Forecasting technieken in de logistiek: wat voorspel jij

Forecasting technieken in de logistiek: wat voorspel jij

Het maken van een forecast is een van de belangrijkste taken binnen een bedrijf. Het is immers de blauwdruk waarop keuzes worden gemaakt voor de toekomst. Denk aan de inkoop, begroting en toekomstige sales. 

In dit artikel ontdek je:

Welke rekenmethodes je het best kunt gebruiken bij welke situatie. 
Wat de grootste valkuilen zijn bij het voorspellen van de afzet. 
Hoe je de nauwkeurigheid van je forecast berekend. 

Wat kun je voorspellen met jouw forecast

Er zijn drie dingen gelijk bij iedere voorspelling ongeacht over welk product je het hebt. Deze drie dingen zijn: het soort producten, welke eenheid, en de frequentie. 

De eenheid staat voor de maat waarin de voorspelling uitdrukt. Dit zijn meestal stuks, liters of meters. Soms zijn de verkoop maten niet hetzelfde als de eenheden waarin wordt gemeten. Is dat het geval? Zet de maten dan om.

Met frequentie wordt de interval bedoeld hoe vaak een voorspelling wordt gemaakt. Maar dat is niet de enige tijdseenheid. Met de periode wordt de lengte van een tijdseenheid genoemd waarin wordt gemeten. De interval valt hierbij vaak samen met de frequentie. Als laatste tijdseenheid is er de horizon. De horizon betekend niets meer dan hoe ver er vooruit voorspelt wordt. Dit heeft te maken met levertijd van de producten. 

Wanneer een winkel of webshop iedere week een nieuwe voorraad krijgt, kan de forecast ook wekelijks worden gemaakt. De interval en periode vallen in dit voorbeeld samen en zijn beide een week. De horizon kan verder weg liggen, bijvoorbeeld per kwartaal.

Zoals je kunt zien ben je dus afhankelijk van de levertijd. Wanneer deze vaker leveren, kun je met kortere periodes werken. Ditzelfde principe geldt ook bij een langere levertijd. Hoe langer de levering duurt, hoe groter de periode bestrijkt voor de forecast.

Welke patronen zijn er?

Wanneer je een forecast maakt komt er een patroon uit. Het is belangrijk dit patroon te herkennen om zo de vraag te herkennen. 

De meest gebruikelijke patronen zijn: 

Horizontaal: de vraag is stabiel en blijft gelijk ongeacht de periode van het jaar. Het kent geen sterke ups en downs. Deze vorm komt nauwelijks voor.

Trend patroon: De afzet van het product laat een stijgende of dalende lijn zien over een langere periode. 

Seizoenspatroon: De afzet laat een terugkerend patroon zien. Hierbij gaat het erom dat het per seizoen kan verschillen maar op jaarbasis een patroon ontstaat. 

Willekeurig patroon: Dit wordt gekenmerkt met periode van hoge afzet afgewisseld met perioden waar bijna niks tot niks wordt afgezet. 

Houdt er rekening mee dat de trendlijnen een combinatie kunnen zijn, denk hierbij aan een seizoenspatroon gekoppeld aan een trend patroon. Of een willekeurig patroon samen met een horizontaal patroon. 

AfzetpatroonForecast methode
Horizontaal random afzetpatroonVoortschrijdend gemiddelde;Enkelvoudige demping methode
Horizontaal afzet patroon met seizoenstrendVoorschrijdend gemiddelde met seizoenscorrectie;Enkelvoudige demping methode met seizoenscorrectie
Trendpatroonregressie-analyse;dempingsmethode met trendcorrectie
Tijdreeks met trend en seizoendempingsmethode met trend en seizoencorrectie;
decompositie van tijdreeksen of regressieanalyse

Keuze voorspelmethode

Er zijn twee verschillende methode voor het berekenen van jouw forecast. De twee methodes zijn kwalitatief en kwantitatief. De voorspelling die je maakt met de kwantitatieve methodes zijn gebaseerd op historische data om toekomstige verkopen te voorspellen. 

Kwantitatieve forecast methodes 

Moving average forecasting

Dit is een van de simpele methoden die gebaseerd is op historische gemiddelden. Het nadeel van deze methode is dat het alle data gelijk behandeld en neemt niet mee dat recentere data een betere indicator kan zijn voor komende trends, dan data van drie tot vijf jaar geleden. Ook werkt het minder goed voor seizoensgebonden producten en het herkennen van trends. 

