Verbeter de forecasting nauwkeurigheid, elimineer overtollige voorraad en maximaliseer service levels
In deze video vertelt Dr. Thomas Willemain, mede-oprichter en SVP Research, over het verbeteren van de nauwkeurigheid van prognoses door fouten te managen. Deze video is de eerste in onze serie over effectieve methoden om de nauwkeurigheid van prognoses te verbeteren. We beginnen met te kijken naar hoe voorspelfouten pijn veroorzaken en de daaruit voortvloeiende kosten. Vervolgens zullen we de drie meest voorkomende fouten uitleggen die we moeten vermijden en die ons kunnen helpen de omzet te verhogen en overtollige voorraad te voorkomen. Tom besluit met een overzicht van de methoden om de nauwkeurigheid van voorspellingen te verbeteren, het belang van het meten van voorspellingsfouten en de technologische mogelijkheden om deze te verbeteren.
Prognosefout kan gevolgen hebben
Overweeg één item uit vele
- Product X kost $100 om te maken en levert $50 winst op per eenheid.
- De verkoop van Product X zal de komende 12 maanden 1.000 per maand blijken te zijn.
- Overweeg één item uit vele
Wat zijn de kosten van een prognosefout?
- Als de voorspelling 10% hoog is, sluit het jaar dan af met $120.000 overtollige voorraad.
- 100 extra/maand x 12 maanden x $100/eenheid
- Als de voorspelling 10% laag is, mis dan $60.000 winst.
- 100 te weinig/maand x 12 maanden x $50/eenheid
Drie fouten om te vermijden
1. Fout negeren.
- Onprofessioneel, plichtsverzuim.
- Wensen zal het niet zo maken.
- Behandel nauwkeurigheidsbeoordeling als datawetenschap, niet als een verwijt.
2. Meer fouten tolereren dan nodig is.
- Statistische prognosemethoden kunnen de nauwkeurigheid op schaal verbeteren.
- Het verbeteren van gegevensinvoer kan helpen.
- Het verzamelen en analyseren van prognosefoutstatistieken kan zwakke plekken identificeren.
3. Tijd en geld verspillen die te ver gaat om fouten te elimineren.
- Sommige product/marktcombinaties zijn inherent moeilijker te voorspellen. Na een punt, laat ze zijn (maar wees alert op nieuwe gespecialiseerde voorspellingsmethoden).
- Soms kunnen stappen die bedoeld zijn om fouten te verminderen averechts werken (bijv. aanpassing).
RECENTE BERICHTEN

Waarom voorraadplanning niet uitsluitend op eenvoudige vuistregels mag vertrouwen
Voor te veel bedrijven wordt een cruciaal stukje data-feitenonderzoek – het meten van vraagonzekerheid – afgehandeld met eenvoudige maar onnauwkeurige vuistregels. Vraagplanners berekenen bijvoorbeeld vaak de veiligheidsvoorraad op basis van een door de gebruiker gedefinieerd veelvoud van de voorspelling of het historische gemiddelde. Of ze kunnen hun ERP configureren om meer te bestellen wanneer de beschikbare voorraad gedurende de doorlooptijd twee keer de gemiddelde vraag bereikt voor belangrijke artikelen en 1,5 keer voor minder belangrijke artikelen. Dit is een grote fout met kostbare gevolgen.

Rechtstreeks naar het brein van de baas – voorraadanalyse en rapportage
In deze blog wordt de software in de schijnwerpers gezet die rapporten voor het management maakt, de stille held die de schoonheid van furieuze berekeningen vertaalt naar bruikbare rapporten. Kijk hoe de berekeningen, op ingewikkelde wijze begeleid door planners die onze software gebruiken, naadloos samenkomen in Smart Operational Analytics (SOA)-rapporten, waarbij vijf belangrijke gebieden worden verdeeld: voorraadanalyse, voorraadprestaties, voorraadtrends, leveranciersprestaties en vraagafwijkingen.

Je moet samenwerken met de algoritmen
Dit artikel gaat over de echte kracht die voortkomt uit de samenwerking tussen u en onze software die binnen handbereik plaatsvindt. We schrijven vaak over de software zelf en wat er ‘onder de motorkap’ gebeurt. Deze keer is het onderwerp hoe je het beste met de software kunt samenwerken.