Startseite »
Salescast » Hier
Ihr erster Prognosebericht? Erwarten Sie das Unerwartete
Als Nicht-Statistiker werden Sie wahrscheinlich bei einem ersten Studieren der Zahlen, die von Lokad produziert wurden, verblüfft sein.
Statistik ist keine intuitive Wissenschaftund resultiert in wenig intuitiven Ergebnissen. Nichtsdestotrotz haben diese Zahlen eine sehr realistische Auswirkung auf Ihr Unternehmen. Lassen Sie uns Licht auf diesen ersten Bericht werfen.
Ungültige Ausgaben bei ungültigen Eingaben
Schaut man sich seinen ersten Bericht an, ist es zuerst einmal wichtig
die eingegebenen Daten zu validieren. In der Computerwissenschaft wird nach dem alten Prinzip gehandelt:
Garbage In, Garbage Out. Werden die historischen Daten nicht ordnungsgemäß importiert, besteht nur eine geringe Wahrscheinlichkeit, dass die Prognosen Sinn machen. Daher empfehlen wir ca. ein halbes Dutzend der Zeilen des Excel-Berichts auszusuchen und zu überprüfen ob die historischen Daten, die von Lokad gemeldet wurden, den Daten entsprechen, mit denen Sie vertraut sind; noch besser ist es, wenn Sie bereits ein Berichtswesen implementiert haben, um dies zu vergleichen.
Salecast kann auch inventarspezifische Werte, wie den Bestand, die Vorlaufzeit, den Service-Level etc., importieren. Speziell die Vorlaufzeit und der Service-Level haben eine starke Auswirkung auf die Empfehlung des finalen Reorder-Point (falls dieser zur Verfügung steht). Sollte dieser Ihnen erheblich zu niedrig erscheinen,
überprüfen Sie, dass die Vorlaufzeit ordnungsgemäß eingegeben wurde. Das gleiche gilt für den Service-Level. Im Zweifelsfalle zögern Sie bitte nicht das Team von Lokad um Unterstützung zu bitten.
Berichterstellung und -interpretation
Wir empfehlen Ihnen, sich erneut den
Beispielbericht anzusehen, anhand dessen die Interpretation aller Berichtspalten erklärt wird. Sollten Sie noch nicht mit der Salescast Web-Anwendung vertraut sein, bitten wir Sie sich folgendes
Demovideo anzusehen, das
die Erstellung und den Zugriff auf Ihre Berichte erläutert.
Auswahl des Prognosezeitraums und -horizonts
Von Salescast produzierte Berichte verfügen über
zwei Schlüsseleinstellungen, genannt
Zeitraum und
Horizont. Diese Einstellungen können über die Web-Benutzeroberfläche konfiguriert werden. Gehen Sie zu
Ihre Prognosen » Einstellungen. Salescasts Standardeinstellung erstellt Prognosen für einen Zeitraum von 6 Monaten im Voraus. Hier lernen Sie wie man von diesen Einstellungen profitieren kann.
Salescast unterstützt 3 deutlich abgegrenzte Zeiträume, nämlich
Tag,
Woche und
Monat. Der Zeitraum repräsentiert das Aggregationsniveau Ihrer Daten. Wählen Sie die Einstellung
Woche aus, erhalten Sie wöchentliche Prognosen, d. h. einen Punkt pro Woche, dort beginnend wo die Daten enden. Folglich ist der Horizont eine Zahl, stehend für die Anzahl der zu produzierenden Prognosepunkte. Beispielsweise die Einstellung:
Zeitraum=Woche und
Horizont=3, resultiert in einer Pronose für die kommenden drei Wochen. Der maximale eintragbare Horizontwert ist 100. Die Auswahl hoher Horizontwerte ist oftmals nicht ratsam (siehe unten).
Der Zeitraum
Wir empfehlen Ihnen
den Zeitraum auszuwählen, der Ihren betrieblichen Anforderungen entspricht. Gibt Ihr Unternehmen beispielsweise wöchentlich Aufträge an Lieferanten weiter, dann sind Wochenprognosen angemessen. Ein natürlicher Effekt der Aggregation ist, dass die Prognosegenauigkeit mit längeren Zeiträumen zunimmt (und umgekehrt, kürzere Zeiträume mindern die Prognosegenauigkeit).
