00:00:03 Einführung in die ABC-Analyse und die Wurzeln des Pareto-Prinzips.
00:00:33 Pareto-Analyse in sozialen Netzwerken und der Supply Chain.
00:02:03 Die Rolle der ABC-Analyse bei der Bestandskategorisierung.
00:03:14 Die Verwendung und der Missbrauch der ABC-Analyse in der Supply Chain.
00:06:05 Die Relevanz der ABC-Analyse in modernen Bestandssystemen.
00:08:00 Einschränkungen des ABC-Bestandssystems.
00:09:00 Mangelnde Spezifität des ABC-Ansatzes.
00:11:02 Stabilitätsprobleme und Auswirkungen der ABC-Klassifizierung.
00:13:01 Vorschlag für datengesteuertes Bestandsmanagement.
00:15:38 Prognosevorteile für Artikel mit hohem Umsatzvolumen.
00:18:01 Kombination wirtschaftlicher Treiber, probabilistische Prognose vs. ABC.
00:19:00 Wechsel von ABC zu einem informationsbasierten Ansatz.
00:21:39 Kritik an der ABC-Analyse: Förderung von Eitelkeitsmetriken.
00:25:17 Gefahren der Abhängigkeit von der ABC-Analyse.
Zusammenfassung
Joannes Vermorel, Gründer von Lokad, diskutiert die ABC-Analyse, eine Bestandsmanagementtechnik, die auf dem Pareto-Prinzip von 80/20 basiert. Er erklärt, wie Produkte nach ihren Verkaufsraten in Klassen eingeteilt werden, wobei ‘A’ für hochwertige, schnell verkaufte Produkte steht und ‘C’ für minderwertige, langsam verkaufte Produkte. Vermorel äußert Bedenken hinsichtlich der Vereinfachungsmethode und des potenziellen Missbrauchs in modernen Supply Chains, da sie die Feinheiten innerhalb der Kategorien nicht erfasst. Er plädiert für einen detaillierteren, granularen Ansatz, der die individuelle Verkaufshistorie und physische Einschränkungen jedes Produkts berücksichtigt. Er warnt davor, dass die ABC-Analyse zu irreführenden Metriken und Instabilität aufgrund von Nachfrageschwankungen und Fehlbeständen führen kann.
Erweiterte Zusammenfassung
Das Gespräch auf Lokad TV dreht sich um das Konzept der ABC-Analyse, einem Bestandskategorisierungsansatz, der auf dem Pareto-Prinzip von 80/20 basiert. Diese Methode kategorisiert einen Katalog nach wahrgenommenem Wert und findet weit verbreitete Anwendung in ERP-Software und der breiteren Supply Chain-Branche.
Joannes Vermorel, der Gründer von Lokad, erläutert die ABC-Analyse im Detail. Er stellt fest, dass die Technik aus der Pareto-Analyse stammt, die besagt, dass die oberen 20% der wichtigsten Elemente in sozial konstruierten Phänomenen 80% des Ganzen ausmachen. Dieses Prinzip ist in verschiedenen Bereichen wie sozialen Netzwerken, Vermögensverteilung und Produktverkäufen beobachtbar.
Im Kontext von Supply Chains erläutert Vermorel, dass die 20% der wichtigsten Produkte in der Regel 80% des Umsatzes ausmachen. Er führt diese Erkenntnis auf Vilfredo Pareto, einen italienischen Mathematiker und Bauingenieur aus dem späten 19. Jahrhundert, zurück. Vermorel deutet auch an, dass die Idee der Bestandskategorisierung, selbst ohne mathematische Präzision, bis in die Antike zurückreichen könnte.
Vermorel erklärt, dass die praktische Anwendung der ABC-Analyse für den Bestand die Kategorisierung von SKUs oder Produkten in Klassen umfasst, in der Regel drei bis fünf. Die Klasse ‘A’ repräsentiert schnell bewegliche Artikel, während die letzte Klasse ‘D’ oder ‘E’ langsam bewegliche Artikel kennzeichnet. Klassen dazwischen zeigen unterschiedliche Bestandsgeschwindigkeiten. Das Ergebnis ist eine grobe Kategorisierung, die Produkte mit ähnlichen Bestandsgeschwindigkeiten gruppiert.
