La oss innse det. Når du er utsolgt, er det kjøperens feil. Når du er overlager, er det kjøperens feil. Og skulle noe gå riktig, er det takket være salgsavdelingen!
Du kan endre det bildet og bygge et mer fornøyd og effektivt etterspørselsplanleggingsteam ved å forstå kjøpsprosessen bedre.
I dag starter vi en 7-delt serie som beskriver de 7 essensielle trinnene for å få riktig etterspørselsplanlegging, og starter med etterspørselsprognoser:
- Etterspørselsprognose
- Ledetidsprognose
- Optimalisering av ordresyklus
- Service Level Management
- Innkjøp
- Spesialbestillingsmuligheter
- Bestillingsvaliditetsanalyse
På en eller annen måte går hver kjøper gjennom alle 7 trinnene. Men dessverre prøver mange å gjøre alle 7 i ett trinn. Resultatet er at de ofte tar beslutninger ved å bruke irrelevant informasjon.
Å dele opp påfyllingsoppgaver i separate, sekvensielle "beslutningstrinn" er grunnlaget for smartere varekjøp. Å kjenne til disse trinnene vil gi etterspørselsplanleggingsteamet verktøyene de trenger for å ta intelligente beslutninger i hvert trinn i kjøpsprosessen.
Først en rask historikk på etterspørselsplanlegging
Noen etterspørselsplanleggingsteam har eksistert lenge nok til å huske det... En tid da alt du trengte for å planlegge nøyaktig var et regneark, en kalkulator og fjorårets salgsrapporter. I dag??? Aldri. Etterspørselen er for ustabil og det er mange makroøkonomiske krefter som er helt ute av kjøpernes hender.
Reaksjonen for mange distribusjonsbedrifter var (og er fortsatt i stor grad) å lagre varelager for å møte kundeservicenivåene. Jo mer ustabil etterspørselen er, jo mer må du kjøpe. Jo mer du kjøper, jo mindre lønnsom er du. Som vi illustrerte i en tidligere artikkel, vil flytting av hele varemiksen fra 95 % til 99 % service vanligvis øke beholdningen med omtrent 40 % .
Det trengs ikke en rakettforsker for å vite at økende sikkerhetslager er et kostbart slag mot bunnlinjen. En som kan unngås med litt vitenskap.
Datavitenskap som en konkurransefordel
Før vi hopper inn i de 7 trinnene, er det viktig å merke seg at etterspørselsplanlegging har utviklet seg fra en «kunst» til en «vitenskap». Fra før-internettdagene med lagerkort og foreslåtte ordrerapporter til der vi er i dag, stoler kjøpere mindre på bærbare datamaskiner og magefølelser. Og mer om vitenskap som lar dem gjøre eksponentielt bedre arbeid, raskere.
Etterspørselsplanleggingsløsninger drevet av AI, maskinlæring og skyen gir en avansert tilnærming som kombinerer den optimale prognose- og påfyllingsstrategien med hver SKU. Disse løsningene kombinerer etterspørsels- og forsyningsplanlegging, IBP og Multi-Echelon lageroptimalisering for å gjøre kjøperens jobb superenkel, og virksomheten supersuksess.
Lagerteamet ditt kan nå enkelt identifisere sesongvarer, jobbe hånd i hånd med leverandører i sanntid, generere mer nøyaktige prognoser og få et forsprang på konkurrenter som fortsatt sliter med elementære etterspørselsmodeller. Så i stedet for å planlegge "på en anelse", bruker dagens kjøper vitenskap til å:
- Bestill på best mulig tidspunkt for å minimere kostnadene
- Eliminer den negative effekten av uregelmessige ledetider
- Bestem automatisk hvilke elementer som skal justeres
- Finn riktig utjevningsmodell
- Mål nøyaktigheten ved hjelp av mønstertilpasningsalgoritmer
- Automatiser prognoser for hele porteføljen av SKUer
- Opprettholde eller til og med forbedre servicenivået med mindre beholdning; vi har hørt om kunder som reduserer hele lastebillass per uke !
Selvfølgelig vil en viss mengde menneskelig berøring alltid være nødvendig i kjøpsprosessen. Tross alt vil ingen maskin noensinne erstatte kreativiteten og drivkraften til en dedikert lageranalytiker. Men en stor del av kjøpsoppgavene kan automatiseres og forbedres dramatisk av vitenskapen.
Nå, over på de 7 trinnene.
Trinn #1: Få riktig etterspørselsprognoser
Alle seire på lager og kundeservice krever eksepsjonell etterspørselsprognose. Casestudiene for detaljhandel og grossistdistributører du leser, og den du skal lage, vil være resultatet av en oppgradering og fokus på intelligent prognose.