Exponential smoothing

Ook bij deze forecastings methode maak je gebruik van historische data. Bij deze methode maak je gebruik van gewogen gemiddelden met het idee dat resultaten uit het verleden lijken op de huidige resultaten. 

Deze methode hecht meer waarde aan recente data. Dit maakt het een ideale manier voor korte termijn voorspellingen. 

Auto-regressive integrated moving average

Deze methode staat bekend om haar hoge nauwkeurigheid. Het nadeel van deze methode is dat het veel tijd in beslag neemt en erg veel kost. De voorspellingen kunnen tot 18 maanden in de toekomst nauwkeurig worden voorspelt. 

Multiple Aggregation Prediction Algorithm

Deze manier van voorspellen is speciaal ontworpen voor seizoenspatronen. Het maakt het de perfecte methode voor bedrijven die veel seizoensproducten hebben. 

Regression analysis

Het werkt bij het beoordelen van de relatie tussen twee of meer specifieke onafhankelijke variabelen op een afhankelijke variabele. Deze simpele forecasting methode wordt gebruikt om vastgestelde veronderstellingen zoals seizoensgebondenheid te analyseren. Wanneer je deze methode vergelijkt met andere methodes, dan biedt deze een snelle en makkelijke manier om voorspellingen te maken. 

Econometric modeling.

Dit is een verbetering op de regressie analyse. Het betrekt het berekenen van de onafhankelijke regressie onder vergelijking, variabelen en data. Ondertussen worden economische modellen gebruikt om de ene variabele met de andere te bepalen. 

Life-cycle modeling

Deze methode analyseert en voorspelt de groei en ontwikkeling van een nieuw product. Het model brengt data samen dat door verschillende groepen dat afkomstig is uit verschillende groepen uit de levenscyclus van een product. De groepen die hierin te herkennen zijn, zijn de: early en late adopters, en early en late majority. 

Kwalitatieve forecast methodes:

Je kan in de situatie verkeren dat je nog geen of te weinig historische data hebt om jouw voorspelling op te baseren. Dit is bijvoorbeeld wanneer je een nieuw product op de markt brengt. Bij dit soort situaties is kwalitatieve forecasting handig. 

Historische analyse

Het voorspelt verkopen door er van uit te gaan dat het nieuwe product de verkopen van een bestaand product spiegelt. Het nadeel van deze methode is dat het niet werkt op korte termijn. 

Als je het product zelf nog niet bezit kun je altijd nog een prognose maken door jouw nieuwe product te vergelijken met een soort gelijkend product van de concurrentie. 

Internal insights

Maakt gebruik van inzichten en meningen van ervaren staff leden om voorspellingen te maken. Zoals je misschien wel verwacht staat deze methode niet bekend om haar hoge nauwkeurigheid. 

Delphi methode

Deze methode bestaat uit marktoriëntatie en beoordeling tussen een kleine groep experts en adviseurs. Deze antwoorden worden vervolgens door een derde (onafhankelijke) partij geanalyseerd. 

De meningen van de experts worden op individuele basis verzameld om de invloed op de antwoorden van anderen uit te sluiten. De antwoorden worden door een derde partij geanalyseerd om deze vervolgens aan het bedrijf te presenteren. 

Deze methode heeft zich bewezen effectief te zijn voor het forecasten op langer termijn. 

Bepaal de nauwkeurigheid van de voorspelling

De mate van nauwkeurigheid bepaald de kwaliteit van de voorspelling. Hoe kleiner het verschil is tussen de voorspelling en de daadwerkelijke resultaten, hoe hoger de betrouwbaarheid van de voorspelling.

Een formule die je kunt gebruiken voor het berekenen van de nauwkeurigheid van de forecast is als volgt: 

Tel het absolute verschil tussen de opgestelde prognose en de werkelijkheid per SKU bij elkaar op. Daarna kun je het aantal door de totale prognose delen. 

