Die Lagerprämienfunktion
Die klassische Denkweise bezüglich replenishment besteht darin, für jede SKU eine Zielmenge festzulegen. Diese Zielmenge nimmt typischerweise die Form eines Nachbestellpunkts an, der dynamisch basierend auf der Nachfrageprognose für die SKU angepasst wird. Allerdings haben wir im Laufe der Jahre bei Lokad festgestellt, dass dieser Ansatz in der Praxis sehr schwach ist, egal wie gut die (klassischen) Prognosen sind.
Clevere supply chain Praktiker neigen in der Regel dazu, diesen (klassischen) Ansatz mit einem einfachen Trick zu übertreffen: Anstatt SKUs isoliert zu betrachten, treten sie einen Schritt zurück und betrachten das größere Ganze, wobei sie berücksichtigen, dass alle SKUs um dasselbe Budget konkurrieren. Anschließend wählen die Praktiker die SKUs aus, die am dringendsten erscheinen. Dieser Ansatz übertrifft die übliche Methode des Nachbestellpunkts, da ihm – im Gegensatz zu letzterer – eine Priorisierung bestimmter Wiederauffüllungen zukommt. Und wie jeder Geschäftsleiter weiß, ist selbst eine sehr grundlegende Aufgabenpriorisierung besser als überhaupt keine Priorisierung.
Um diesen netten „Trick“ zu reproduzieren, haben wir Anfang 2015 Lokad auf eine leistungsfähigere Form der Bestellpolitik umgestellt, die als priorisierte Bestellung bekannt ist. Diese Policy übernimmt genau die Sichtweise, dass alle SKUs um die nächste zu kaufende Einheit konkurrieren. Dank dieser Policy erhalten wir das Beste aus beiden Welten: fortschrittliche statistische Prognosen kombiniert mit der Art von Fachwissen, das der Software bisher nicht zur Verfügung stand.
Allerdings erfordert die priorisierte Bestellpolitik eine Scoringfunktion zur Funktionsweise. Einfach ausgedrückt wandelt diese Funktion die Prognosen zusammen mit einer Reihe von wirtschaftlichen Variablen in einen Score-Wert um. Indem sie jeder SKU und jeder Einheit dieser SKUs einen spezifischen Score zuweist, bietet diese Scoringfunktion die Möglichkeit, alle „atomaren“ Kaufentscheidungen zu rangieren. Mit atomar meinen wir den Kauf einer zusätzlichen Einheit für eine SKU. Infolgedessen sollte die Scoringfunktion so weit wie möglich an die Wirtschaftstreiber angepasst sein. Obwohl es relativ einfach ist, ungefähre „Faustregel“-Scoringfunktionen zu erstellen, ist die Definition einer ordentlichen Scoringfunktion eine alles andere als triviale Übung. Ohne zu sehr ins Technische zu gehen, liegt die Hauptschwierigkeit im „iterierten“ Aspekt der Wiederauffüllungen, bei denen die Lagerhaltungskosten fortlaufend anfallen, bis die Einheiten verkauft werden. Einen Schritt voraus zu berechnen ist einfach, zwei Schritte voraus etwas schwieriger, und N Schritte voraus ist tatsächlich ziemlich kompliziert.
Vor nicht allzu langer Zeit ist es uns gelungen, dieses Problem mit der Lagerprämienfunktion zu lösen. Diese Funktion unterteilt die Herausforderungen in drei wirtschaftliche Variablen: die Gewinnspanne pro Einheit, die pro Einheit beim Fehlbestand anfallenden Kosten und die Lagerhaltungskosten pro Einheit. Durch die Lagerprämienfunktion lassen sich die tatsächlichen wirtschaftlichen Auswirkungen in Margen, Fehlbeständen und Lagerhaltungskosten aufschlüsseln.
Die Lagerprämienfunktion stellt eine überlegene Alternative zu allen bisher verwendeten Scoringfunktionen dar. Tatsächlich kann sie sogar als ein Mini-Framework betrachtet werden, das mit einer kleinen (aber durchaus ausdrucksstarken) Menge wirtschaftlicher Variablen angepasst werden kann, um die strategischen Ziele von Händlern, Herstellern oder Großhändlern bestmöglich zu erfüllen. Wir empfehlen den Einsatz dieser Funktion, wann immer probabilistische Vorhersagen im Spiel sind.
Im Laufe der kommenden Wochen werden wir all unsere Envision-Vorlagen und Dokumentationsmaterialien schrittweise aktualisieren, um diese neue Lokad-Fähigkeit widerzuspiegeln.
