Låt oss inse det. När du har slut på lager är det köparens fel. När du har för stora lager är det köparens fel. Och om något går bra är det tack vare försäljningsavdelningen!
Du kan ändra den bilden och skapa ett mer nöjt och effektivt team för planering av efterfrågan genom att förstå inköpsprocessen bättre.
Idag startar vi en serie i sju delar som beskriver de sju viktigaste stegen för att få rätt planering av efterfrågan, med början i prognostisering av efterfrågan:
- Prognostisering av efterfrågan
- Prognoser för ledtider
- Optimering av beställningscykeln
- Förvaltning av servicenivåer
- Påfyllning
- Möjligheter till specialbeställningar
- Analys av beställningens giltighet
På ett eller annat sätt går alla köpare igenom alla sju stegen. Men tyvärr är det många som försöker göra alla sju i ett enda steg. Resultatet blir att de ofta fattar beslut med hjälp av irrelevant information.
Att dela upp påfyllningsuppgifterna i separata, sekventiella "beslutsfattande" steg är grunden för smartare lagerinköp. Genom att känna till dessa steg kan ditt planeringsteam för efterfrågan få de verktyg de behöver för att fatta intelligenta beslut i varje steg av inköpsprocessen.
Först en kort historik om planering av efterfrågan
Vissa team för planering av efterfrågan har funnits tillräckligt länge för att minnas det... En tid då allt du behövde för att planera noggrant var ett kalkylblad, en miniräknare och förra årets försäljningsrapporter. I dag???? Inte alls. Efterfrågan är alltför instabil och det finns många makroekonomiska krafter som köparna inte alls kan påverka.
Reaktionen för många distributionsföretag var (och är fortfarande i stort sett) att lagra lager för att kunna uppfylla kundservicenivåerna. Ju mer instabil efterfrågan är, desto mer måste man köpa. Ju mer du köper, desto mindre lönsam är du. Som vi illustrerade i en tidigare artikel kan man genom att flytta hela produktmixen från 95 % till 99 % service öka lagret med cirka 40 %.
Det krävs ingen raketforskare för att veta att en ökning av säkerhetslagret är ett dyrt slag mot resultatet. Ett som kan undvikas med lite vetenskap.
Datavetenskap som en konkurrensfördel
Innan vi går in på de sju stegen är det viktigt att notera att planering av efterfrågan har utvecklats från en "konst" till en "vetenskap". Från tiden före Internet med lagerkort och rapporter om föreslagna beställningar till dagens situation, förlitar sig inköparna i mindre utsträckning på anteckningsböcker och magkänsla. Och mer på vetenskap som gör det möjligt för dem att göra ett exponentiellt bättre arbete, snabbare.
Efterfrågeplaneringslösningar som drivs av AI, maskininlärning och molnet ger en avancerad strategi som kombinerar optimal prognostisering och påfyllnadsstrategi för varje SKU. Dessa lösningar kombinerar efterfråge- och utbudsplanering, IBP och lageroptimering på flera nivåer för att göra köparens arbete superenkelt och verksamheten superframgångsrik.
Ditt lagerteam kan nu enkelt identifiera säsongsbetonade artiklar, arbeta hand i hand med leverantörer i realtid, generera mer exakta prognoser och få ett försprång gentemot konkurrenter som fortfarande kämpar med elementära efterfrågemodeller. Så i stället för att planera "på en känsla" använder dagens inköpare vetenskap för att:
- Beställ vid bästa möjliga tidpunkt för att minimera kostnaderna.
- Eliminera den negativa effekten av oregelbundna ledtider
- Automatiskt bestämma vilka objekt som ska justeras
- Hitta rätt utjämningsmodell
- Mätning av noggrannhet med hjälp av algoritmer för mönstermatchning.
- Automatisera prognoser för hela portföljen av SKU:er
- Behåll eller förbättra servicenivåerna med mindre lager; vi har hört talas om kunder som minskar hela lastbilslass per vecka!
Naturligtvis kommer det alltid att behövas ett visst mått av mänsklig kontakt i köpprocessen. Ingen maskin kommer trots allt någonsin att helt ersätta kreativiteten och drivkraften hos en engagerad lageranalytiker. Men en stor del av inköpsuppgifterna kan automatiseras och dramatiskt förbättras av vetenskapen.
Nu till de sju stegen.
Steg 1: Gör rätt prognoser för efterfrågan
Alla segrar inom lagerhållning och kundtjänst kräver exceptionella prognoser för efterfrågan. De fallstudier om detalj- och grossistdistributörer som du läser, och den du kommer att skapa, kommer att vara resultatet av en uppgradering och fokusering på intelligent prognostisering.