Der Horizont
Der Horizont sollte ausgewählt werden, so dass er
groß genug ist um Durchlaufzeiten abzudecken, diese jedoch nicht überschreitet. Tatsächlich erfolgt Salescasts
Preisgestaltung anhand der erstellten Prognosepunkte, die für Ihre Berichte generiert wurden: Je größer der Horizont, desto höher die Kosten. Sind Prognosen kürzer als Durchlaufzeiten, verwendet Salescast eine
lineare Interpolation der Prognosen um Lagerabdeckung und Reorder-Points zu berechnen. Es ist offensichtlich, dass durch Interpolation erreichte Ergebnisse weniger akkurat sind als Ergebnisse durch unsere Prognosetechnologie.
Folglich gestattet Salescast es nicht, einen bestimmten Horizontwert für einzelne Artikel (*) einzustellen, obwohl es eher unwahrscheinlich ist, dass Artikel dieselbe Durchlaufzeit haben. Dank Interpolation müssen Sie nicht die maximale Durchlaufzeit als Prognosehorizont für Ihren Bericht eingeben. Stattdessen ist es ratsam,
einen Horizont auszuwählen, der groß genug ist um 90% bis 95% Ihrer Durchlaufzeiten abzudecken. Wir erachten Lokad für kostengünstig und eine weitere Mikro-Optimierung des Prognosehorizonts ist im Regelfall eine Zeitverschwendung.
Faustregel: Historien-Zeitraum 5 mal länger als Prognosezeitraum
Rein technisch gesehen, kann Salescast eine Prognose für die kommenden 100 Tage anhand historischer Daten eines einzigen Tages erstellen. Die Genauigkeit jedoch lässt wahrscheinlich mehr als zu wünschen übrig. Als Faustregel gilt: Überschreiten die historischen Daten die Länge der angeforderten Prognose nicht um das 5-fache, sollten Sie nicht all zu viel von einer statistischen Prognose erwarten.
Faustregel: wöchentliche Prognosen für einen Zeitraum von mehr als einem Monat
Tagesprognosen werden selten länger für einen Zeitraum von 28 Tagen (d. h. 4 Wochen) benötigt. Wir konnten beobachten, dass Unternehmen, die Tagesprognosen verwenden, um weitschauend zu agieren, dazu tendieren ihre Aktivitäten auf eine Art und Weise zu "mikro-optimieren", die gewöhnlicherweise nicht rentabel ist. Bei monatlichen Prognosen empfiehlt es sich, etwas Flexibilität für kurzfristige Änderungen beizubehalten. In der Praxis ist es, obwohl Tagesprognosen für sehr kurzfristige Inventaroptimierungen geeignet sind, empfehlenswert, zu wöchentlichen Prognosen, über den Zeitraum von einem Monat hinaus, zu wechseln.
Um von Tages- sowie Wochenprognosen zu profitieren, empfehlen wir Ihnen
2 verschiedene Berichte in Salescast:
- ein Bericht mit Tagesprognosen, die pro Werktag aktualisiert werden.
- ein Bericht mit Wochenprognosen, die einmal pro Woche aktualisiert werden.
Faustregel: monatliche Prognosen für einen Zeitraum von mehr als einem Jahr
Wöchentliche Prognosen sind, ähnlich dem vorangehenden Beispiel, eher ungeeignet für Prognosen für einen Zeitraum von mehr als einem Jahr. Für weitreichende Prognosezeiträume vermitteln wöchentliche statistische Prognosen ein falsches Gefühl der Genauigkeit. Hier empfehlen wir monatliche Prognosen.
Auswahl des richtigen Service Level
Der
Service Level ist für die Kalkulation des optimalen Reorder-Points erforderlich. Wir empfehlen Ihnen, sich
mit dem Konzept vertraut zu machen und nachzulesen, wie Sie den für Ihre Produkte
richtigen Service Level auswählen.
