Die Quantitative Supply Chain
Die klassische Art, über die Lagerauffüllung nachzudenken, besteht darin, eine Zielmenge pro SKU festzulegen. Diese Zielmenge nimmt in der Regel die Form eines Nachbestellpunkts an, der basierend auf der Nachfrageprognose für das SKU dynamisch angepasst wird. Im Laufe der Jahre haben wir bei Lokad jedoch festgestellt, dass dieser Ansatz in der Praxis sehr schwach ist, egal wie gut die (klassischen) Prognosen sind.
Erfahrene Supply-Chain-Experten 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 große Ganze, wobei sie berücksichtigen, dass alle SKUs um dasselbe Budget konkurrieren. Dann würden die Experten die SKUs auswählen, die am dringlichsten erscheinen. Dieser Ansatz übertrifft die übliche Methode des Nachbestellpunkts, weil er im Gegensatz zu letzterem bestimmte Auffüllungen priorisiert. Und wie jeder Geschäftsleiter wissen würde, ist selbst eine sehr grundlegende Aufgabenpriorisierung besser als gar keine Priorisierung.
Um diesen schönen “Trick” nachzubilden, haben wir Lokad Anfang 2015 auf eine leistungsstärkere Form der Bestellpolitik namens priorisierte Bestellung umgestellt. Diese Politik nimmt genau den Standpunkt ein, dass alle SKUs um die nächste zu kaufende Einheit konkurrieren. Dank dieser Politik erhalten wir das Beste aus beiden Welten: fortschrittliche statistische Prognosen kombiniert mit der Art von Fachwissen, das der Software bisher nicht zur Verfügung stand.
Die priorisierte Bestellpolitik erfordert jedoch eine Bewertungsfunktion, um zu funktionieren. Einfach ausgedrückt wandelt diese Funktion die Prognosen plus eine Reihe wirtschaftlicher Variablen in einen Punktwert um. Indem sie jedem SKU und jeder Einheit dieser SKUs einen bestimmten Punktwert zuweist, bietet diese Bewertungsfunktion die Möglichkeit, alle “atomaren” Kaufentscheidungen zu rangieren. Mit atomar meinen wir den Kauf von 1 zusätzlichen Einheit für 1 SKU. Als Ergebnis sollte die Bewertungsfunktion so gut wie möglich auf die Geschäftstreiber ausgerichtet sein. Während die Erstellung von ungefähren “Daumenregel” -Bewertungsfunktionen recht einfach ist, ist die Definition einer ordnungsgemäßen Bewertungsfunktion eine nicht triviale Aufgabe. Ohne zu sehr in die technischen Details einzugehen, liegt die Hauptherausforderung im “iterativen” Aspekt der Auffüllungen, bei dem die Lagerhaltungskosten bis zum Verkauf der Einheiten anfallen. Die Berechnung von 1 Schritt voraus ist einfach, 2 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 Quantitativen Supply Chain zu lösen. Diese Funktion zerlegt die Herausforderungen in drei wirtschaftliche Variablen: die Gewinnmarge pro Einheit, die Kosten für Fehlbestände pro Einheit und die Lagerhaltungskosten pro Einheit. Durch die quantitative Supply Chain kann man die tatsächlichen wirtschaftlichen Auswirkungen in Margen, Fehlbeständen und Lagerhaltungskosten aufschlüsseln.
Die quantitative Supply Chain stellt eine überlegene Alternative zu allen bisher verwendeten Bewertungsfunktionen dar. Tatsächlich kann sie sogar als Mini-Framework betrachtet werden, das mit einer kleinen (aber sehr aussagekräftigen) Reihe wirtschaftlicher Variablen angepasst werden kann, um die strategischen Ziele von Händlern, Herstellern oder Großhändlern am besten zu erreichen. Wir empfehlen die Verwendung dieser Funktion immer dann, wenn probabilistische Prognosen verwendet werden.
Im Laufe der kommenden Wochen werden wir nach und nach alle unsere Envision-Vorlagen und Dokumentationsmaterialien aktualisieren, um diese neue Fähigkeit von Lokad widerzuspiegeln.