En bra prognostisering av efterfrågan hjälper dig inte bara att förbereda dig för kundernas efterfrågan, utan omvandlar också dina beräkningar av säkerhetslager, ledtider och cykellager till exakta enhetsvärden. Detta kräver åratal av data, beprövade metoder med ständigt förbättrade formler och ett exceptionellt grafiskt gränssnitt för köparna. Prognosernas genombrott fortsätter att förbättra noggrannheten och minska behovet av användarinteraktion.
När du utforskar de bästa molnbaserade lösningarna för prognostisering av efterfrågan i klassen bör du leta efter en smart process, avancerad intelligens och eliminera de vanliga, kostsamma fallgroparna.
En smart process använder flera prognosmodeller
Företagets ekonomiska hälsa står på spel och det är dags att gå bortom kalkylbladsprognoser, enkla ERP-formler och tekniker för efterfrågeprognoser från 1970.
Till skillnad från de flesta tillverkare har detalj- och grossistföretag tusentals artiklar. Dessa artiklar har extrema volymskillnader, unika efterfrågemönster och ofta överraskande säsongsvariationer.
Dina prognosmetoder måste vara lika unika och varierande. En formel och en prognosmetod håller helt enkelt inte måttet.
Utnyttja avancerad intelligens
Intelligensen hos dagens prognosmetoder och formler fortsätter att öka. Datavetenskapliga verktyg är i händerna på en grupp forskare och matematiker som bidrar till att genombrott sker i snabb takt.
Dessa genombrott blir segrar för inventeringsgrupperna. De hjälper dig att hitta och reagera på säsongsvariationer på en oöverträffad nivå, bemästra långsamma artiklar och guida dig genom att optimera lagerhållningen av nya artiklar. Dessutom minskar AI och logik för hantering av undantag dramatiskt behovet av mänskligt ingripande. Inventeringens noggrannhet har nått en all-time high.
När ditt team tar steg från bra till bra, kommer avancerad intelligens att driva efterfrågan på tre nyckelområden: Prognos av efterfrågan, avvikelse av efterfrågan och säsongsprofil. Din prognos bör utnyttja dessa för att beskriva efterfrågeegenskaperna för varje produkt på varje plats. De är kritiska attribut för prognosen.
(1) Prognos av efterfrågan: Börja med det faktiska prognosvärdet. Detta är rörelsenivån. Det är huvudnumret, men bara en del av ekvationen. För de flesta prognosmetoder betraktas även de två följande värdena som en del av den totala efterfrågeprognosen. Tyvärr producerar många lagerhållningsteam endast prognosen och saknar de avvikelse- och säsongsinsikter som krävs för att lyckas.
(2) Avvikelse av efterfrågan: Det är ofta den saknade pusselbiten när företag går från en grundläggande metod till avancerade prognoser och påfyllning. Detta värde kan uttryckas i procent eller enheter och förstås bäst genom bilder som denna:
Anledningen till att detta mått för prognostisering av efterfrågan är så viktigt är att det spelar en nyckelroll när det gäller att fastställa säkerhetslagret för varje produkt. Ett högt värde för avvikelse från efterfrågan innebär att det krävs större säkerhetslager för att klara av efterfrågesvängningar som ligger långt över det normala.
Det finns ett samband mellan volym och avvikelse.
Poster med höga prognoser har vanligtvis en låg avvikelse, liknande de superstabila och stabila posterna som visas ovan. Ju mer en vara säljs, desto mer sannolikt är det att den kommer att sälja i ett stabilt efterfrågemönster på grund av att den har många kunder och transaktioner.
De produkter som rör sig långsammare har mindre efterfrågan och färre kunder. Efterfrågan på dessa artiklar är vanligtvis mer oregelbunden. En vara som säljs tre gånger i veckan säljs sällan i ett jämnt mönster. Den kan gå flera perioder utan försäljning och sedan sälja 8 eller 9 artiklar. Dessa artiklar har en större avvikelse i efterfrågan och kräver ytterligare säkerhetslager.
Merchandising- och kategoriteam bör ta del av detta
Avvikelsevärdet har ett stort inflytande på din vinst på grund av säkerhetslagret. Det är ett viktigt värde att studera och bör påverka dina beslut om marknadsföring, inklusive ditt önskade servicemål. Dina partners i merchandisingteamet kommer att dra nytta av en god kännedom om artikelns efterfrågeavvikelse.