Ich habe eine Frage zu den Prognosen
Nach erfolgreicher Integration und Erstellung Ihres ersten Prognoseberichts mit Salescast, empfehlen wir Ihnen das Excel-Dokuments gemeinsam mit einem Mitglied des Lokad-Teams zu besprechen. Sie erhalten Erklärungen zur Bedeutung der im Bericht enthaltenen Zahlen, Leitlinien zur besten Anwendung von Salescast sowie Aufklärung über Unklarheiten.
Sollten Sie
Fragen zu Ihren Prognosen haben, können wir jederzeit besprechen, ob wir eine
Untergruppe von mindestens 100 Zeitreihen eingrenzen können UND ob
eine alternative Prognosemethode die bessere Wahl ist. Sind weniger Zeitreihen vorhanden, ist der Störungslevel üblicherweise so hoch, dass kein Endesultat mit hoher statistischer Zuverlässigkeit erstellt werden kann. Ohne eine Alternative, die Lokad übertrifft, bringt eine Besprechung wohl wenig Ergebnisse, da keine Beweise vorliegen, dass dieser bestimmte Aspekt überhaupt verbessert werden kann.
Ohne die Zubuchung eines individuellen Support-Pakets,
können wir leider keine Fragen zu individuellen Prognosen beantworten.
Integrationspakete oder -gebühren beinhalten keine Besprechung der statistischen Relevanz erhaltener Prognosen. Obwohl es in unserem Interesse ist, Ihnen die Unterstützung zu bieten, die Sie benötigen, gibt es hierfür verschiedene Gründe:
- Zeit: Detaillierte Analysen zu Geschehnissen bestimmter Zeitreihen sind zeitaufwändig und dauern oftmals über eine Stunde. Ein typisches Konto verfügt über hunderte von Zeitreihen. Besprechungen mit Kunden über individuelle Zeitreihen sind oftmals für beide Parteien sehr zeitaufwändig.
- Produktivität: Gemäß unserer Erfahrungen, führen Diskussionen über individuelle Prognosen "kaum zu praktischen Ergebnissen". Die guten oder schlechten Prognosen sind das Ergebnis einer komplexen und leistungsstarken Technologie, die wir nicht auf individuelle Ergebnisse abstimmen können.
- Statistische Relevanz: Prognosen sind voneinander abhängig. Die Ergebnis-Optimierung einer einzigen Zeitreihe (d. h. Produkt) beeinflusst die Ergebnisse anderer Zeitreihen. Eine Verbesserung der betreffenden Zeitreihe würde mit hoher Wahrscheinlichkeit die Gesamtleistung negativ beeinflussen.
Auch gut gemeinte
Anmerkungen zu Prognosen sind per Definition nicht beurteilbar (es sei denn wir können in die Zukunft sehen...). Regel-basierte Vorschläge (d. h. ist das Produkt x, dann ändern Sie die Prognose gemäß y) ändern höchstwahrscheinlich nichts an der Situation, da Lokad routinemäßig (und durchschnittlich) sämtliche regelorientierte Ansätze übertrifft. Prognosegenauigkeit ist unsere höchste Priorität. Unser Anliegen ist die beständige Verbesserung der Technologie.
Stattdessen empfehlen wir Ihnen, idealerweise durch Vergleich mit Ihren vorherigen Prognosemethoden,
die Gesamtgenauigkeit der Prognose zu beurteilen. Dieser Vergleich ist einfach durchzuführen (vorausgesetzt Sie verfügen über eine alternative Prognose) und gibt Ihnen ein Gefühl für Genauigkeit. Eine Anleitung hierzu finden Sie in diesem kurzen Tutorial-Video über die Bewertung und den
Vergleich von Prognosegenauigkeit.
Denken in Prognosegenauigkeit
Nach Überprüfung der Eingabedaten, schauen Sie sich die Prognosen an. Vor der Prognose befindet sich eine Spalte mit der Überschrift „Genauigkeit/accuracy“. Lokad liefert
nicht nur Prognosen, sondern schätzt auch die Fehlerrate der Prognose ab. Dies ist eine Art Selbstdiagnose des Systems. Ohne auf die technischen Details der Definition dieses Genauigkeitsindikators einzugehen, können wir vereinfacht feststellen, das es sich hierbei um einen Prozentsatz handelt: 100% bedeutet, dass die Prognose sehr genau ist und 0%, dass sie sehr ungenau ist.
