Goed supply chain management staat of valt met een goede vraagvoorspelling. Hoe accurater de voorspelling, hoe beter de omvang van de voorraden is te optimaliseren en hoe kleiner de veiligheidsvoorraden kunnen zijn. Verder leidt een goede vraagvoorspelling tot minder out-of-stocks, dus tot betrouwbare levertijden. Daarmee heeft dit direct een positief gevolg op de orderafhandeling. Minder bekend is, dat in ieder bedrijf de vraagvoorspelling is te verbeteren door te werken met enkele vuistregels.
1. Zorg voor goede data
Het is allereerst zaak om te zorgen voor goede data. In het geval van maandelijkse gegevens moet men corrigeren voor het aantal (werk)dagen in de maand. Uitschieters moeten worden vervangen en men dient rekening te houden met een eventueel seizoenspatroon. Een voorspelling op basis van gecorrigeerde data in plaats van de oorspronkelijke data leidt tot een nauwkeuriger voorspelling.
2. Corrigeer voor promotieacties
Promoties vormen een specifiek onderdeel van de vraagvoorspelling. Hun effect op de lange termijn is meestal nauwelijks meetbaar, maar ze hebben des te meer impact op de korte termijn. Een positief effect tijdens de promotie wordt meestal gevolgd door een negatief effect erna. Het effect als geheel is te meten door de basisvoorspelling te vergelijken met de werkelijke verkopen tijdens en na een promotie.
3. Vermijd taakstellende voorspellingen
In veel bedrijven wordt de vraagvoorspelling besproken met verschillende afdelingen. Daarbij worden bedrijfsdoelstellingen en persoonlijke doelstellingen gerelateerd aan de vraagvoorspelling. Het gevaar bestaat dat de vraagvoorspelling wordt bijgebogen in een taakstellende richting. Dat is zeer begrijpelijk, want een bedrijf wil graag werken met één voorspelling, die door alle afdelingen gebruikt wordt.
4. Kies de juiste voorspellingsmethode
Men kan de toekomstige vraag voorspellen met verschillende statistische technieken. Ze variëren van eenvoudige voortschrijdende gemiddelden tot zeer geavanceerde methoden. In veel gevallen gebruikt men een smoothing techniek ofwel een vorm van voortschrijdende gemiddelden. Deze technieken zijn robuust en vergen weinig onderhoud.
5. Kies het juiste startpunt
Het is van belang om bij het schatten van een model het juiste startpunt in de tijd te kiezen.
6. Kies het juiste model
De voorspelfout, het verschil tussen werkelijkheid en voorspelling, wordt gebruikt bij de bepaling van het juiste model. In veel softwarepakketten bestaat de mogelijkheid om de software automatisch een model te laten genereren.
7. Evalueer de kwaliteit
Is het model eenmaal in gebruik, dan dient men de kwaliteit ervan systematisch en kritisch te evalueren door het verschil tussen voorspelling en werkelijkheid te bekijken.
Bron: Logistiek, januari 2007