Diskutieren (0)

Drucken

RSS

Startseite » Salescast » Hier

Häufig gestellte Fragen (FAQ)

Inhaltsverzeichnis [Anzeigen/Verbergen] Häufig gestellte Fragen (FAQ)    Kompatibilität und Integration    Probeversion    Eingangsdaten    Prognosebericht    Prognoseergebnisse    Durchlaufzeit    Service-Level    Reorder-Point    Leitnachfrage    Lagerabdeckung    Genauigkeit    Zeitraum    Horizont    Werbeprognosen    Ausgrenzung von Produkten mit niedriger Umschlagshäufigkeit    Kosten    Durchführung einer Prognose    Sicherheit

Kompatibilität und Integration

Salescast ist mit den meisten aktuellen ERP-Lösungen, Bestellmanagementsystemen und eCommerce-Plattformen kompatibel. Die einzige Voraussetzung ist, dass Ihre Daten in einer relationalen Datenbank gespeichert werden müssen. Der etablierte Branchenstandard ist SQL. Verfügt Ihr System über ein SQL-Backend steht einer Zusammenarbeit nichts mehr im Wege. Sollten Sie sich nicht sicher sein, können Sie jederzeit zu uns Kontakt aufnehmen.

Ein Zugriff auf QuickBooks-Daten erfordert die Serviceleistungen von externen Spezialisten. Wir wechseln derzeit unseren Anbeiter und können für diesen Zeitraum keine QuickBooks-Nutzer unterstützen. Bitte teilen Sie uns Ihr Interesse an einer Zusammenarbeit mit und wir melden uns umgehend bei Ihnen, wenn wir diese Serviceleistung wieder anbieten. Wir entschuldigen uns für die Verzögerung!

Als Erstes müssen Sie eine automatische Einstellung für die Datenextraktion und Formatierung der gesamten Verkaufshistorie in Ihrem System erstellen. Hierzu sind IT-Kenntnisse und 1-3 Tage Zeitaufwand erforderlich. Hier einige Unterlagen. Wir übernehmen die Integration gerne für Sie. Sollten Sie sich für diese Serviceleistung entscheiden, erstellen wir einen "Adapter" für Ihr System. Von Ihnen benötigen wir lediglich einen Fernzugriff mit Leseberechtigung auf Ihre Datenbank. Bitte konkaktieren Sie uns, um ein Angebot zu erhalten.

Salescast wird auf Windows Azure gehostet. Somit haben wir keine feste IP-Adresse, sondern einen IP-Bereich. Aus diesem Grund müssen Sie einen Zugriff auf den IP-Bereich des Microsoft-Datenzentrums 94.245.0.0/16 genehmigen. Sollten Sie Zugriff auf eine MS SQL-Serverinstanz genehmigen wollen, bitten wir Sie folgende Anweisungen zu lesen.

SQL ist ein etablierter Branchenstandard zur Speicherung von Geschäftsdaten. Heutzutage kommt fast jede einzelne Unternehmensanwendung mit einem SQL-Backend. Ihr Unternehmen nutzt wahrscheinlich auch SQL. SQL hat verschiedene Namen: MSSQL, MySQL, Oracle, ... Salescast unterstützt alle bedeutenden SQL-Anbieter.

Die Anmeldeinformationen an die Datenbanken werden in den meisten Unternehmen üblicherweise von der IT-Abteilung verwaltet. Sollten Sie Fragen zu diesem Prozess haben, zögern Sie nicht mit uns Kontakt aufzunehmen.

Probeversion

Der erste Schritt der Probeversion von Salecast besteht in der Erstellung der automatischen Datenextraktion und Formatierung der Verkaufshistorie. Diese Phase ist für jedes Lagerbestandsoptimierungs-/Prognose-Tool erforderlich. Gemäß unserer Erfahrung macht eine akkurate Datenextraktion mehr als 75% des gesamten Aufwands zum Testen jeglichen Lagerbestands-/Prognose-Tools oder Methode aus.

Leider ist dies nicht möglich. Obwohl Excel ein nützliches Tool für viele Anwendungsbereiche ist, eignet es sich aus technischer Perspektive nicht zum Datenmanagement und Datenexport. Genau aus diesem Grund wurden Datenbanken wie SQL entwickelt. Hier finden Sie eine ausführliche Erklärung, warum Excel zur Datenhaltung ungeeignet ist.

Wir empfehlen einen Test in vollem Umfang. Prognoseerstellung für nur wenige Produkte, bzw. die Bereitstellung von nur wenigen historischen Datenpunkten, führt zu keinen aussagekräftigen Ergebnissen und verschwendet somit Zeit und Bemühungen. Salescast übersteigt traditionelle Methoden und Prognose-Toolkits durch die Analyse von Mustern und Korrelationen des gesamten Produktportfolios und die Analyse sämtlicher verfügbarer Daten. Durch unzureichende Daten geht dieser Vorteil verloren.

