Abschwächung der Verzerrung durch Fehlbestände – Software zur Bestandsoptimierung

Reduzierung von durch Fehlbestände verursachte Verzerrungen in Prognosen


Startseite » Ressourcen » Hier

Aktualisierung 2016: Lokads Prognose-Engine bietet nun eine native Unterstützung von Fehlbeständen. So sind unsere probabilistischen Vorhersagen nicht nur gegen die von Fehlbeständen verursachten Verzerrungen geeicht, sondern sie können auch Verbesserungen vornehmen, wenn vergangene Fehlbestände richtig und genau festgelegt wurden.

Fehlbestände schaden nicht nur dem Geschäft aufgrund der schwindenden Kundenloyalität, die aufgrund nicht belieferter Kunden entsteht, sondern führen zu Verzerrungen bei der Erfassung der historischen Nachfrage. Aufgrund von Fehlbeständen bedeuten keinerlei Umsätze nicht unbedingt das keine Nachfrage vorhanden ist. Auch Salescast bleibt von diesem Problem nicht verschont. Jedoch kann es bei richtiger Anwendung extrem widerstandsfähig werden.

Image


Auswirkungen von Fehlbeständen auf klassische Prognosen

Eine klassische (Durchschnitts-) Prognose ist eine Vorwegnahme der Zukunft, die eine Chance von 50 % hat, über oder unter der zukünftigen Nachfrage zu liegen. Werden Fehlbestände beobachtet, wird in den historischen Aufzeichnungen eine Verzerrung nach unten eingeführt, da eine unerfüllte Nachfrage normalerweise nicht erfasst wird.

Somit enthalten die auf historischen Daten basierenden Prognosen ebenfalls ein Verzerrung nach unten und generieren somit weitere Fehlbestände.

In den extremsten Fällen und wenn keine Mindestlagermenge festgelegt ist, kann der Beschaffungsprozess sich zu einem eingefrorenen Lagerbestand entwickeln, bei dem keine weiteren Umsätze erfasst werden - da kein Lagerbestand vorhanden ist - und kein weiterer Bestand nachbestellt wird. Leider bieten Prognosen in diesem Fall eine Genauigkeit von 100 %: Sowohl Prognosen als auch Umsätze ergeben Null.

Fallen bei der Integration von Fehlbestandsdaten

Um die durch Fehlbestände enstehende Verzerrungen zu korrigieren, müssen Fehlbestände berücksichtigt werden. Dies kann durch die Erfassung detaillierter historischer Aufzeichnungen aller Fehlbestände in der Vergangenheit (und Gegenwart) erfolgen. Obwohl diese Idee verlockend erscheint, haben wir erkannt, dass dieser Ansatz in der Praxis sehr aufwändig ist.

  • Die meisten Unternehmen verfolgen Fehlbestände nicht genau. Es reicht bei Weitem nicht aus über einige Fehlbestandsdaten zu verfügen. Die erfassten Fehlbestandsdaten sollten umfassend und genau sein, wenn man seine Bedarfsprognosen optimieren möchte.
  • Fehlbestände kommen (hoffentlich) relativ selten vor und treten normalerweise in den meisten Unternehmen mit einer Wahrscheinlichkeit von weniger als 10 % auf. Somit ist ein erhebliches Geschäftsvolumen erforderlich, um ausreichend Daten für die Unterstützung einer robusten statistischen Analyse der Fehlbestände zu erfassen.
  • Die Auswirkungen von Fehlbeständen sind komplex. Fehlbestände verursachen Kannibalisierungen (der nicht verfügbaren Waren), wenn Ersatzprodukte vorhanden sind. Sie können zudem dazu führen, dass Kunden ihre Nachfrage verschieben, was manchmal einen “Nachfrageboom“ verursacht, wenn die Artikel wieder erhältlich sind.

Lokad bietet Ihnen umfangreiche Erfahrung im Bereich der Fehlbestandsanalyse und hat sogar eine eigene Technologie für die Analyse von Fehlbeständen entwickelt. Aus Erfahrung wissen wir, dass mindestens 100 Filialen oder ein Unternehmen in dieser Größenordnung erforderlich ist, um durch Fehlbestände verursachte Verzerrungen durch die Analyse von historischen Fehlbestandsdaten auszugleichen. Für kleinere Unternehmen lohnt sich der Aufwand nicht.

Quantil-Prognosen sind verzerrungsstabile Prognosen

Quantilprognosen sind eine wesentlich effizientere und schlankere Alternative zur Abschwächung der meisten durch Fehlbestände verursachte Verzerrungen. Kurz gesagt werden Quantile eingesetzt, um Reorder-Points als native verzerrte Prognosen zu berechnen. Zum Beispiel ist ein Reorder-Point, der mit einem Service-Level von 95 % berechnet wurde, eine Schätzung, die zu 95 % knapp über der Nachfrage liegen soll (d. h. ein Fehlbestand von 5 %).

Quantil-Prognosen, die mit hohen Service-Levels verbunden sind - d. h. in der Praxis über 90 % - verhalten sich deutlich anders als klassische Prognosen. Um eine Quantil-Prognose von 95 % zu berechnen, konzentriert sich die Analyse intuitiv auf die Top 5 % der extremsten Nachfrage-Schwankungen. Obwohl es möglich ist, dass die in der Historie verzeichneten Fehlbestände so vorherrschend sind, dass sogar die Top 5 % aller erfassten Umsätze nur einen Bruchteil der “üblichen“ Nachfrage darstellen, ist dies in der Praxis jedoch normalerweise nicht der Fall. Sogar bei erheblichen Fehlbeständen ist die höchste erfasste Nachfrage im Regelfall höher als die durchschnittliche Nachfrage.

Aus diesem Grund laufen Quantil-Prognosen nie Gefahr durch Fehlbestände so viele Verzerrungen zu verursachen, dass verzerrte Prognosen das Fehlbestandsproblem noch weiter verschlimmern. Unsere Erfahrung zeigt, dass die meisten unserer Kunden von Quantil-Prognosen profitieren, da Quantile, die Verzerrungen gegenüber widerstandsfähiger sind, umgehend die Häufigkeit von Fehlbeständen reduzieren und gleichzeitig die Kontrolle über Service-Level zurückgewinnen. Nach einer Weile verwandelt sich die Häufigkeit von Fehlbeständen in klar definierte Service-Level.