Belangrijk startpunt is de vraagvoorspelling. Hierbij wordt gebruik gemaakt van software die de toekomstige vraag berekent, uitgaande van de afname van de betreffende producten in het (recente) verleden. Meestal is de berekening gebaseerd op het bepalen van een voortschrijdend gemiddelde of wordt gebruik gemaakt van extrapolatie.
De toegevoegde waarde die een forecasting systeem kan hebben is het zelfstandig bepalen welk rekenalgoritme het beste te gebruiken is. Daarnaast kan soms worden gemeld of er bijzonderheden zijn. Dit laatste kan tijdbesparing opleveren, omdat een demand planner dan selectief naar de producten kan kijken waarbij een trendbreuk optreedt in de afzet.
Een geautomatiseerd vraagvoorspellingsysteem is vooral zinvol als je veel verschillende producten maakt of verkoopt. Of als je te maken hebt met ingewikkelde afnamepatronen die je kunt beschrijven met een wiskundige functie. Omdat een mens soms meer weet dan de software, zal altijd een menselijke inbreng noodzakelijk blijven. Mede daarom moet de gebruiker begrijpen wat het systeem doet.
Vraagvoorspellingssystemen bevatten steeds meer intelligentie, om steeds ingewikkelder vraagpatronen aan te kunnen. Dit brengt het risico met zich mee, dat de uitkomsten onbegrijpelijk worden. Zoeken naar een optimale mix van mogelijkheden en gebruiksvriendelijkheid is dus van belang.
Hoe sneller en inzichtelijker het proces van vraagvoorspellen verloopt, des te beter. Liever ‘ongeveer goed' dan ‘exact fout' forecasten dus. Te veel details meewegen kan dus een valkuil zijn.
Bron: Logistiek, mei 2007