Geschäft ist HOCH aber Prognosen sind RUNTER
Statistische Nachfrageprognose ist eine kontraintuitive Wissenschaft. Dieser Punkt wurde ein paar Mal schon betont, aber schauen wir uns eine weitere irreführende Situation an.
Wenn jedes einzelne Produktsegment meines Geschäfts schnell wächst, dann sollten zumindest einige Produkte ebenfalls einen Aufwärtstrend im Verkauf aufweisen. Oder? Andernfalls würden wir überhaupt nicht wachsen.
Diese Aussage erscheint wie reiner gesunder Menschenverstand; und doch ist sie falsch, sehr falsch. Wir leben in einer schnelllebigen Wirtschaft. Ein identisches Produkt über mehr als 3 Jahre im Verkauf zu haben, ist die Ausnahme und nicht die Regel in den meisten Verbrauchsgüterbranchen. Infolgedessen neigen Produktlebenszyklen dazu, das organische Wachstum von Einzelhändlern in den Schatten zu stellen.
Diese Situation wird durch das untenstehende Schema veranschaulicht.
Dies ist eine Reihe von Produktverkäufen, die in einer einzigen Grafik dargestellt werden. Jede Kurve gehört zu einem bestimmten Produkt; und Produkte werden im Zeitverlauf eingeführt. Jedes Produkt hat sein eigenes Lebenszyklus-Muster. Die hier gezeigten Lebenszyklusmuster veranschaulichen einen typischen Neuheitseffekt: Die Verkäufe steigen unmittelbar nach der Produkteinführung schnell an, und danach tritt das Produkt in seine Abwärtsphase ein, die endet, wenn das Produkt schließlich aus dem Markt genommen wird.
Doch wie wirkt sich ein Aufwärtstrend – beim Einzelhändler selbst – auf dieses Bild aus? Schauen wir uns die folgende Abbildung noch einmal an.
Die Verkäufe sind bei einem Einzelhändler mit positivem Trend höher, doch dieses Wachstum reicht bei weitem nicht aus, um den Effekt des Produktlebenszyklus auszugleichen. Die Verkäufe des Produkts nehmen weiterhin ab – wenn auch in einem langsameren Tempo.
Diese Situation zeigt, wie es möglich ist, ein schnell wachsendes Einzelhandelsgeschäft zu haben, während die Verkaufszahlen der Produkte einen negativen Trend aufweisen. Der entscheidende Trick liegt darin, dass ständig neue Produkte eingeführt werden.
Leider führt diese Situation zu viel Verwirrung. Tatsächlich, wenn Verkaufsprognosen erheblich von den Gesamterwartungen abweichen, wird es sehr verlockend, die Prognosen zu korrigieren.
Da die meisten Prognosetools ohnehin schlecht dafür geeignet sind, mit zu stark schwankender oder zu intermittierender Nachfrage umzugehen, ist es verlockend, die Verkäufe pro Familie, pro Kategorie zu aggregieren, um eine Gesamtprognose zu erstellen; und dann die Prognosen auf SKU-Ebene mithilfe von Verhältnissen zu de-aggregieren. Dieser Ansatz wird Top-down-Prognose genannt und in vielen Branchen (unter anderem in der Textilindustrie) intensiv genutzt.
Top-down-Prognosen liefern Ergebnisse, die erscheinen viel näher an intuitiven Erwartungen zu liegen: In den Verkaufsprognosen wird ein Wachstum festgestellt, das mit dem in den verschiedenen Geschäftssegmenten beobachteten Wachstum übereinstimmt.
Doch indem die Prognose auf der obersten Ebene erstellt wird, erfasst das Prognosemodell einen fiktiven Aufwärtstrend, der einzig aus dem Beitrag regelmäßiger Produkteinführungen resultiert. Wird diese Fiktion auf einer niedrigeren Ebene – also auf SKU- oder Produktebene – angewendet, dann überschätzen wir die Verkaufszahlen für jedes einzelne Produkt deutlich.
Im nahezu schlimmsten Fall: Es entsteht ein massiver Überbestand für Produkte, genau in dem Moment, in dem sie aus dem Markt genommen werden.
Aus der Perspektive der Prognose sollte ein gutes Prognosesystem in der Lage sein, Lebenszyklus-Effekte zu erfassen. Das bedeutet, dass sich Verkaufsprognosen erheblich von der Gesamtprognose des Geschäfts unterscheiden können. Das Geschäft kann steigen, während jedes einzelne Produkt sinkt. In einer solchen Situation ist das Versuchen, die Prognosen zu korrigieren am ehesten kontraproduktiv.
Nachtrag: Trotz des Datums dieses Beitrags (1. April 2011) ist dieser Beitrag kein Scherz.