Dyktige etterspørselsprognoser hjelper deg ikke bare med å forberede deg på kundens etterspørsel; det gjør beregninger av sikkerhetslager, ledetid og sykluslager til nøyaktige enhetsverdier. Dette krever årevis med data, utprøvde metoder med kontinuerlig forbedring av formler, og et eksepsjonelt grafisk grensesnitt for kjøperne. Prognosegjennombrudd fortsetter å forbedre nøyaktigheten og redusere behovet for brukerinteraksjon.
Mens du utforsker klassens beste skybaserte løsninger for etterspørselsprognoser , se etter en smart prosess, avansert intelligens og for å eliminere de vanlige, kostbare fallgruvene.
En smart prosess bruker flere prognosemodeller
Den økonomiske helsen til bedriften din står på spill, og det er på tide å gå utover regnearkprognoser, enkle ERP-formler og "ca 1970" etterspørselsprognoseteknikker.
I motsetning til de fleste produsenter, har detalj- og grossistdistributører tusenvis av varer. Disse varene har ekstreme volumforskjeller, unike etterspørselsmønstre og ofte overraskende sesongvariasjoner.
Dine prognosemetoder må være like unike og mangfoldige. Én formel og én prognosemetode vil rett og slett ikke henge med.
Utnytt avansert intelligens
Intelligensen til dagens prognosemetoder og formler fortsetter å akselerere. Datavitenskapelige verktøy legges i hendene på et fellesskap av forskere og matematikere som hjelper gjennombrudd med å skje i raskt tempo.
Disse gjennombruddene blir seire for inventarteam. De hjelper deg med å finne og svare på sesongvariasjoner på et uovertruffent nivå, mestre saktegående varer og veilede deg gjennom optimalisering av nye varelager . I tillegg reduserer kunstig intelligens og ledelse-for-unntak-logikk dramatisk behovet for menneskelig intervensjon. Lagernøyaktigheten har nådd et rekordhøyt nivå.
Ettersom teamet ditt tar skritt fra god til stor, vil avansert intelligens drive etterspørselsfortreffelighet på tre nøkkelområder: Etterspørselsprognose , etterspørselsavvik og sesongprofil . Prognosen din bør utnytte disse for å beskrive etterspørselsegenskapene til hver vare på hvert sted. De er kritiske egenskaper ved prognosen.
(1) Etterspørselsprognose : Start med den faktiske prognoseverdien. Dette er bevegelsesnivået. Det er hovedtallet, men bare en del av ligningen. For de fleste prognosemetoder regnes også de neste to verdiene som en del av den samlede etterspørselsprognosen. Dessverre produserer mange lagerteam bare prognosen, og mangler avviket og sesongmessig innsikt som kreves for å lykkes.
(2) Etterspørselsavvik : Avviket beskriver personligheten til etterspørselen, og er ofte den manglende brikken når bedrifter går fra en grunnleggende metode til avansert prognoser og påfyll. Denne verdien kan uttrykkes i % eller enheter, og forstås best gjennom bilder som dette:
Grunnen til at denne etterspørselsprognoseberegningen er så kritisk er at den spiller en nøkkelrolle i å bestemme sikkerhetslageret for hver vare. En høy etterspørselsavviksverdi betyr at høyere sikkerhetslagre kreves for å støtte etterspørselssvingninger langt utover det normale.
Du finner en sammenheng mellom volum og avvik
Elementer med høy prognose har vanligvis et lavt avvik som ligner på de superstabile og jevne elementene som er avbildet ovenfor. Jo mer en vare selger, jo mer sannsynlig vil den selge i et stabilt etterspørselsmønster på grunn av å ha mange kunder og transaksjoner.
De saktegående varene har færre etterspørselsopplevelser og kunder. Etterspørselen etter disse varene er vanligvis mer uberegnelig. En vare som selger 3 per uke selger sjelden i et jevnt mønster. Det kan gå flere perioder uten salg, og deretter selge 8 eller 9. Disse varene har et høyere etterspørselsavvik og krever ekstra sikkerhetslager.
Merchandising og kategoriteam bør ta det til etterretning
Avviksverdien har stor innflytelse på fortjenesten din på grunn av sikkerhetslagerbeholdningen. Det er en kritisk verdi å studere, og bør påvirke dine salgsbeslutninger, inkludert ønsket tjenestemål. Partnerne dine for merchandisingteamet vil dra nytte av sterk kunnskap om varens etterspørselsavvik.
