechenbar autreten kann.

Intelligente Anpassung an stark variierende Nachfrageverhaltensweisen ist der Schlüssel zu besseren Sicherheitsbestands-Ergebnissen, durch welche Unternehmen Kosten einsparen und das Service-Level aufrechterhalten. Die meisten Anwendungen nehmen entweder eine Garantiezeit oder Normalverteilung an, sodass diese die Menge an Sicherheitsbetänden zur Abdeckung der Variabilität überschätzen.

Quantität in Bestand

Die Herausforderung besteht darin, dass erforderliche Niveau des Grundbestands zu beurteilen, bei dem einerseits so wenig wie möglich Sicherheitsbestand gehalten wird und andererseits die gerade richtige Menge an saisonalen Bestand, bei der Sie nicht zu wenig haben, gelagert wird. WiederbestellungsMenge

WiederbestellungsMenge

WiederbestellungsZeitpunkt

Durchlaufzeit

Sicherheitsbestand

Zeit

Sicherheitsberechnungen in fortgeschrittenen Optimierungstools wie EazyStock sind adaptiv und dynamisch, da sie Nachfragetypen, welche mehr oder weniger variabel sind, folgen. Bessere Genauigkeit wird für bestimmte Nachfrageverhalten durch die Verwendung einer „Poisson-Verteilung“ oder „negativen Binomialverteilung“ erreicht. Das Service-Ziellevel oder die Zielfüllrate, ist ein Schlüssel zur Beeinflussung des Sicherheitsbestandes und der Nachfragevariabilität.

www.eazystock.de

Seite 10

Über EazyStock Eazystock ist eine cloud-basierte Software zur Bestandsoptimierung bzw. Lagerverwaltung und liefert im Durchschnitt Bestandskostenersparnisse zwischen 25% und 50% während das Kundenservicelevel für Hersteller und Distributoren erhöht wird. EazyStock erweitert bestehende ERP- und Bestandsmanagementsysteme mit fortgeschrittenen Prognose-, Planungs- und Nachschubinstrumenten um eine Bestandsoptimierung und bessere Lagerhaltung zu erzielen. EazyStock ist eine Geschäftseinheit von Syncron, ein Privatunternehmen mit Hauptsitz in Stockholm, Schweden mit weltweiten Niederlassungen und Partnern.

Lernen Sie mehr, indem Sie sich eine Demo von EazyStock anschauen Dieses White Paper ist ein Artikel von EazyStock, einer cloud-basierten Bestandsoptimierungs-Software. Weitere Informationen:

http://eazystock.de/produktdemonstration

www.eazystock.de

Seite 11