Wir empfehlen Ihnen die Genauigkeit der Salescast-Prognose mit der Genauigkeit Ihrer derzeitigen Prognosemethode für den selben Zeitraum anhand des absoluten Fehlers zu vergleichen. Für eine detaillierte Erklärung zur Bewertung sehen Sie sich unser Video zum Thema Genauigkeit an.

Eingangsdaten

Salescast verwendet jegliche vorhandene Verkaufsdatenhistorie. Je mehr Daten verfügbar sind, umso mehr Informationen stehen zur Verfügung, wodurch generell bessere Ergebnisse der statistischen Prognosen erzielt werden können. Ideal sind von daher tägliche Verkaufsdaten und mehr als zwei Jahre Datenhistorie. Wöchentlich oder monatliche Daten über einen kürzen Zeitraum sind jedoch auch möglich. Die Durchlaufzeit und der gewünschte Service-Level sind für die Berechnung des Reorder-Points erforderlich. Sollten Sie derzeit nicht über diese Informationen in Ihrem System verfügen, empfehlen wir Ihnen mit durchschnittlichen Standardwerten zu beginnen, die Sie nachträglich anpassen können.

Die Bestellmenge ist ideal, da diese Menge der tatsächlichen beobachteten Nachfrage am nähesten kommt. Prognosen können jedoch auch anhand von Versandmengen oder ähnlichen Daten erstellt werden.

Wir empfehlen die Berücksichtigung sämtlicher Bestellungen, unabhängig von deren Status, um der tatsächlichen Nachfrage am ehesten zu entsprechen.

Beide Optionen zur Integration, Durchschnittsschema bzw. Adapter schließen eingestellte Artikelpositionen standardmäßig aus.

Wir das Durchschnittsschmea zur Integration verwendet, können Sie die Artikelpositionen, die im Bericht enthalten sein sollen auswählen, indem ein ‘null-fähiges Boolesches Feld’ eingeführt wird. Weitere Informationen finden Sie in unseren Unterlagen. Erfolgt die Integration mittels Adapter wird eine ähnliche Funktion eingefügt.

Salescast erstellt standardmäßig eine Prognose für ein Produkt, sobald ein einziger Datenpunkt vorhanden ist. Offensichtlich sind Prognosen auf Basis von geringfügigen Daten eingeschränkt. Sehr naive Modelle müssen hierzu angewandt werden und die erzielte Genauigkeit ist geringfügig. Mit dem Wachstum der Verkaufshistorie des Produkts, erhöhen sich die Möglichkeiten für den Prognose-Engine, fortschrittlichere Modelle anzuwenden. Somit steigt auch die Prognosegenauigkeit. Produkte mit geringer oder nicht vorhandener Historie profitieren insbesondere durch die Einführung von Tags.

Ein Fehlbestand verursacht einen Verkauf von Null bis das Produkt wieder vorrätig ist. Bei Prognosen sollten diese Produkte nicht als 'Nullbedarf' interpretiert werden, da dies die Genauigkeit der Prognose drücken würde. Salescast wendet hierzu Heuristiken an, um Fehlbestände zu erkennen und diese von Situationen in denen 'tatsächlich' Nullbedarf besteht zu unterscheiden. Die Mehrheit der Fehlbestände wird somit automatisch erfasst und ein Eingreifen ist unnötig.

Prognosebericht

Bitte sehen Sie sich den Beispielbericht und das Salescast Demovideo an.

Salescast erstellt Prognosen, berechnet die Durchlaufzeit und den Reorder-Point, den Tageslagerbestand (Lagerabdeckung) und gibt die Genauigkeit der Prognose an. Hier finden Sie einen Beispielbericht.

Salescast kann zusätzliche Spalten erstellen. Standardmäßig empfehlen wir die Erfassung von Produktname, Produktidentifikator, bestellter Lagerbestand und vorhandener Lagerbestand. Bitte sehen Sie hierzu unsere Unterlagen. Bei der Integration mittels Adaper, müssen die zu erfassenden Felder während der Adapter-Erstellung benannt werden.

Die Leitnachfrage ist eine Funktion der Durchlaufzeit, der Reorder-Point ist eine Funktion der Durchlaufzeit und des Service-Levels. Sind diese Daten nicht vorhanden, bleiben die Felder leer. Bitte überprüfen Sie dies und füllen die fehlenden Eingangsdaten ein. Bei der nächsten Aktualisierung werden die Leitnachfrage und der Reorder-Point berechnet.

Die Berechnung der optimalen Bestellmenge ist bei Salescast nicht standardmäßig. Die Integration eines Algorithmus, der die Reorder-Menge automatisch berechnet ist jedoch kein Problem. Weitere Informationen zur Auswahl der optimalen Bestellmenge finden Sie hier. Laden Sie unseren kostenlosen Excel-EOQ-Rechner herunter.

