Reverse Supply Chain Gotcha für die Nachfrageprognose

Joannes Vermorel

Was die Prognose betrifft, gibt es ein altes Sprichwort “Garbage In Garbage Out”, das besagt, dass selbst die beste Prognosetechnologie falsche Daten nicht korrigieren kann. Obwohl die von Einzelhändlern und Herstellern verwendeten Verkaufsdaten in unserer Erfahrung in der Regel ziemlich sauber sind. In dieser Zeit des elektronischen Geschäftsverkehrs ist die Anzahl der falsch eingegebenen Verkaufsdaten vernachlässigbar gering.

Dennoch gibt es immer noch Feinheiten, wenn es um die Prognose geht. Insbesondere bemüht sich Lokad, Nachfrageprognosen anstelle von Verkaufsprognosen zu liefern.

Bei der Konsolidierung ihrer historischen Nachfrage -Daten haben wir festgestellt, dass Rücksendungen, Teil des Prozesses der Reverse Supply Chain, und Stornierungen häufig als negativ in den historischen konsolidierten Verkäufen erfasst werden. Ein solches Muster erzeugt in der Regel negative Verkäufe, die recht einfach zu erkennen sind, auch wenn sie eher selten vorkommen, da die Anzahl der Rücksendungen in der Regel gering im Vergleich zur Anzahl der Bestellungen ist.

Dieses Verhalten ist aus buchhalterischer Sicht korrekt, aber leider irreführend aus Sicht der Prognose. Schauen wir uns an, warum.

Angenommen, am Montag werden 9 Einheiten eines Produkts bestellt. Bei der Lieferung am Dienstag, unter Berücksichtigung des Overnight-Versands, werden 3 Einheiten zurückgegeben. Am Ende wurden am Montag nur 6 Einheiten wirklich verkauft. Aber was ist die korrekte Nachfrageprognose für Montag?

• Wenn wir davon ausgehen, dass 6 Einheiten die richtige Nachfrage für Montag sind, werden nur 6 Einheiten gelagert. Dadurch werden am Montag nur 6 Kunden bedient, während die verbleibenden 3 Kunden höchstwahrscheinlich aufgrund des Mangels an verfügbaren Waren abgeschaltet werden. Dann werden am Dienstag 2 Einheiten (anstatt 3) zurückgegeben. Dieser Ansatz führt zu 4 effektiven Verkäufen für Montag.
• Wenn wir davon ausgehen, dass 9 Einheiten die richtige Nachfrage für Montag sind, werden 9 Einheiten gelagert und folglich versendet. Abzüglich der 3 Rücksendungen am Dienstag führt dieser Ansatz zu 6 effektiven Verkäufen für Montag.

Offensichtlich ist das zweite Szenario besser für den Einzelhändler. Als allgemeine Richtlinie sollten Daten, die aus der Reverse Supply Chain stammen, keinen Einfluss auf die Nachfrageprognosen haben.

Was die Stornierungen betrifft, gibt es einen Graubereich.

• Wenn eine Bestellung schnell storniert wird, bevor der Artikel überhaupt eine Chance hatte, versendet zu werden, steht der Artikel sofort für eine neue Bestellung zur Verfügung. In einer solchen Situation macht es Sinn, den schnell stornierten Artikel nicht als Teil der Nachfrage zu zählen.
• Wenn die Stornierung jedoch ein paar Tage nach der Bestellung, aber immer noch vor dem Versand erfolgt, wurde ein Artikel im Lager als nicht verfügbar während des gesamten Zeitraums zwischen der Bestellung und der Stornierung betrachtet. Wenn diese lang verzögerte Stornierungsbestellung nicht als Nachfrage gezählt wird, könnte dies potenziell verhindern, dass tatsächliche Kunden den gewünschten Artikel kaufen.

Die zweite Erkenntnis ist noch stärker, wenn die Stornierung durch die lange Versandverzögerung verursacht wird.

Als allgemeine Richtlinie sollten alle Operationen, die dazu dienen, Lagerbestände zuzuweisen, als Nachfrage gezählt werden, auch wenn diese Operationen später storniert werden. Die Stornierung kann als unsichere Auffüllung betrachtet werden, aber nicht als geringere Nachfrage. Für einen Topseller, der mit einem relativ stabilen Rücksendeanteil verbunden ist, würde dies letztendlich bedeuten, dass der bestellte Lagerbestand, der den erwarteten Lagerbestand in der Zukunft darstellt, entsprechend der Anzahl der laufenden Verkäufe erhöht werden könnte, um die erwartete Stornierungsrate widerzuspiegeln.