Lagringsgrupper i världsklass kan faktiskt berätta om den totala genomsnittliga avvikelsen för efterfrågan. De vet till och med hur många av deras SKU:er som faller in i var och en av de fyra kategorierna i bilden ovan.
Avvikelse av efterfrågan är en viktig faktor som påverkar ditt företags förmåga att leverera vinst.
(3) Säsongsprofil: En produkt med någon form av säsongsmönster är inte komplett utan en säsongsprognos eller säsongsprofil.
Relaterat: Få rätt säsongsanpassning i ditt inköp av inventarier
Exceptionella säsongsprognoser bidrar till att garantera en stark service under säsongen, samtidigt som det totala lagret minskar under hela året. Genom att skilja säsongsrörelser från slumpmässiga avvikelser är behovet av säkerhetslager lägre. Dessa säsongsprognoser bidrar också till att upprätthålla balansen i linjen och säkerställa flytande påfyllning.
Bra lösningar för planering av försörjningskedjan förstår inte bara säsongsmässighet, utan hjälper också till att identifiera och skapa säsongsprognoser. Ditt team måste kunna tillämpa unika profiler på artiklar, samt kategori- eller gruppprofiler när det är lämpligast.
Nya produkter och långsamma produkter är bara två exempel på kategorier som kräver intelligent hjälp och avancerade verktyg för säsongsanpassning. De flesta företag som vi har talat med har funnit minst tre gånger så många artiklar som kräver säsongsprognoser som de skulle ha trott.
[För skojs skull kan du kolla in vår Växande lista över överraskande säsongsbetonade produkter!]Undvik vanliga och kostsamma fallgropar
Fallgropar är dåliga vanor som har blivit vanliga, dyra och ofta osynliga i köparens hektiska vardag. Det finns en handfull fallgropar som du bör undvika - och kan undvika - med en smart och solid process. Dessa fallgropar återfinns i de sju stegen i inköpsprocessen, och efterfrågeprognoser har verkligen sina förövare.
Kolla den här listan. Faller du och ditt team i någon av dessa fällor för prognostisering av efterfrågan?
- Användning av en enda beräkning för prognostisering av efterfrågan för alla artiklar, även om varje artikel har unika egenskaper och behov.
- Överreagera på höga efterfrågetoppar eller periodvisa rörelser genom att öka prognosen och köpa mer, även om det troligen inte kommer att fortsätta.
- Du tar inte hänsyn till säsongsmönster, vilket leder till att det inte finns något lager under högsäsong och att det finns för mycket lager under lågsäsong.
- Att inte följa upp varje varas avvikelsetrend för att beräkna säkerhetslager och en korrekt analys av varje varas verkliga vinstbild.
- Att inte justera efterfrågeprognosen eller andra faktorer på rätt sätt när stora kunder vinner eller förlorar i kundmixen.
- Att inte hantera övergången av ersättningsartiklar för att undvika dubbla inventarier och en smidig övergång till nya artiklar.
- Att inte filtrera kampanjrörelser, vilket gör att prognosen och lagret blir för högt och att inköpsverktygen ofta blir oanvändbara.
Vad är den potentiella kostnaden för företaget av dessa fallgropar? Använd denna ROI-kalkylator för att ta reda på det.
Vad behövs mer för att få rätt prognostisering av efterfrågan?
En bra prognostisering av efterfrågan är mer än bara matematik. Lagringsteam med tusentals artiklar har många utmaningar och möjligheter. Bristande resurser på dessa områden leder till dåliga resultat och överskottslager.
Här är några av de verktyg och processer som du behöver för att kunna gå över till en bra...
Kontohistorik / Verktyg för nya kunder: Att lägga till butiker eller vinna en ny kund kan kännas som en börda utan de nödvändiga verktygen. Att minska antalet butiker eller förlora en kund kan också leda till kaos. Allt detta kan innebära problem med inventering och service om du måste hantera det manuellt.
Du måste kunna spåra historik och prognoser per kund, butik och till och med per region. Med solida verktyg och processer för prognostisering av efterfrågan som hanteras av ditt team och som säljteamet förstår, kan nya kunder tillhandahålla sin inköpshistorik som kan läggas till i din lösning.
När du lägger till nya kunder är ditt mål att få din påfyllningshistorik att se ut som om du har haft det nya kontot hela tiden. Liknande åtgärder kan vidtas när du lägger till butiker.
Artikel Ersättningsverktyg: Utbyte av föremål kan också vara en börda eller en seger, beroende på dina möjligheter.