Eine Genauigkeit von 100% ist für einen Prognoseprozess nicht sehr realistisch (statistisch oder auch auf andere Art). Betrachtet man, beispielsweise, ein niedriges Verkaufsvolumen, kann bereits ein geringer Fehler von +1 oder -1 die Genauigkeit
in Prozent auf einen Wert von weniger als 50% verringern. Im Gegensatz zu allgemeinen Annahme, ist
der Grad der Genauigkeit insgesamt kein Resultat der Prognosemethode, sondern des Aggregationsniveaus der Daten.
Zum Beispiel: Bei einer Prognose des täglichen nationalen Elektrizitätsverbrauchs von einem Tag auf den anderen, wird eine Genauigkeit von 99,5% als ziemlich schlecht bewertet. Im Gegensatz hierzu kann eine Prognose für die Sonderangebotsverkäufe eines frischen Lebensmittels mit einer Genauigkeit von 30% als ein signifikanter Erfolg betrachtet werden. Dies bedeutet jedoch nicht, dass eine
bessere Prognoselösung die Situation verbessert...
Prognosen sind nicht einfach
gut oder
schlecht,
es stellt sich hier eher die Frage, wie gut diese Prognosen im Vergleich zum Status quo oder zu Alternativen sind? Es lässt sich nicht einfach sagen:
diese Prognosen sind nicht genau genug, geben wir das Prognostizieren einfach auf, da Inventarlevel indirekt eine Bedarfsprognose sind (die höchstwahrscheinlich sogar noch schlechter ist).
Haben Sie ein Inventar, sind Sie bereits gezwungen eine Prognose zu erstellen. Die Frage hier lautet:
“Sind diese Prognosen besser als die expliziten (statistischen), oder sind sie es nicht?Merkwürdig erscheinende, jedoch normale Prognosemuster
Ihr Bericht beinhaltet wahrscheinlich
flache Prognosen, d.h. perfekte stetige Verkäufe über mehrere Wochen oder Monate. Wir wissen, dass ein solches Ereignis eher unwahrscheinlich ist, nichtsdestotrotz sollte man im Auge behalten, dass das Ziel ist die
akkurateste statistische Option herauszufinden. Dies gilt besonders, wenn die historischen Daten stark schwanken. Mehr hierzu finden Sie in unserem Artikel über
flache Prognosen.
Sie entdecken ggf. auch einige
Datenpunkte, die merkwürdig erscheinen (entweder zu hoch oder zu niedrig), während die historischen Verkäufe weiterhin ziemlich flach verlaufen. Für diese Situation lassen sich viele unterschiedliche Erklärungen finden. Speziell die
Datenaggregation ist ein Verlustprozess und bei der Betrachtung wöchentlicher oder monatlicher Daten gehen Informationen verloren. Da Lokad die feinkörnigsten Daten, die zur Verfügung stehen, nutzt (z.B. Tagesdaten) kann Lokad Muster erkennen, die in einer aggregierten Visualisierung nicht sichtbar würden.
Wenn man alle Prognosen zur Gesamtbetrachtung aufsummiert, erhält man wahrscheinlich noch mehr merkwürdige Ergebnisse. Beispielsweise Ihr
Unternehmen mag sich im Wachstum befinden, aber individuelle Produktverkäufe sinken. Kurz gesagt: Lokad trägt Lebenszyklus Mustern Rechnung, die üblicherweise schwer zu greifen sind, da die Produkte konstant auf den Markt kommen und wieder aus diesem verschwinden.
Requesting a review of your first report
Once you have successfully integrated and produced your first forecast report with Salescast,
we recommend to review your first report with a member of the Lokad team. It will help you to make sense of the numbers produced, give you guidance on how to work best with Salescast and explain what might at first be puzzling to you.
To get the most of the review, please review the information on this page, your forecast report and send us your most important questions upfront. A member of our team will contact you and schedule a call.