Wat zijn de grootste valkuilen bij forecasting

Verkeerde plek in de organisatie

Het is begrijpelijk dat je niet precies weet waar in de organisatie je forecasting onderbrengt. Eerlijk gezegt kan het zowel onder de paraplu’s van de logistieke afdeling als onder sales vallen. Wanneer het onder de logistieke afdeling valt moet degene die de forecast maakt leren los te laten dat het geen rekening hoeft te houden met de supply chain. Beslissingen moeten immers gemaakt worden op basis van de forecast en niet andersom. 

Verwar de forecast niet met de begroting

Een andere grote valkuil is dat de begroting gezien wordt als forecast. Dat is een grote fout. Waarbij de begroting rekening moet houden met budgetten en de ambitie van het bedrijf. Heeft de forecast daar niks mee te maken. Deze hoort in te spelen op veranderingen in de markt, seizoensinvloeden en historische data. 

Waar de grootste verwarring zit, is dat de forecast kan worden gebruikt om te zien of de verwachtingen die ontstaan bij het maken van de begroting worden behaald. Daarnaast kan het als basis dienen voor een nieuwe begroting. 

Zorg voor een heldere vertaling van jouw forecast

Met enkel ruwe data kan niemand iets. Wanneer de ruwe data is vertaald kunnen andere leden van de organisatie de forecast lezen. Hierbij kan gedacht worden aan de sales- en logistieke afdeling, maar ook voor het management en inkoop afdeling is het belangrijke informatie. 

De vraag te laag ingeschat

Het te laag inschatten van de vraag kan tot grote problemen leiden. Wanneer de daadwerkelijke vraag dan groter blijkt te zijn, zijn er een paar scenario’s mogelijk. De eerste is dat je nee moet verkopen en de vraag niet aan kan. De tweede is dat je de order wel aan neemt en jouw personeel overuren laat maken of extra kosten maakt om de levering toch op tijd te laten komen. 

Dit kan opgelost worden door een plan te hebben staan wanneer dit gebeurd om het tekort aan werknemers of materialen aan te vullen. 

De vraag is te hoog ingeschat

Wanneer de vraag te hoog is ingeschat is dat een probleem. Het resultaat is dat er een overschot is aan werkkrachten en producten die niet worden verkocht. Dit leidt tot hogere kosten. 

De oplossing voor dit probleem is dat je een manier moet vinden om jouw mensen bezig te houden. Daarnaast dient er ook een manier gevonden te worden hoe er met een overschot aan producten moet worden omgegaan. Dit kan in de vorm van goedkope opberging of het hergebruiken van materialen voor andere projecten. 

Jouw forecast te ver in de toekomst maken

Wanneer je een horizon die te ver in de toekomst ligt hebt uitgekozen voor je forecast ben je kwetsbaarder bij onverwachte situaties uit je supply chain. Dit kan zowel aan de vraagkant als aanbodzijde zijn. 

Om het gevaar van onder of overbezetting te voorkomen kun je frequenter forecasts maken. Hoe dichter de horizon van jouw forecast zit bij de daadwerkelijke vraag, hoe minder kwetsbaar je bent bij onverwachte veranderingen aan zowel de vraag als aanbodzijde. 

Te veel vertrouwen op je forecast

Wanneer je te veel vast houdt aan je forecast zorg je ervoor dat je niet flexibel om weet te gaan met onverwachte gebeurtenissen. Het gaat je tijd, geld en kansen kosten wanneer je je te veel vasthoud aan je forecast. 

De meeste bedrijven vinden een 95% nauwkeurigheid acceptabel. Dan heb je nog steeds 5% over om flexibel te zijn. Maar de meeste bedrijven kennen niet eens een 95% nauwkeurigheid. 

Bedrijven laten dus ook kansen liggen wanneer zij zich te veel vasthouden aan hun voorspelling, zelfs wanneer de omstandigheden het anders vertellen. De bedrijven houden te veel of te weinig personeel aan puur op basis van hun forecast wat hen op kosten jaagt of hen niet in staat stelt te handelen op onverwachte orders. 

Vrijblijvend sparren
Heb jij een onvervulde vacature voor een logistiek professional binnen jouw organisatie? Neem dan geheel vrijblijvend contact op. Bel naar 088 500 0700 of mail naar: roel@coulant.nl

Lees hier meer over de werkwijze van Coulant of wat wij voor je kunnen betekenen als kandidaat of opdrachtgever.

Snel contact? Chat met ons.