Bitte überprüfen Sie, ob der verwendete Bericht die genau gleiche Definition von Bestellunge und Zeiträumen verwendet. Beispiele enthalten "Versanddaten" statt "Bestelldaten" oder "Bestellungen nach Stornierung und Rücksendungen" statt "anfängliche Kundenbestellungen". Erfolgt die Integration über unser SQL-Schema, bitten wir Sie die von Ihnen hochgeladenen Daten auf potenzielle Filter und Unternehmensrichtlinien zu überprüfen, die von Ihnen integriert worden sind. Sollten die Abweichungen weiterhin bestehen, bitten wir Sie uns zu kontaktieren.

Salescast ist standarmäßig nicht für Bauteilgruppen ausgerichtet. Wir empfehlen Ihnen die Integration eines einfachen Skripts, das Ihre Verkaufsdaten für die Auswirkungen von Bauteilgruppen vor der Integration in das SQL-Schema anpasst. Bitte kontaktieren Sie uns für Unterstützung.

Standardmäßig wendet Salescast eine Ausgrenzung für Produkte mit niedriger Umschlagshäufigkeit an, um Lokads Abnonnementkosten für unsere Kunden zu reduzieren. Artikel, die bei monatlichen Prognosen, weniger als 3x in den letzten 3 Monaten verkauf wurden, Artikel, die bei wöchentlichen Prognosen, weniger als 3x in den letzten drei Wochen verkauft wurden bzw., bei täglichen Prognosen, nicht mindestens 10x in den letzten 15 Tagen verkauft wurden, werden ausgegrenzt. Artikel können, je nach Verkaufsmuster, zwischen geringer Umschlagshäufigkeit und hoher Umschlagshäufigkeit variieren. Von daher kann jede Prognoseausführung unterschiedliche Artikelpositionen enthalten. Die Ausgrenzfunktion kann über Ihr Salescast-Konto deaktiviert werden.

Die im Bericht enthaltenen 12 Datenpunkte werden ausschließlich zur Benutzerfreundlichkeit angezeigt. Der Prognose-Engine verwendet sämtliche vorhanden Daten. Auf der zweiten Seite des Berichts (‘Details’) finden Sie die ältesten von Salescast verwendeten Datenpunkte.

Prognoseergebnisse

Eine Aktualisierung kann, je nach Unternehmensgröße, 5 Minuten bis zu einer Stunde dauern.

Trends spielen eine wichtige Rolle bei statistischen Prognosen. Wachstum und Saisonbedingtheit sind ein hervoragendes Beispiel für diese Trends. Aus diesem Grund engagieren wir uns sehr für die Entwicklung von saisonalen Modellen zur Erfassung. Um dies zu gewährleisten, muss ein Trend beobachtet und bestätigt werden. Die Beobachtung bezieht sich auf die Erkennung eines Musters und nicht auf willkürliche Schwankungen. Verkaufszahlen, die vor und nach Weihnachten ansteigen sind ein ausgezeichnetes Beispiel. Die Bestätigung des Trends benötigt diese Muster, um zumindest ein zweites Mal erkennbar zu sein. In unserem Beispiel bedeutet das, dass ein Verkaufsanstieg in der Weihnachtszeit bereits im Vorjahr beobachtet werden konnte.

In Fällen, in denen keine Trends beobachtet oder bestätigt werde konnten, ist eine flache Prognose meist die genaueste Prognose, obwohl sie widersinning erscheint. Das mag Ihnen vielleicht einfach erscheinen, die Komplexität liegt jedoch in der Bestimmung des richtigen Niveaus einer flachen Prognose.

Generell treten zwei Fälle ein, wenn eine flache Prognose vorliegt, wenn eigentlich ein Trend erwartet wird: Eine nicht ausreichende Datenhistorie macht die Bestätigung eines beobachteten Trends unmöglich bzw. es liegen trotz der Intuition des Beobachters einfach keine (zu beobachtenden und bestätigenden) Muster vor.

In diesem Fall empfehlen wir zwei Schritte: Zuerst müssen Sie überprüfen ob ausreichend Daten vorliegen, um einen potenziellen Trend zu bestätigen (z. B. zwei Weihnachtssaisons). Im Anschluss müssen Sie überprüfen, ob ein Trend tatsächlich erkennbar ist. Oftmals ist es sinnvoll Zeitreihen wöchentlich oder monatlich grafisch darzustellen.

Dieses Muster kommt häufig vor. Es ist das Ergebnis eines Unternehmenswachstums durch die kontinuierliche Erweiterung der Produktpalette, während bereits vorhandene Produkte ihren Lebenszyklus durchlaufen. Da lediglich vorhandene Produkte in den unterschiedlichen Phasen des Lebenszklyus in der Prognose erfasst werden (einschließlich Rückgang und Auslaufen) ist die Gesamtprognose niedriger. Weitere Informationen zu diesem Phänomen finden Sie hier.

