Uit onderzoek blijkt keer op keer dat voorraadplanners de voorspellingen uit hun ERP of voorraadbeheersysteem vaker wel dan niet aanpassen. Daarvoor bestaan diverse redenen. Een belangrijke positieve reden is dat er soms expertinformatie voorhanden is die het systeem niet heeft meegenomen, bijvoorbeeld aangekondigde promotionele acties. In veel gevallen gebeurt het echter ook omdat gebruikers zich de voorspellingen eigen willen maken, dat wil zeggen in controle willen zijn. In dit kader is het ook niet verbazend dat grote aanpassingen (op basis van expert informatie) vaak beter uitpakken dan kleine wijzigingen.
Te optimistisch
Een andere interessante bevinding uit diverse studies is dat voorspellingen vaak terecht naar beneden worden bijgesteld, terwijl het verhogen van een voorspelling in de meeste gevallen onterecht is. Dit heeft te maken met het feit dat managers van nature (te) optimistisch zijn, met name rondom de artikelen waarbij zij betrokken zijn. Een manager/inkoper/marketeer zal er zelden van uit gaan dat sommige van haar/zijn artikelen wellicht niet goed gaan lopen, hoewel dat vrijwel zeker zo is. Voorspellingen kunnen ook uit strategisch oogpunt worden aangepast. Als een manager het idee heeft dat het bedrijf vaak onvoldoende veiligheidsvoorraad neer legt, dan kan zij dat compenseren door de voorspelling te verhogen.
Hoewel meer onderzoek nodig is, kunnen we al wel de volgende conclusie trekken: het wijzigen van de voorspelling is soms terecht, maar vaak onterecht. Dat is ook niet verassend als je bedenkt dat die voorspellingen komen uit software waarin allerlei slimme statistische technieken worden toegepast om de toekomstige vraag te voorspellen op basis van het verleden.
Meer inzicht
Bedrijven doen er daarom goed aan om hier alert op te zijn. Het is zonde van de tijd als planners constant bezig zijn om voorspellingen aan te passen, terwijl dat meestal niet helpt. In plaats zouden planners alleen dan een aanpassing moeten overwegen als er additionele informatie is die niet in de systeem-voorspelling is meegenomen. Een belangrijke stap kan zijn om gebruikers van de voorspelsoftware meer inzicht te geven in hoe een voorspelling tot stand komt, bijvoorbeeld door een plaatje te laten zien van het vraagverloop in recente weken en/of door informatie toe te voegen rondom het al dan niet hebben opgenomen van een trend of seizoensinvloeden. Echter, doe dit met mate, want onderzoek laat ook zien dat gebruikers een overschot aan informatie averechts werkt. Houd een scherm dus overzichtelijk.
Meet de kwaliteit
Meet ook altijd de kwaliteit van voorspellingen, liefst voor en na aanpassen, en koppel dat terug aan managers. Dat zal in vele gevallen aan hen duidelijk maken wat het risico van over-optimisme is, en waarom aanpassingen alleen op basis van concrete additionele informatie plaats moeten vinden. Ook in een eerder stukje gaf ik al aan dat voorspellingen op zich weinig waard zijn, als er geen informatie wordt meegeleverd over de kwaliteit/accuraatheid van de voorspelling. Immers, die kwaliteit bepaald wat de veiligheidsvoorraad voor een artikel moet zijn.
Traag bewegende artikelen
Ook het voorspellen van de vraag naar traag bewegende artikelen kwam uitgebreid aan bod in lancaster. Voorspellen is het moeilijkste als de vraag sporadisch is en daarom kijken veel onderzoekers, waaronder ik, er naar. Bovendien is bij de meeste bedrijven het grootste deel van de artikelen traag bewegend. Bij bedrijven in de service sector, zoals Fokker services, is het vaak zo extreem dat 80% van de reservedelen gemiddeld niet vaker dan 3 keer per jaar beweegt. Maar zelf in bijvoorbeeld supermarkten wordt een groot deel van het assortiment niet wekelijks verkocht.
Voor traag bewegende artikelen is het belangrijkste om te realiseren dat een voorspelling per periode (dag/week/maand) onvoldoende is. Met een voorspelling van 12 artikelen per maand bijvoorbeeld, weet een voorraadmanager nog steeds niet of dat meestal 1 artikel per klant is of bijvoorbeeld gemiddeld 6 artikelen per klant (en dus 2 klanten per maand). In het eerste geval is 4 op voorraad houden een redelijke beslissing als de levertijd, zeg, 1 week is; in het tweede geval is dat duidelijk onvoldoende. Zorg dat het voorspelsysteem dus inzicht geeft in zowel het verwachte aantal klanten als de verwachte vraag per klant. Hiervoor bestaan specifieke methoden, die ik zelf mede heb ontwikkeld.
Vragen of suggesties
Heeft u vragen of suggesties voor Ruud Teunter? Stuur een mail naar Harm Beerens, content & community manager van het IMCC: h.beerens@imcc.nl
Login om te reageren op dit artikel