Kollaboratives supply chain management ergibt durchaus Sinn. Im heutigen Zeitalter der allgegenwärtigen Internetverbindung, warum sollten Ihre Zulieferer im Dunkeln gelassen werden, was Ihre anstehenden Bestellungen betrifft? Schließlich, wenn Ihr Unternehmen in der Lage ist, accurate forecasts über Ihre zukünftig anstehenden Bestellungen zu erstellen, würde das Teilen dieser Prognosen mit Ihren Zulieferern zweifellos eine große Hilfe für sie darstellen, was wiederum zu besserem Service und/oder besseren Preisen führen würde.

Ja, aber all dies beruht auf einer fehlerhaften Annahme: Bestellprognosen sollten genau sein. Leider werden sie es nicht sein. Punkt. Was auch immer folgt, ist bloß Wunschdenken.

Firmen kommen häufig auf uns zu und fragen, ob Lokad die Sequenz der zukünftigen Bestellungen vorhersagen könnte. Schließlich sollten wir über alle erforderlichen Informationen verfügen:

  • tägliche/wöchentliche zukünftige Verkaufszahlen (prognostiziert)
  • aktuelle stock levels, sowohl vorrätig als auch bestellt
  • Bestellbeschränkungen

Durch die Kombination der oben genannten verschiedenen Elemente könnten wir sicherlich eine Simulation durchführen und folglich die zukünftigen Bestellungen für einen vom Kunden festgelegten Zeitraum prognostizieren. Allerdings, auch wenn dies prinzipiell möglich wäre, wären die Ergebnisse einer solchen Operation katastrophal. In diesem kurzen Beitrag teilen wir unsere Erkenntnisse zu diesem Thema, um Unternehmen dabei zu helfen, keine Zeit mit derartigen Prognoseversuchen zu verschwenden.

Statistiken sind äußerst kontraintuitiv. Wie in unseren vorherigen Beiträgen erwähnt, sind „intuitive“ Ansätze mit Sicherheit falsch; und die „korrekten“ Ansätze sind bestenfalls beunruhigend.

Das zentrale Problem bei der Prognose von Bestellungen der Zulieferer besteht darin, dass die zugrunde liegenden Berechnungen auf einer iterierten Summe von Prognosen beruhen; was auf mehreren Ebenen sehr fehlerhaft ist. Insbesondere beinhaltet die Prognose der nächsten Bestellung nicht eine, sondern zwei Variablen: das Datum der Bestellung und die bestellte Menge. Je nach den Einschränkungen der supply chain könnte die bestellte Menge relativ einfach zu prognostizieren sein: Wenn Sie eine Mindestbestellmenge (MOQ) haben, entspricht die Bestellung wahrscheinlich genau dem MOQ-Schwellenwert. Andererseits, wenn der Artikel teuer und selten verkauft wird, ist die nächste zu bestellende Menge vermutlich nur eine Einheit.

Die wahre Herausforderung besteht darin, das Datum der nächsten Bestellung vorauszusagen, und noch schwieriger, das Datum der folgenden Bestellung zu prognostizieren. Tatsächlich hat das Datum der nächsten Bestellung voraussichtlich einen Fehler von 20% bis 30% (wie praktisch jede Nachfrageprognose), während das Datum der Bestellung, die auf diese letzte Bestellung folgt, (etwa) den doppelten Fehler aufweist, und die darauffolgende (etwa) den dreifachen Fehler, usw.

Wie im obigen Schema veranschaulicht, wächst die uncertainty bezüglich des Datums der N-ten zukünftigen Bestellung in der Praxis so schnell, dass sie zu einem wertlosen Informationsstück für den Zulieferer wird. Der Zulieferer wäre viel besser dran, wenn er seine eigenen Prognosen basierend auf seiner eigenen Nachfragehistorie erstellt, auch wenn diese Prognose das neueste Nachfragesignal, wie es weiter unten beobachtet wird, nicht berücksichtigen kann.

Allerdings, während die Prognose von Bestellungen und deren Weitergabe an die Zulieferer nicht funktioniert, bleibt die Hinwendung zu einem kollaborativen supply chain management ein gültiges Geschäftsziel; es stellt sich lediglich heraus, dass diese Art von Prognosen nicht der richtige Weg ist, um dieses Ziel umzusetzen.

Bleiben Sie dran, wir werden hier zu gegebener Zeit ausführlich besprechen, wie kollaboratives supply chain management aus einer prognostischen Perspektive korrekt umgesetzt werden kann.


Leserkommentare (2)

Hallo Neha, Wenn Ihr Zulieferer absolute Sicherheit bezüglich der Bestelldaten hat, bedeutet dies, dass die gesamte Unsicherheit stattdessen in die reorder Mengen eingehen wird. Man kann die Nachfrageunsicherheit nicht einfach dadurch beseitigen, dass man die Bestelldatenvariable fixiert. Wenn Sie also daran denken, Ihren Zulieferer dazu zu bringen, “entsprechend Ihren Prognosen” zu produzieren, bedeutet dies mit ziemlicher Sicherheit, dass Sie klassische Prognosen (alias wöchentliche/monatliche Prognosen) verwenden, die in Bezug auf die supply chain äußerst schlecht funktionieren. Sie sollten stattdessen quantile forecasts oder Quantil-Gitter in Betracht ziehen. Hoffe, das hilft. Joannes Vermorel (3 years ago)


Hallo joannes, Ich würde gerne wissen, was passiert, wenn mein Zulieferer absolute Sicherheit hinsichtlich der Bestelldaten hat. Könnten Sie mir bitte mitteilen, wie Sie den Zulieferer dazu bringen würden, gemäß Ihren Prognosen in einem Excel-Dokument zu produzieren? Bitte senden Sie eine E-Mail an nehakadamneha87@gmail.com Neha Kadam (3 years ago)