Salescast erkennt kalenderbasierte Muster automatisch. Sie müssen Lokad von daher nicht auf ein Produkt hinweisen, dass saisonal ist. Die Basis dieser Funktion sind eine umfangreiche Anzahl an Saisonmodellen und Lokads Methode mittels mehreren Zeitreihen.

Salescast wendet Saisonbedingtheit in der Prognose an, wenn diese erkannt und bestätigt wurde. Eine Bestätigung liegt vor, wenn sich ein Muster mindestens einmal wiederholt oder für mehrere Produkte vorliegt. Im Bericht ist es leicht potenzielle Saisonbedingheiten in den 12 historischen Datenpunkten zu sehen, die tatsälich in den vorherigen Zeiträumen nicht vorlagen.

Es gibt viele Muster, die einmal pro Jahr, jedoch nicht immer am selben Datum auftreten. Beispiele hierfür sind der Muttertag (der auf unterschiedliche Tage fällt und auch landesabhängig ist) und weitere Feiertage, wie Ramadan, Ostern und Hanukkah (die je nach Jahr auf unterschiedliche Tage fallen). Viele dieser Feiertage, wie beispielsweise Ostern, weichen nur um wenige Tage voneinander ab, während der entsprechende Umsatz an den selben Tagen stattfinden wird. In diesem Fall ist die Unregelmäßigkeit eher irrelevant. Für extremere Fälle wenden wir schein-saisonale Modelle an.

Bitte sehen Sie sich hierzu die zweite Seite des Salescast Excelberichts (‘Details’) an. Die unter ‘Verkaufsbeginn’ sind die ältesten Datenpunkte Ihrer Datenhistorie.

Bitte sehen Sie sich hierzu die zweite Seite des Salescast Excelberichts (‘Details’) an, um eine Liste der Namen und Anzahl der verwendeten Tags zu erhalten.

Wir erfassen das Modell, das für ein bestimmtes Produkt verwendet wurde, nicht. Um eine generelle Übersicht über unsere Modelle zu erhalten, und um zu erfahren, wie das beste Modell ausgewählt wird, bitten wir Sie sich unser Video anzusehen.

Derzeit wird diese Information nicht erfasst. Anhand der Prognose sollten Sie jedoch erkennen können, ob ein Muster, wie etwa Saisonbedingtheit erkannt und ein saisonales Modell angewandt wurde. Wussten Sie etwa, dass Saisonbedingtheit nicht nur in Form von Jahreszeiten vorkommt? Unsere Algorithmen erfassen eine umfangreiche Anzahl an möglichen Saisonbedingtheiten. Beispiele sind wöchentliche, monatliche (‘Zahltag’) und jährliche Saisonbedingtheit.

Ja, Sie können eine automatische Aktualisierung in den Salescast Einstellungen auswählen.

Salescast erstellt Prognosen und Lagerbestandsoptimierungsmetriken, die manuell im Excel-Bericht bzw. in Ihrem Nachbestellungs- bzw. Bestellmanagementsystem überschrieben werden könnnen. Wir empfehlen Ihnen jedoch sehr, zwischen Bedarfsprognosen und Optimierung der Nachbestellung zu unterschieden. Eine Anpassung des vorgeschlagenen Reorder-Points, um Geschäfteinschränkungen widerzuspiegeln, sollten Teil der Optimierung der Nachbestellung und des Risikomanagements sein. Für die Bedarfsprognose ist die historische Leistung in den meisten Fällen der beste Anhaltspunkt für zukünftige Leistungen und manuelle Überschreibungen sollten die Ausnahme sein.

Durchlaufzeit

Die Durchlaufzeit bezieht sich auf die Lieferzeiten Ihrer Lieferanten (im Gegensatz zur Lieferzeit zu Ihren Kunden). Die Definition umfasst die Anzahl der Kalendertage vom Kaufauftrag bis zur erneuten Verfügbarkeit in Ihrem Lager. Weitere Informationen zur Definition und Berechnung der Durchlaufzeit finden Sie hier.

Die Durchlaufzeit definiert sich anhand der Anzahl an Kalendertagen. Werktage wären zwar eine genaure Bemessung der Durchlaufzeit, jedoch ist deren Auswirkung auf die Prognose eher gering und eine Anpassung an weltweit unterschiedliche Kalender wäre unverhältnismäßig. Weitere Informationen über Durchlaufzeiten können Sie hier nachlesen.

Variierende Durchlaufzeiten Ihrer Lieferanten können verwirrend erscheinen, da Sie lediglich mit einem einzigen Durchlaufzeitwert in Salescast arbeiten können. Die Festlegung der zu verwendenden Durchlaufzeit ist jedoch relativ einfach. Weitere Informationen über variierende Durchlaufzeiten können Sie hier nachlesen.