Trotz der Einfachheit der ABC-Analyse wird sie in der Supply-Chain-Branche weit verbreitet verwendet, obwohl Vermorel darauf hinweist, dass sie auch weit verbreitet missbraucht wird. Die Kategorisierung ist seiner Meinung nach dann nützlich, wenn sie die physischen Einschränkungen von Produkten genau widerspiegelt. Zum Beispiel kann in der Luft- und Raumfahrtindustrie eine erste Kategorie teure, reparierbare Produkte enthalten, während die letzte Kategorie nicht reparierbare Verbrauchsmaterialien enthalten kann. In der Lebensmittelindustrie können separate Verarbeitungskategorien für Tiefkühlkost und Trockenkost festgelegt werden. Diese Klassifizierungen kennzeichnen die unterschiedlichen Methoden der Warenbehandlung.
Vermorel erläutert, wie die ABC-Analyse entstand, um den Bestand zu verwalten, ohne jedes einzelne Produkt zählen zu müssen. Mit diesem System konnten verschiedene Kategorien von Produkten in Behältern unterschiedlicher Größe gelagert werden, wobei eine einfache Regel zur Nachbestellung des Bestands angewendet wurde, wenn der Behälter halb leer ist. Dieser Ansatz war praktisch, als es noch keine Software zur Verfolgung und Verwaltung des Bestands gab. Vermorel argumentiert jedoch, dass die ABC-Methode in der heutigen digitalen Zeit, in der der Bestand automatisch verfolgt werden kann, problematisch und veraltet wird.
Vermorel weist darauf hin, dass das ABC-Klassifizierungssystem eine grobe Annäherung an die Verkaufshistorie ist. Es liefert keine zusätzlichen Informationen, die nicht auch aus einem detaillierten Blick auf die Verkaufshistorie eines Produkts gewonnen werden könnten. Entscheidungen, die auf diesen Klassifizierungen basieren, könnten daher durch die Verwendung tatsächlicher Verkaufsdaten verfeinert und genauer getroffen werden.
Vermorel weist auch darauf hin, dass die ABC-Methode eine Illusion der Homogenität innerhalb der Kategorien erzeugen kann. Jede Kategorie kann Hunderte von Produkten enthalten, und es kann erhebliche Variationen innerhalb dieser Kategorien geben. Zum Beispiel könnten die oberen 1% der Produkte Verkaufsgeschwindigkeiten haben, die zehnmal höher sind als die der oberen 10%, und diese Feinheiten gehen bei der ABC-Klassifizierung verloren.
Vermorel schlägt einen nuancierteren, “Teile-und-herrsche”-Ansatz für das Bestandsmanagement vor, der mehr Gewicht auf die detaillierte Verkaufshistorie einzelner Produkte legt. Dieser Ansatz beinhaltet die Zuweisung eines Einkaufsleiters zur Betreuung einer bestimmten Anzahl von Artikeln basierend auf ihrem Wert oder ihrer Bedeutung, um sicherzustellen, dass hochwertige Artikel mehr Aufmerksamkeit erhalten.
Vermorel reflektiert über den traditionellen, von Menschen getriebenen Prozess der Entscheidungsfindung in der Supply Chain, der Entscheidungen über Einkauf, Produktion, Lagerort, Liquidation und Preisgestaltung umfasst. Mit dem Aufkommen von Computern unterliegt dieser Prozess jedoch einem erheblichen Wandel. Computer können tausende von Artikeln wiederholt an einem Tag verarbeiten, je nachdem, was am sinnvollsten ist, was Menschen manuell nicht leisten können.
Vermorel erläutert das Konzept der Service Levels in Bezug auf den Umsatz. Er schlägt vor, dass Artikel mit höherem Umsatz in der Regel eine bessere Prognose haben, da sie konstanter verkauft werden. Ein Artikel, der zum Beispiel 100 Einheiten pro Tag verkauft, wird voraussichtlich am nächsten Tag etwa 100 Einheiten verkaufen, plus/minus 10%. Artikel mit geringerem Umsatz haben hingegen eine unvorhersehbarere Nachfrage. Sie könnten nur einmal im Monat verkauft werden, und es ist schwierig vorherzusagen, wann dieser Verkauf stattfinden wird.
Bei einem Artikel mit hohem Umsatz ist es kosteneffizienter, einen hohen Service Level aufrechtzuerhalten. Dies liegt daran, dass der Lagerbestand durch die Durchlaufzeit und die Variabilität der Nachfrage oder “Unbeständigkeit” bestimmt wird. Wenn ein Artikel eine hohe Unbeständigkeit aufweist, wird mehr Lagerbestand benötigt. Im Vergleich zu Artikeln mit geringem Umsatz erfordern Artikel mit hohem Umsatz jedoch weniger Lagerbestand im Verhältnis zu ihrem Umsatzvolumen, was sie effizienter bei der Umwandlung von Währung in zusätzliche Service Level-Punkte macht.