Fragen zu Ihren Prognosen
Sollten Sie
Fragen bezüglich Ihrer Prognosen haben, können wir jederzeit besprechen, ob eine
Teilmenge von mindestens 100 Zeitreihen eingegrenzt werden kann UND
ob eine alternative Prognosemethode Lokad an Leistung übertrifft. Mit einer geringeren Anzahl an Zeitreihen, ist der Störungsfaktor generell zu hoch, um eine Prognose mit hoher statistischer Zuverlässigkeit zu erstellen. Ohne eine Alternativlösung, die Lokad an Leistung übertifft, wird es keine andere Lösung geben, da dieser bestimmte Aspekt anscheinend nicht verbessert werden kann.
Wir müssen Sie jedoch darauf hinweisen, dass
wir Ihnen keine Antworten auf Fragen bezüglich individueller Prognosen geben können, es sei denn, Sie haben sich für ein individuelles Support-Paket entschieden.
Integrationspakete bzw. Gebühren decken nicht die Kosten für eine Beprechung der statistischen Relevanz von erstellten Prognosen. So gerne wie Sie auch bei all Ihren Fragen und Problemen unterstützen möchten, hier einige Faktoren, die zu dieser Entscheidung beigetragen haben:
- Zeit: Eine detaillierte Analyse der Geschehnisse einer spezifischen Zeitreihe ist zeitaufwändig und dauert meist über eine Stunde. Ein typisches Konto enthält Hunderte von Zeitreihen. Aus diesem Grund ist eine Besprechung individueller Zeitreihen mit dem Kunden ein zeitaufwändiges Verfahren für beide Parteien.
- Produktivität: Unserer Erfahrung nach führen Besprechungen individueller Prognosen in den meisten Fällen "zu keinem Ergebnis". Die Prognosen, gut oder schlecht, sind das Ergebnis einer komplexen und leistungsstarken Technologie, die wir nicht verändern, um individuelle Ergebnisse zu verbessern.
- Statistische Relevanz: Keine Prognose kommt alleine. Optimierung der Ergebnisse einer Zeitreihe (d. h. Produkt) beeinflusst die Ergebnisse anderer Zeitreihen. Die für die fragliche Zeitreihe erreichte Verbesserung wird mit ziemlicher Sicherheit die Gesamtleistung verschlechtern.
Anmerkungen zu Prognosen - So gut gemeint, wie diese auch sind, sind definitionsgemäß nicht anerkennbar (es sei denn wir können demnächst in die Zukunft sehen...). Es ist unwahrscheinlich, dass regelbasierte Vorschläge (d. h. ist das Produkt x, dann wenden Sie y für die Prognose an) einen positiven Einfluss auf die Situation haben, da Lokad routinemäßig (im Schnitt) sämtliche regelbasierten Vorschläge übertrifft.
Prognosegenauigkeit ist unser oberstes Ziel und wir werden weiterhin unser Bestes geben, um unsere Technologie kontinuierlich zu verbessern.
Stattdessen schlagen wir Ihnen vor,
die generelle Genauigkeit der Prognose zu bewerten, indem Sie einen Vergleich mit Ihren vorherigen Prognosemethoden erstellen. Diese Methode ist relativ einfach (vorausgesetzt, Sie verfügen über eine alternative Prognose) und gibt Ihnen ein gewisses Gefühl für die Genauigkeit. Eine Anleitung hierzu finden Sie in einem
kurzem Tutorial-Video über die Bewertung und den Vergleich von Progonosegenauigkeit.
Zusammenfassung
Für quantitative Prognosen lässt sich nichts verbessern, was nicht gemessen wurde. Lokad bietet Ihnen die Möglichkeit den
Status Quo ihre Unternehmens zu vergleichen. Hierdurch werden Sie ggf. von den Lokad Zahlen verblüfft sein.
Wir bieten Ihnen an, dass ein Teammitglied von Lokad die Zahlen mit Ihnen durchgeht. Unserer Erfahrung nach machen die Zahlen in weniger als einer Stunde erheblich mehr Sinn.
Schreiben Sie uns noch heute eine E-Mail um einen Anruftermin zu vereinbaren.