Vid utbyte måste den nya artikeln hämta prognosattributen från den gamla artikeln och kombinera värdena för lagerstatus. Oavsett om artikeln är en 100-procentig ersättning eller något mindre, behöver du prognosverktyg som hämtar de nyckelkomponenter som vi nämnde ovan och använder dem för att lansera den nya artikeln.
Det är lika viktigt att kombinera värdena för beståndsstatus. Värdet för den nya artikelns lagerstatus måste veta att du fortfarande har 300 enheter i lager (eller på beställning) av den artikel som den ersätter. Alla lagerstatusvärden måste samverka, annars kommer du att få ett överskottslager vid varje övergång.
Relationer och utbyten av artiklar: Det finns flera scenarier där efterfrågan på vissa artiklar måste kombineras med efterfrågan på andra artiklar. Det kan handla om relationer mellan förälder och barn, ersättningsartiklar, kortvariga kampanjartiklar som inte är märkta, kitting-relationer med mera.
Utan dessa relationer kommer vissa av dina bästsäljande produkter att uppleva perioder utan efterfrågan, vilket kommer att leda till:
- Minska din prognostisering av efterfrågan,
- Öka din avvikelse och ditt säkerhetslager, och
- Bryt dina säsongsmönster
Målet för varje relation är tydligt: att se till att varje produkt får den efterfrågan som krävs för att få fram solida prognoser för framtiden. Dessa relationer kan innehålla vilken kombination som helst av att dela efterfrågan + lagerstatusvärden.
Du behöver också ett kunnigt team: Några av de bäst presterande lagringshanteringsgrupperna låter sina avancerade prognosmetoder göra det tunga jobbet och ger sig själva möjlighet att lära sig och vidta åtgärder med hjälp av avancerad analys.
Relaterat: 7 vanor hos toppresterande lagerhanteringsteam
Kloka team använder lösningar för prognostisering av efterfrågan för att få överlägsna resultat och prognosnoggrannhet, som bara förbättras för varje period. De tillämpar de prognosmetoder som fungerar bäst för varje produkt och produkttyp - och blandar till och med metoderna för att uppnå bättre resultat.
De smarta grupperna mäter också sina resultat på nya sätt. De känner till de viktigaste siffrorna för inventarieanalys och skapar anpassade vyer.
Detta kräver en analytisk analys som sträcker sig långt bortom makrosiffror på hög nivå. Förutom att mäta prognosprecisionen för varukategorier och leverantörer, granskar och reagerar de som presterar bäst på unika lagersektorer.
Slutligen gör ett kunnigt team en analys per produkttyp. Nedan följer ett urval av de sektorer som kräver studier, analyser och åtgärder:
Alla artiklar, A-artiklar, nya artiklar, långsamma produkter, säsongsartiklar, icke-säsongsartiklar, manuella prognoser, bevakningsartiklar, artiklar med manuell prognos, kategorier av artiklar för försäljning, geografiska regioner med mera.
Det är din verksamhet som styr hur mycket tid du lägger på analys. De som är bäst i branschen studerar en kombination av ovanstående kategorier. Kanske har långsamt rörliga/ säsongsmässigt profilerade produkter problem. Nya artiklar utan säsongsprofiler kan också behöva uppmärksammas.
Idag finns det många lageranalyser tillgängliga för att berätta dessa historier.
De bästa lagringshanteringsteamen omvandlar data till berättelser, berättelser till handling och handling till resultat.
Resultat av att göra det på rätt sätt
En exceptionell prognostisering av efterfrågan är katalysatorn för varje framgångshistoria. Det är den grundläggande komponenten i ett företags lagerminskning och förbättring av servicen. När efterfrågeprognoser görs på rätt sätt uppstår en dominoeffekt som sveper genom hela organisationen:
- Efterfrågan är känd. Beställningar är äntligen meningsfulla. Den tid som går åt till påfyllning minskas. Icke-A-artiklar, som kallas de andra 80 procenten, presterar äntligen som de populära 20 procenten. Säsongerna förstås, förutses och hanteras framgångsrikt.
- Förtroendet och samarbetet mellan försäljning och marknadsföring ökar. Långsiktiga avtal och kampanjköp genomförs effektivt. Överlager minskas. Nya produkter blomstrar från dag 1.
- Nya kunder tas in på ett enkelt sätt och utan störningar. Ersättningsartiklar orsakar inte längre överskottslager. Lagret tar sin rättmätiga plats i organisationens centrum.
- Ditt inventeringsteam kommer att sluta spela försvar och börja spela anfall.
Var befinner du dig på din resa mot intelligent prognostisering av efterfrågan?
Prenumerera på PlanningPosts för att följa denna serie. Nästa steg är Steg 2: Prognoser för ledtid!