Für Artikel mit hohem Umsatz würde eine probabilistische Prognose eine relativ konzentrierte Prognose liefern, die eine geringe Unsicherheit widerspiegelt. Im Gegensatz dazu wäre die Prognose für langsam bewegte Artikel aufgrund einer höheren Unsicherheit stärker verteilt. Die Kombination dieser probabilistischen Prognose mit wirtschaftlichen Treibern wie den Lagerkosten, den Beschaffungskosten, den Lagerhaltungskosten und der potenziellen Marge führt zu einem präziseren Service Level, der keine grobe Kategorisierung wie die ABC-Analyse benötigt.
Vermorel kritisiert die ABC-Analyse als eine Methode, die es ermöglicht, Berechnungen ganz zu vermeiden, was im 19. Jahrhundert nützlich war, als die manuelle Verfolgung von Tausenden von Artikeln eine Herausforderung darstellte. In der heutigen Welt hingegen, mit dem Aufkommen leistungsstarker Computer, die Milliarden von Operationen pro Sekunde durchführen können, ist ein solcher Ansatz veraltet.
Es gibt zwei Hauptgründe dafür. Erstens führt die ABC-Analyse oft zu Eitelkeitsmetriken, die eine Illusion von guter Leistung vermitteln, während die Realität möglicherweise stark abweicht. Zweitens sind die ABC-Klassen instabil und können sich aufgrund von Lagerbestandsausfällen oder Nachfrageschwankungen schnell ändern. Zum Beispiel kann ein Artikel, der einen massiven Lagerbestandsausfall erleidet, von Klasse A auf Klasse B abrutschen und die Illusion eines verbesserten Service Levels für Klasse A erzeugen, während es sich in Wirklichkeit nur um eine Nebenwirkung einer schlechten Leistung handelt.
Vermorel plädiert für einen granularen und anpassungsfähigen Ansatz, der so viele Klassen berücksichtigt, wie es Artikel und mögliche Verkaufshistorien gibt. Dieser Ansatz nutzt die Informationstheorie, um bessere Entscheidungen auf der Grundlage beobachteter Verkaufshistorien zu treffen. In diesem Zusammenhang betont er die Bedeutung der Ausdrücke von Metriken in Bezug auf Leistung oder Fehler in Dollar, anstatt in Prozent, um besser mit den wirtschaftlichen Realitäten des Supply Chain Managements übereinzustimmen.
Vollständiges Transkript
Kieran Chandler: Willkommen zurück bei Lokad TV. Diese Woche sprechen wir über die ABC-Analyse, eine Methode zur Kategorisierung von Beständen, die ihre Wurzeln in Perritos 80/20-Regel hat. Die Methode funktioniert, indem sie einen Katalog auf der Grundlage seines wahrgenommenen Werts aufteilt und wurde von vielen großen ERP-Softwaren sowie von der gesamten Supply-Chain-Branche übernommen. Joannes, das war ein kurzer Überblick über die ABC-Analyse, aber vielleicht könntest du uns das etwas genauer erklären.
Joannes Vermorel: Ja. Wie Sie bereits erwähnt haben, hat die ABC-Analyse ihre Wurzeln in der Perrito-Analyse, die im Wesentlichen ganze Kategorien sozialer Netzwerke beschreibt. Die Idee ist, dass die 20% aktivsten oder wichtigsten 80% der Masse repräsentieren. Dies zeigt sich deutlich auf Plattformen wie LinkedIn, wo die Top 20% der Benutzer wahrscheinlich 80% der Verbindungen haben. Ähnlich besitzen die 20% der reichsten Menschen wahrscheinlich 80% des Reichtums. Im Supply-Chain-Kontext machen die Top 20% der Produkte etwa 80% des Umsatzes aus. Dieses Prinzip wurde Ende des 19. Jahrhunderts von einem italienischen Mathematiker und Bauingenieur namens Pareto entdeckt. Was die Kategorisierung des Bestands betrifft, so reicht diese Idee, wenn auch ohne Mathematik, wahrscheinlich bis in die Antike zurück.
Kieran Chandler: Wie funktioniert die ABC-Analyse eigentlich?
Joannes Vermorel: Der Schlüsselgedanke bei der ABC-Analyse für den Bestand besteht darin, Ihre SKUs oder Produkte in Klassen einzuteilen. Sie haben in der Regel drei bis fünf Klassen, von der Klasse ‘A’, die den schnellsten Umsatz hat, bis zur letzten Klasse ‘D’ oder ‘E’ für die langsamsten Umsätze, wobei die Klassen dazwischen unterschiedliche Geschwindigkeiten für Ihre verschiedenen Produkte repräsentieren. Dieser Prozess führt zu relativ groben Kategorien, die Produkte mit ähnlichen Bestandsgeschwindigkeiten zusammenfassen und anzeigen, wie viele Einheiten Sie an einem einzigen Tag produzieren oder bedienen müssen.