Inventarteam i verdensklasse kan faktisk fortelle deg deres samlede gjennomsnittlige etterspørselsavvik. De vet til og med hvor mange av SKUene deres som faller inn i hver av de 4 kategoriene i det visuelle bildet ovenfor.
Etterspørselsavvik er en nøkkelfaktor for bedriftens evne til å levere profitt.
(3) Sesongprofil : En vare med et hvilket som helst nivå av sesongmønster er ikke komplett uten en sesongprognose eller profil.
Relatert: Få sesongjustering riktig i beholdningskjøpene dine
Eksepsjonelle sesongprognoser bidrar til å garantere sterk service i sesongen, samtidig som den reduserer den totale varebeholdningen gjennom året. Ved å skille sesongmessige bevegelser fra tilfeldige avvik, er behovet for sikkerhetslager lavere. Disse sesongvarslene bidrar også til å opprettholde balansen i linjen og sikre væskepåfyll.
Flotte forsyningskjedeplanleggingsløsninger forstår ikke bare sesongvariasjoner, men hjelper til med å identifisere og lage sesongprognoser. Teamet ditt trenger muligheten til å bruke unike profiler på varer, samt kategori- eller gruppeprofiler der det er mest hensiktsmessig.
Nye varer og sakte bevegelser er bare to eksempler på kategorier som krever intelligent assistanse og avanserte verktøy i sesongvariasjoner. De fleste selskaper vi har snakket med, fant minst 3 ganger så mange varer som krever sesongprognoser som de ville ha trodd.
[Bare for moro skyld, sjekk ut vår Økende liste over overraskende sesongbaserte varer!]Unngå vanlige og kostbare fallgruver
Fallgruver er dårlige vaner som har blitt vanlige, dyre og ofte usynlige i den hektiske hverdagen til en kjøper. Det er en håndfull fallgruver du bør unngå – og kan unngå – med en smart, solid prosess. Disse fallgruvene finnes gjennom de 7 trinnene i kjøpsprosessen, og etterspørselsprognoser har absolutt sine lovbrytere.
Sjekk denne listen. Går du og teamet ditt i noen av disse etterspørselsprognosefellene?
- Bruk av én enkelt etterspørselsprognoseberegning på alle varer, selv om hver vare har unike egenskaper og unike behov.
- Overreagere på høye etterspørselstopper, eller bevegelse fra perioden til dato, ved å øke prognosen og kjøpe mer, selv om hendelsene sannsynligvis ikke vil fortsette.
- Å ikke ta hensyn til sesongmessige mønstre, noe som vil føre til utsolgt av lager i oppsesongen, og overlager i nedsesongen.
- Ikke sporing av hver vares avvikstendenser for å beregne sikkerhetslager og den riktige analysen av hver vares sanne resultatbilde.
- Ikke justere etterspørselsprognosen eller andre faktorer på riktig måte ettersom betydelige kontoer oppnås eller tapes i kundemiksen.
- Ikke administrere overgangen av erstatningsvarer for å unngå dobbelt varelager og jevn overgang til de nye varene.
- Ikke filtrering av kampanjebevegelser, noe som vil blåse opp prognosen så vel som beholdningen og ofte gjøre kjøpsverktøyene ubrukelige.
Hva er den potensielle forretningskostnaden for disse fallgruvene? Bruk denne ROI-kalkulatoren for å finne ut.
Hva annet trengs for å få riktig etterspørselsprognoser?
Stor etterspørselsprognose går utover matematikken. Inventarteam med tusenvis av varer har mange utfordringer og muligheter. Mangel på ressurser på disse områdene vil føre til dårlig ytelse og overflødig varelager.
Her er noen av verktøyene og prosessene du trenger for å gjøre overgangen til stor...
Kontohistorikk / nye kundeverktøy : Å legge til butikker eller vinne over en ny kunde kan føles som en byrde uten de nødvendige verktøyene. Å redusere butikker eller miste en kunde kan også føre til kaos. Alt kan bety problemer med inventar og service hvis du må administrere det manuelt.
Du trenger muligheten til å spore historikk og prognoser etter kunde, etter butikker og til og med regioner. Med solide etterspørselsprognoseverktøy og prosesser administrert av teamet ditt, og forstått av salgsteamet, kan nye kunder gi sin kjøpshistorikk som kan legges til løsningen din.
Målet ditt når du legger til nye kunder er å få påfyllingsloggen til å se ut som om du har hatt den nye kontoen hele tiden. Lignende trinn kan tas når du legger til butikker.
Verktøy for å erstatte gjenstander: Utskifting av gjenstander kan også være en byrde eller en seier, avhengig av dine evner.