Die gehört nicht zu den Standardfunktionen von Salescast. Wir können diese Funktion jedoch für Sie hinzufügen. Bitte kontaktieren Sie uns.

In diesem Fall wird eine Extrapolation verwendet, um die Durchlaufzeit festzulegen. Dies kommt jedoch nicht an eine Prognose heran. Aus diesem Grund empfehlen wir Ihnen einen Prognosehorizont auszuwählen, der die Durchlaufzeit im Produktportfolio so gut wie möglich abdeckt. (Grenzen Sie Sonderfälle aus.) Lesen Sie mehr zur korrekten Auswahl des Prognosehorizonts.

Service-Level

Der Service-Level ist die gewünschte Wahrscheinlichkeit der Fähigkeit eine Kundenbestellung erfüllen zu können. Dieser Wert repräsentiert das Leistungsziel bezüglich der Lagerbestandsverfügbarkeit. Ein Service-Level von beispielsweise 90% bedeutet in der Praxis, dass Sie über ausreichende Lagerbestände verfügen, um 9 von 10 Bestellungen zu erfüllen. Der Service-Level ermöglicht Ihnen die Definition der Ausgewogenheit zwischen Lagerbestandskosten und Fehlbestandskosten. Ein hoher Service-Level erhöht Ihren Lagerbestand und Ihre Verfügbarkeit ab Lager. Ein niedriger Servive-Level verringert Ihren Lagerbestand, erhöht jedoch gleichzeitig die Möglichkeit eines Fehlbestands.

Diese Entscheidung ist definitiv unternehmens- und produktabhänigig. Service-Level können sich in einem Bereich von 99% bis unter 50% befinden. Hier finden Sie eine einfache, praktische Erklärung, wie Sie mit einem vernünftigen Satz an Service-Leveln für Ihr Produktportfolio durchstarten können. Erhalten Sie weitere Informationen über unseren kostenlosen Servie-Level Excel-Rechner und tiefgründige Service-Level-Analyse.

Je höher der Service-Level, desto höher ist der benötigte Sicherheitsbestand, um diesen Level aufrecht zu erhalten. Tatsächlich steigt der Lagerbestand exponentiell mit dem Service-Level. Als Faustregel gilt, dass der Sicherheitsbestand sich verdoppelt, wenn die Distanz des Service-Levels auf 100% halbiert wird. Wird der Service-Level beispielsweise von 95% auf 97% erhöht, verdoppelt sich der Sicherheitsbestand. Bitte lesen Sie weitere Informationen zur Auswahl des richtigen Service-Levels.

Ja, jede Artikelposition verfügt über einen spezifischen Service-Level. Salescast übernimmt diese Daten gemeinsam mit der Bestellhistorie aus Ihrem System und integriert diese Werte in den Prognosebericht.

Ja, das ist möglich. Obwohl wir Ihnen dringend anraten Service-Level in Ihr Lagerbestandsmanagement mit aufzunehmen. Die von Lokad vorgeschlagene Lagerbestandsreduzierung und erhöhte Verfügbarkeit entsteht aus zwei Teilen der Analyse: Der Prognose und der Berechnung des Reorder-Points (Sicherheitsbestand). Wir raten gewöhnlicherweise an, zuerst dem Service-Level ein freies Felds (z. B. eigenes Feld) zuzuordnen und einen einheitlichen, ‘durchschnittlichen’ Service-Level einzutragen. Die Service-Level können nachträglich auf Produktebene angepasst werden. Hierzu stellen wir weitere Informationen bereit.

Reorder-Point

Der Reorder-Point ist die Anzahl der verfügbaren Einheiten, die einen Wiederbeschaffungsvorgang auslösen. Fällt der vorrätige Lagerbestand unter den Reorder-Point, sollte ein Wiederbeschaffungsvorgang ausgelöst werden. Intuitiv wird der Reorder-Point berechnet, um zwei Punkte abzudecken: Den Lagerbestand, den Sie während er Durchlaufzeit verkaufen (Ihre Leitnachfrage) sowie die Volatilität Ihrer Nachfrage (dem Sicherheitsbestand). Von daher gilt: Reorder-Point = Leitnachfrage + Sicherheitsbestand. Erhalten Sie mehr Informationen zur Berechnung des Reorder-Points.

Der Reorder-Point ist eine Funktion der prognostizierten Nachfrage, Prognosegenauigkeit und Durchlaufzeit. Er berechnet sich aus der Summe aus Leitnachfrage (Produktverkauf ist für die Durchlaufzeit erwartet) und Sicherheitsbestand (Lagerbestand ergibt die Schwankungen der Nachfrage). Der Schlüssel ist die Berechnung der Schwankungen der Nachfrage, um einen Sicherheitsbestand zu optimieren. Es ist intuitiv, dass ein stark vorhersagbares, kontinuierliches Produkt einen geringeren Sicherheitsbestand benötigt, als ein unregelmäßig verkaufendes Produkt, dessen Prognoseerstellung somit erschwert wird. Lesen Sie weitere Informationen zum Reorder-Point.