Kieran Chandler: Wird diese Methode von Unternehmen regelmäßig im täglichen Betrieb verwendet? Sie scheint sehr einfach zu sein.
Joannes Vermorel: Tatsächlich ist sie einfach, aber sie wird weit verbreitet verwendet und ich würde sagen, weit verbreitet missbraucht in der Welt der Supply Chain. Diese Kategorisierung hilft, wenn Ihre Produkte die physischen Einschränkungen widerspiegeln, die Sie für Ihre Produkte haben. Zum Beispiel hätten Sie in der Luft- und Raumfahrt eine erste Kategorie von sehr teuren und reparierbaren Produkten. Dann hätten Sie relativ billige, aber immer noch reparierbare Produkte, und dann gibt es Verbrauchsmaterialien, die Sie nicht reparieren können. Jede Kategorie repräsentiert unterschiedliche Möglichkeiten, mit den Gütern umzugehen. In der Lebensmittelindustrie hätten Sie unterschiedliche Verarbeitungsmethoden für Tiefkühlkost oder Trockenkost. Diese Kategorisierungen verdeutlichen die unterschiedlichen physischen Prozesse, die damit verbunden sind. Die ABC-Analyse selbst kümmert sich jedoch nicht wirklich um die physischen Aspekte der Güter, sondern nur um die Verkaufsgeschwindigkeit. Der Missbrauch, auf den ich zuvor hingewiesen habe, besteht darin, breite Kategorien zu schaffen, die nur durch relative Verkäufe definiert sind.
Kieran Chandler: Können Sie die typische Klassifizierung von Produkten erklären? Ich verstehe, dass es die Klassen A, B und C gibt. Was bedeutet es, wenn ein Produkt ein A-Produkt ist?
Joannes Vermorel: Sicher, ein A-Produkt bedeutet in der Regel, dass Sie zum Beispiel mehr als 20 Einheiten pro Tag verkaufen oder produzieren. Diese hohe Umsatzrate macht es zu einem A-Produkt. Dieses Klassifizierungssystem ist ein numerischer Schwellenwert, der auf der Menge der Verkäufe über einen bestimmten Zeitraum basiert, sagen wir den letzten drei Monaten. Die genauen Kriterien variieren von einem Unternehmen zum anderen, aber das Kernkonzept besteht darin, eine Geschwindigkeit als Durchschnitt über einen bestimmten Zeitraum zu definieren und dann Schwellenwerte für jede Kategorie festzulegen: A, B, C, D, E.
Kieran Chandler: Es scheint logisch, Produkte auf diese Weise zu kategorisieren und einige als wichtiger als andere zu kennzeichnen. Aber ich habe das Gefühl, dass Sie mit diesem Ansatz nicht vollständig einverstanden sind. Warum ist er nicht relevant?
Joannes Vermorel: Sie haben recht, ich habe einige Vorbehalte. Das Interessante an dieser ABC-Analyse ist, dass sie es Ihnen ermöglicht, Ihren Bestand zu verwalten, ohne überhaupt etwas zu zählen. Betrachten wir das Bestandsmanagement aus dem 19. Jahrhundert. Für A-Klassenprodukte würden Sie große Behälter verwenden. Wenn der Behälter halb leer aussieht, bestellen Sie nach. Für B-Klassenprodukte würden Sie kleinere Behälter verwenden, und für C-Klassenprodukte könnte es nicht einmal einen Behälter geben, sondern nur ein Regal. Wenn eines verbraucht wird, bestellen Sie ein weiteres. Mit diesen Methoden können Sie Ihren Bestand verwalten, ohne etwas zu zählen. Sie geben einfach eine Bestellung auf der Grundlage des Erscheinungsbilds Ihres Bestands auf, was großartig ist, wenn Sie keine Software zur Verwaltung Ihrer Supply Chain haben. In der heutigen Welt, in der wir den Bestand automatisch verfolgen und zählen können, macht dieses System jedoch nicht viel Sinn.