Når du gjør en erstatning, må den nye varen trekke ut prognoseattributtene fra den gamle varen og kombinere lagerstatusverdiene. Enten varen er en 100 % erstatning eller noe mindre, trenger du prognoseverktøy som trekker de nøkkelkomponentene vi nevnte ovenfor og bruker dem til å lansere den nye varen.
Å kombinere aksjestatusverdier er like kritisk. Den nye varens tilgjengelige verdi må vite at du fortsatt har 300 enheter tilgjengelig (eller på bestilling) av varen den erstatter. Alle aksjestatusverdiene må samarbeide, ellers vil du oppleve overflødig lagerbeholdning under hver overgang.
Vareforhold og erstatninger : Det er flere scenarier der etterspørselen etter visse varer må kombineres med etterspørselen til andre varer. Disse inkluderer relasjoner mellom foreldre og barn, erstatningsartikler, kortsiktige salgsfremmende artikler utenfor etiketten, kitting-forhold og mer.
Uten disse relasjonene vil noen av de mest solgte varene dine oppleve perioder uten etterspørsel, noe som vil:
- Reduser etterspørselsprognosen,
- Øk avviket og sikkerhetslageret ditt, og
- Forstyrr sesongmønstrene dine
Målet for hvert forhold er klart: å sikre at hver vare får riktig etterspørsel for å få solide prognoser for fremtiden. Disse relasjonene kan inkludere en hvilken som helst kombinasjon av deling av etterspørsel + lagerstatusverdier.
Du trenger også teamkunnskap: Noen av de toppytende lagerstyringsteamene lar sine avanserte prognoseteknikker gjøre det tunge arbeidet og sette seg i stand til å lære og iverksette tiltak gjennom avanserte analyser.
Relatert: 7 vaner for topppresterende lagerstyringsteam
Erfarne team bruker løsninger for etterspørselsprognose for å få overlegne resultater og prognosenøyaktighet, som bare forbedres for hver periode. De bruker prognosemetodene som fungerer best for hver vare og varetype – og vil til og med blande metodene for å levere økt ytelse.
Erfarne team måler også resultatene sine på nye måter. De kjenner sine viktigste beholdningsanalysenumre og lager supplikerte visninger.
Dette krever analytisk analyse langt utover makrotall på høyt nivå. I tillegg til å måle prognosenøyaktighet etter varekategorier og leverandører, vurderer og reagerer topputøvere på unike lagersektorer.
Til slutt gjør et kyndig team analyser etter varetype. Nedenfor er et utvalg av sektorene som krever studier, analyser og handling:
Alle varer, A-varer, nye varer, sakte bevegelser, sesongvarer, ikke-sesongbestemte varer, manuelle prognoser, klokkeartikler, manuelle prognoseelementer, varesalgskategorier, geografiske regioner og mer.
Bedriften din dikterer hvor mye tid du bruker på analyse. Blue-chip utøvere vil studere en kombinasjon av de ovennevnte kategoriene. Kanskje saktegående/sesongprofilerte varer har problemer. Nye varer uten sesongprofiler kan også trenge oppmerksomhet.
I dag finnes det mange lageranalyser som kan fortelle disse historiene.
Topp lagerstyringsteam gjør data til historier, historier til handling og handling til resultater.
Resultater fra å gjøre det riktig
Eksepsjonell etterspørselsprognose er katalysatoren for enhver suksesshistorie. Det er den grunnleggende komponenten i en bedrifts lagerreduksjon og serviceforbedring. Når etterspørselsprognoser gjøres riktig, er det en dominoeffekt som feier gjennom hele organisasjonen:
- Etterspørselen er forstått. Bestillinger gir endelig mening. Tid brukt på etterfylling kuttes ned. Ikke A-varer, kjent som de andre 80 %, presterer endelig som de populære 20 %. Sesonger blir forstått, forutsett og administrert med suksess.
- Tillit og samarbeid fra salg og markedsføring vokser. Langsiktige avtaler og kampanjekjøp utføres effektivt. Overlager reduseres. Nye varer trives fra dag 1.
- Nye kunder kommer enkelt og uten forstyrrelser. Erstatnings- og erstatningsvarer forårsaker ikke lenger overflødig beholdning. Inventarteamet tar sin rettmessige posisjon i sentrum av organisasjonen.
- Laget ditt vil slutte å spille forsvar og begynne å spille angrep.
Hvor er du på reisen mot intelligent etterspørselsprognose?
Abonner på PlanningPosts for å følge denne serien. Neste steg er trinn 2: Prognoser for ledetider!