Der Reorder-Point sollte unabhängig vom Prognosezeitraum berechnet werden.

Ja, das ist möglich. Einer der Hauptvorteile von Salescast ist die Automatisierung. Durch die automatische Aktualisierung des Reorder-Points in Ihrem System wird auf technische, einfache Weise ein hohes Integrations-Niveau erreicht. Sie können entweder die Lokad-Prognosetabelle verwenden, wenn Sie das Durchschnittsschema verwenden bzw. können Lokads Experten dies in Ihren Adapter integrieren.

Der Reorder-Point ist die Summe aus Leitnachfrage und Sicherheitsbestand. Der Sicherheitsbestand ist eine Funktion der Prognosegenauigkeit. Je genauer die Prognose, desto weniger Sicherheitsbestand ist erforderlich. Lokad Salescast verwendet aus diesem Grund die berechnete Prognosegenauigkeit als wichtige Eingangsdaten in die Reorder-Point-Berechnung. Weitere Informationen finden Sie hier: Berechnung des Sicherheitsbestands mit Excel

Der Reorder-Point steigt mit der Durchlaufzeit. Der Reorder-Point ist die Summe aus Leitnachfrage und Sicherheitsbestand. Die Leitnachfrage ist die Anzahl der Einheiten, die während der Durchlaufzeit verkauft werden. Je länger die Durchlaufzeit, desto mehr Produkte werden verkauft.

Der von Salescast berechnete Reorder-Point ersetzt den Mindestwert. Sie können diesen als einen ‘statischen’ Mindeswert ansehen, der von einem Reorder-Point ersetzt wird, der bei jeder Aktualisierung der Prognose optimiert wird.

Der Maximalwert entsteht aus der Berechnung aus dem Reorder-Point und der optimalen Bestellmenge.

Leitnachfrage

Der Begriff Leitnachfrage ist kurz für Bedarf nach Durchlaufzeit und beschreibt die Anzahl der Einheiten, die während der Durchlaufzeit verkauft werden. Dieser Wert ist eine Schlussfolgerung aus den Bedarfsprognosen in Kombination mit der Durchlaufzeit. Erwarten Sie beispielsweise 10 Einheiten pro Monat zu verkaufen und Ihre Durchlaufzeit is 30 Tage, beträgt die Leitnachfrage 10.

Lagerabdeckung

Die Anzahl der Tage, die noch vorhanden sind, bevor ein Fehlbestand eintritt und keine Nachbestellung erfolgt ist. Dieser Wert entsteht aus den Bedarfsprognosen und dem vorrätigen Lagerbestand.

Es besteht immer ein gewisser Grad der Unsicherheit bezüglich dem Timing und der Menge der zu bestellenden Lagermenge. Die Integration von bestellten Lagerbeständen würde zusätzliche Unsicherheiten (=Risiko) für Ihr Lagerbestandsmanagement bedeuten.

Genauigkeit

Die berichtete Genauigkeit ist die Durchschnittsgenauigkeit, die durch den Vergleich von Prognosen und tatsächlichen Verkaufszahlen berechnet wurde. Um dies zu tun, geht Salescast zurück und prognostiziert und legt die Genauigkeit entlang der Verkaufshistorie fest, und arbeitet sich Monat für Monat nach vorne.

Die Genauigkeit der Prognose wird standardmäßig nicht im Bericht erfasst, obwohl es sich um einen wesentlichen Bestandteil der Analyse von Salescast handelt. Um die Genauigkeit der Prognose für jedes Produkt zu erhalten, müssen Sie diese Funktion in den Salescast-Einstellungen aktivieren.

Dieser Wert ist die erwartete Genauigkeit der Lokad-Prognosen. Je höher der Wert, desto genauer sind die Prognosen. Folgendes Verhältnis besteht: Genauigkeit = 1 - MAPE. MAPE ist der Prozentsatz des absoluten Fehlers des Erwartungswertes (Mean Absolute Percentage Error). Die erwartete Genauigkeit wird von Lokad, sowie die Prognosen auch, anhand von statistischen Analysen berechnet.

MAPE steht für Mean Average Percentage Error. Es handelt sich um eine weitverbreitete Berechnungsmethode der Genauigkeit in statistischen Prognosen.

Oftmals ist die Quantifizierung der Genauigkeitsverbesserung von Lokads Prognosen im Vergleich zu derzeitgen Prognosemethoden Teil der Probeversion. Dies kann auf einfache und effiziente Art unter Verwendung des Absoluten Fehlers erreicht werden. Sehen Sie hierzu unser Video zur Bewertung der Prognosegenauigkeit und zum Vergleich von Prognosen.

