Kontrollieren Sie Ihre Servicegrade, lassen Sie sich nicht von ihnen kontrollieren
Im Einzelhandel haben viele Unternehmen nicht viel Kontrolle über ihre Servicegrade. Tatsächlich überwachen viele Unternehmen das Servicegrad nicht dort, wo es am wichtigsten ist: das stationäre Geschäft. In der Tat ist die Messung des Servicegrade im Laden ein mühsamer Prozess. Einige Unternehmen – meist Panelanbieter – haben sich auf derartige Messungen spezialisiert, doch die Kosten sind hoch, da es keinen Ersatz für den umfangreichen Personalaufwand gibt, der für diesen Prozess erforderlich ist.
Einen Schritt zurück: Warum müssen wir überhaupt das Servicegrad messen?
Wäre es nicht praktischer wenn das Servicegrad per Design erreicht und durch explizite Einstellungen in der Bestandsoptimierungssoftware definiert würde? Das wäre sicherlich viel praktischer. Servicegrade müssen keinesfalls ein nachträglicher Gedanke im Bestandsoptimierungsprozess sein.
Historisch gesehen entstand die Notwendigkeit, Servicegrade zu messen, aus frühen Methoden der Bestandsoptimierung, wie der Sicherheitsbestandsanalyse, welche kaum Kontrolle über die tatsächlichen Servicegrade bieten. Tatsächlich basieren die zugrunde liegenden Modelle auf der Annahme, dass die Nachfrage normalverteilt sei – eine Annahme, die in der Praxis so falsch ist, dass die meisten Einzelhändler zugunsten von adhoc Sicherheitsbestandskoeffizienten darauf verzichtet haben.
Diese adhoc Sicherheitsbestandskoeffizienten sind nicht schlecht per se: Sie sind sicherlich besser, als sich auf überzogene Annahmen über die zukünftige Nachfrage zu verlassen. Dennoch geht der quantitative Zusammenhang zwischen dem Sicherheitsbestand und dem Servicegrad verloren. Folglich messen die Einzelhändler ihre Servicegrade und passen die Koeffizienten an, bis sich der Bestand irgendwie stabilisiert. Letztendlich ist die Situation unbefriedigend, weil die Bestandsstrategie unflexibel ist: Sicherheitsbestandskoeffizienten können nicht verändert werden, ohne das Unternehmen einer Vielzahl von Problemen auszusetzen, wodurch die anfänglich mühsamen empirischen Anpassungen erneut vorgenommen werden müssen.
Mit dem Aufkommen der Quantilprognose ist es jedoch nun möglich, Prognosen zu erstellen, die das Servicegrad sehr genau steuern, selbst wenn die Quantilprognosen an sich nicht exakt sind. Es bedarf lediglich unvoreingenommener Prognosen und nicht perfekt genauer Prognosen.
Tatsächlich gehen Quantilprognosen das Problem der Bestimmung der Nachbestellmengen direkt und sehr intuitiv an, die erforderlich sind, um die Ziel-Servicegrade abzudecken. Sollte eine neue und bessere Quantilprognosetechnologie entwickelt werden, könnte diese Technologie möglicherweise die gleichen Servicegrade mit weniger Bestand erreichen, aber beide Technologien liefern die Servicegrade, die sie per Design versprechen.
Dieses Verhalten unterscheidet sich deutlich vom Fall der klassischen Prognose in Verbindung mit der Sicherheitsbestandsanalyse, bei der eine Verbesserung der Genauigkeit – so wünschenswert sie auch ist – in der Praxis zu unberechenbaren Ergebnissen führt. So verbessert beispielsweise bei vielen Produkten mit geringem Absatz, wie in Geschäften beobachtet, der Wechsel zu einem simplen Prognosemodell, das stets Null zurückgibt, in der Regel die Genauigkeit, die als der absolute Unterschied zwischen den tatsächlichen und den prognostizierten Verkäufen definiert wird. Offensichtlich kann die Umstellung auf Null-Prognosen bei der Hälfte der Produkte nur in trostlosen Geschäftsergebnissen enden. Dieses Beispiel mag zwar anekdotisch erscheinen, ist es aber nicht. Null-Prognosen sind in zahlreichen Situationen die genauesten klassischen Prognosen.
Daher erfordert die Kontrolle über Ihre Servicegrade eine Bestandsoptimierungsmethodik, bei der eine solche Kontrolle integriert ist.