Eine Genauigkeit von fast Null wird in Fällen berichtet, in denen die erwartete Genauigkeit sehr niedrig ist und wenig Vertrauen in die Prognoseergebnisse gelegt werden sollte. Dies tritt normalerweise ein, wenn die Produkthistorie sehr schwankend ist. In Produktportfolios mit Hundertausenden Produkten tritt dies gewöhnlicherweise bei einigen Produkten auf. Statistische Prognosen müssen mit einer gewissen Vorsicht betrachtet werden. Es bedeutet eine große Genauigkeits- und Produktivitätssteigerung für die Produktmasse, trifft jedoch nicht auf alle Fälle zu.

Ja. Der Reorder-Point ist die Summe aus der Leitnachfrage und dem Sicherheitsbestand. Der Sicherheitsbestand ist eine Funktion der Prognosegenauigkeit. Je niedriger die Prognosegenauigkeit ist, desto höher ist der erforderliche Sicherheitsbestand, um den gewünschten Service-Level gewährleisten zu können.

Zeitraum

Der Prognosezeitraum kann einen Tag, eine Woche oder eine Monat bedeuten. Entscheiden Sie sich beispielweise für einen wöchentlichen Zeitraum, erstellt Salescast eine wöchentliche Bedarfsprognose. Der Zeitraum kann in den Einstellungen verändert werden.

Wählen Sie den Zeitraum der am Besten für Ihr Unternehmen passt. Versendet Ihr Unternehmen beispielsweise wöchentliche Bestellungen an Lieferanten, sind wöchentliche Prognosen angemessen.

Diese Tatsache wird durch die Ausgrenzungsfunktion von Salescast für Produkte mit niedriger Umschlagsfähigkeit verursacht. Jeder Zeitraum verfügt über eigene Ausgrenzungsregeln und eine Veränderung des Zeitraums, verändert häufig welche Produkte ausgegrenzt werden. Diese Funktion kann in den Einstellungen von Salescast aktiviert bzw. deaktiviert werden.

Ein natürlicher Effekt der Aggregation ist der Anstieg der Prognoseganeuaigkeit bei längeren Zeiträumen (und umgekehrt - kürzere Zeiträume verringern die Genauigkeit).

In Theorie verursacht ein längerer Zeitraum eine erhöhte Genauigkeit und eine höhere Genauigkeit führt zu einer Reduzierung des Sicherheitsbestands und somit zu einem niedrigeren Reorder-Point. In der Praxis ist dieser Effekt jedoch eher unbedeutend.

Sie können lediglich einen Zeitraum pro Prognose auswählen. Möchten Sie beispielsweise parallel Prognosen für zwei Zeiträume erhalten (z. B. Tagesprognosen für 4 Wochen und Wochenprognosen für 26 Wochen), empfehlen wir Ihnen zwei Prognosen einzustellen, indem Sie Ihre Datenbank doppelt mittels Wizard verknüpfen.

Salescast erstellt standardmäßig Prognosen innerhalb von Kalenderzeiträumen. Für Anpassungen an Ihren Abrechnungszeitraum bitten wir Sie uns zu kontaktieren.

Horizont

Der Horizont sollte groß genug sein, um 90%-95% der Durchlaufzeiten abzudecken. Ein Horizont über diesem Wert, erhöht Ihre Kosten unnötigerweise. Ein Horizont unter diesem Wert führt zu einer Verminderung der Genauigkeit des berechneten Reorder-Points. Weitere Informationen finden Sie hier: Auswahl des richtigen Horizonts.

Technisch gesehen ist der Prognosehorizont unbegrenzt. Dennoch nimmt die Genauigkeit mit der Länge des Zeitraums ab. Als Faustregel gilt: 0 bis maximal 42 Tage für tägliche Prognosen, 0 bis maximal 52 Wochen für wöchentliche Prognosen und 0 bis maximal 36 Monate für monatliche Prognosen. In Fällen, in denen sowohl eine niedrige Aggregation als auch ein langer Horizont zutrifft, empfehlen wir eine Kombination von 2 bis 3 Prognosen anhand dieser Faustregeln.

Ist der ausgewählte Horizont kürzer als die Durchlaufzeit, verwendet Salescast eine lineare Extrapolation der Prognosen, um Lagerabdeckung und Reorder-Points zu berechnen. Selbstverständlich sind durch Extrapolation erhaltene Ergebnisse weniger genau als Ergebnisse, die mit Hilfe unserer Kernprognosetechnologie erzielt wurden. Wir empfehlen von daher die Verwendung eines Horizonts, der 90% bis 95% der Durchlaufzeit abdeckt.

Werbeprognosen

Ja, Salescast kann automatisch die Auswirkungen von Werbeaktionen auf die Nachfrage vorhersagen. Um diese Funktionalität nutzen zu können, muss der Ereignisrahmen implementiert werden. Durch Eingabe von Daten bezüglich historischen und geplanten zukünftigen Werbeaktionen kann Salescast deren Auswirkungen auf Umsätze in der Vergangenheit analysieren und diese Informationen mit in die Prognose einbeziehen.

Je mehr Daten und Informationen Sie bereitstellen können, desto besser sind die Prognoseergebnisse. Im Idealfall umfassen die Werbedaten die Art der Werbeaktion (z. B. 2 zum Preis von 1, 30% Rabatt), Kommunikation/Werbung (z. B. Anzeigeraum in einem Katalog oder einer Broschüre), Position (z. B. Gangeingang) und Verpackung. In der Praxis sind diese Daten oftmals nicht vorhanden oder nicht ausreichend. Dennoch können auch beschränkte Informationen über Werbeaktionen die Genauigkeit langsam verbessern.

Die technische Implementierung ist so einfach wie die Implementierung der Anfangsprognose (Sehen Sie hierzu die Unterlagen zum Durchschnittsschema). Die 'Feinabstimmung' dieser Funktion kann sich jedoch etwas schwieriger gestalten. Aus diesem Grund empfehlen wir die Implementierung von Veranstaltungen nur, nachdem die Kernprognose eingeführt und am Laufen ist. Sie erhalten ein kleines Unterstützungs-/Beratungspaket von uns, um dies erfolgreich durchzuführen. Wir beraten Sie gerne in jeglichen Aspekten der Implementierung, einschließlich Auswahl der zu verwendenden Daten, bei der Planung welche Daten gesammelt werden müssen und wie Sie die Ergebnisse bewerten. Bitte nehmen Sie mit uns Kontakt auf. Bitte lesen Sie unsere Unterlagen zum Thema Tags und Ereignisse.

Ausgrenzung von Produkten mit niedriger Umschlagshäufigkeit

Standardmäßig grenzen wir sich sehr unregelmäßig verkaufende Produkte aus unseren Prognosen aus, da diese für die Prognose unbedeutend sind und die Kosten für unsere Serviceleistung unnötig erhöhen.

Sie können diese Funktion in den Salescast-Einstellungen aktivieren bzw. deaktivieren.

Die standardmäßigen Ausgrenzungsrichtlinien sind: monatliche Prognosen - Artikel, die in den letzten 3 Monaten weniger als 3-mal verkauft wurden; wöchentliche Prognosen - Artikel, die in den letzten 3 Wochen weniger als 3-mal verkauft wurden; tägliche Prognosen - Artikel, die in den letzten 15 Tagen weniger als 10-mal verkauft wurden.

Kosten

Die Rechnungsstellung erfolgt anhand Ihres monatlichen Vebrauchs, der automatisch verzeichnet wird. Während Sie im Laufe des Monats Prognosen erstellen, wird Ihr Verbrauch aufgezeichnet. Am Ende des Monats wird Ihr monatlicher Verbrauch auf Basis unserer Preiskalkulation verrechnet. Sie erhalten eine automatisch erstellte Rechnung.

Nach erfolgreicher Integration, Konfiguration und zufriedenstellenden ersten Test, werden wir Ihnen auf monatlicher Basis eine Rechnung zukommen lassen.

Ein Verbrauch findet nur statt, wenn Sie die Schaltfläche Aktualisierung in Ihrem Salescast-Konto drücken. Jegliche andere Aktivitäten, wie etwa das Herunterladen von Berichten kummuliert keine Kosten. Sollten Sie versehentlich eine Aktualisierung ausgelöst haben, können Sie diese jederzeit vor Beendigung stornieren.

Weitere Informationen finden Sie auf unserer Preisseite. Detaillierte Informationen finden Sie hier: Preisgestaltung.

Bitte lesen Sie den Artikel zum Thema Preisgestaltung für Erklärungen und Vorschläge zur Optimierung Ihrer Prognosen.

Durchführung einer Prognose

Eine Aktualisierung kann je nach Unternehmensgröße 5 Minuten bis zu über einer Stunde dauern.

Ja, Sie können eine automatische Aktualisierung in den Salescast Einstellungen auswählen.

Sicherheit

Salescasts Host ist Windows Azure, der Cloud-Computing Plattform von Microsoft, die eine hochmoderne Computing-Umgebung bietet. Darüber hinaus bietet Salescast selbst einen Datenverschlüsselung für aller Verbindungen (SSL) in Industriequalität. Lokads strenge Datenschutzrichtlinien werden auch auf Salescast angewendet.

Selbstverständlich. Bitte senden Sie eine E-Mail mit der entsprechenden Vorlage der Verschwiegenheitserklärung an contact@lokad.com und wir werden uns umgehend darum kümmern. Haben Sie keine Vorlage, können Sie die Standardvertraulichkeitserklärung, die von Lokad bereitgestellt wird, anfordern.