Grundsätzlich ist die Bestandskategorisierung wie ABCD eine grobe Annäherung daran, wie viel Sie über einen bestimmten Zeitraum produzieren oder verbrauchen müssen. Jede Entscheidung, die auf dieser Klasse basiert, könnte genauer getroffen werden, wenn sie auf der tatsächlichen Verkaufshistorie des Produkts basiert wäre. Der Trugschluss besteht darin, dass die ABC-Klasse im Vergleich zur Rohnachfragehistorie des Produkts keine zusätzlichen Informationen liefert.
Kieran Chandler: Welche Probleme können sich aus der Verwendung dieses ABC-Ansatzes ergeben?
Joannes Vermorel: Es gibt mehrere Probleme, die hauptsächlich darauf zurückzuführen sind, dass es sich um ein sehr grobes System handelt. Es ist so, als ob man die Fähigkeit hätte, Berechnungen im Grammbereich durchzuführen, aber alles auf die Tonne aufrundet. Erstens gibt es das Problem der Heterogenität innerhalb einer Klasse. Wenn Sie 2.000 Produkte haben und fünf Klassen erstellen, wird jede Klasse immer noch etwa 400 Produkte enthalten, und es kann eine große Variation innerhalb dieser Klassen geben. Dieses System gibt Ihnen eine Illusion von Spezifität, während es signifikante Unterschiede zwischen Produkten übersieht, insbesondere bei Top-Verkäufern, bei denen wahrscheinlich Ihre Top 1% der Produkte…
Kieran Chandler: Wenn Sie also die Top 10% Ihrer Verkäufe haben, funktioniert es wahrscheinlich mit Verkaufsgeschwindigkeiten, die pro Produkt um das 10-fache höher sind. Wenn Sie jedoch nur fünf Kategorien haben, werden Sie nicht die erforderliche Granularität erreichen. Auf der anderen Seite, für den Long Tail, ist er wirklich sehr lang. Ihre ‘C’-Klasse könnte zum Beispiel Artikel enthalten, die nur einmal im Monat verkauft werden, sowie Artikel, die nur einmal im Jahrzehnt verkauft werden. Sie sind zusammengepackt, aber sie sind sehr unterschiedlich. Die Art und Weise, wie Sie etwas, das einmal pro Jahrzehnt benötigt wird, und etwas, das einmal pro Monat benötigt wird, angehen, wäre völlig unterschiedlich.
Joannes Vermorel: Darüber hinaus würde ich sagen, dass das eigentliche Problem bei einer sehr groben Klassifizierung darin besteht, dass sie im Laufe der Zeit instabil wird. Wir haben mit mehreren Kunden experimentiert und festgestellt, dass zwischen einem Drittel und der Hälfte der Produkte von einem Zeitraum zum nächsten die Klasse wechseln. Wenn Sie sich die Verkäufe eines Quartals ansehen, Ihre ABC-Analyse durchführen und dann die Verkaufsdaten für das nächste Quartal betrachten und Ihre ABC-Analyse erneut durchführen, können Sie in einer Situation enden, in der 40% der Produkte eine andere Klasse haben. Das bedeutet, dass Sie nur weil Sie in ein neues Quartal übergegangen sind, völlig unterschiedliche Richtlinien für einen bestimmten Artikel haben, nur weil er die Klasse gewechselt hat. Das ergibt nicht wirklich Sinn.
Zum Beispiel, wenn Sie einen Artikel haben, der in den letzten zwei Jahren einen allmählichen, aber sehr langsamen Rückgang hatte, warum würden Sie dann entscheiden, dass Sie nur weil Sie von einem Tag auf den anderen einen bestimmten numerischen Schwellenwert überschritten haben, diesen Artikel, den Sie einmal im Monat nachbestellt haben, jetzt nur noch zweimal im Jahr nachbestellen würden? Das führt zu sehr nichtlinearen Effekten, mit vielen Lücken und Produkten, die plötzlich von einer monatlichen Nachbestellung auf eine jährliche Nachbestellung umspringen. Es ist äußerst willkürlich und spiegelt nicht die feingranulare Entwicklung der Nachfrage wider.
Kieran Chandler: Wie kann man also die Dinge auf eine bessere Art und Weise angehen? Wenn Sie Ihre Produkte nicht kategorisieren, wie stellen Sie sicher, dass Sie sich um die wirklich wichtigen Produkte kümmern?
Joannes Vermorel: Ja, hier handelt es sich in der Regel um einen Teile-und-Herrsche-Ansatz, den einige Supply-Chain-Manager in ihrer eigenen Supply Chain haben. Sie könnten sagen: “Um den Produkten, die am wichtigsten sind, wirklich viel Aufmerksamkeit zu schenken, werde ich einen Einkaufsleiter haben, der ‘A’-Klasse-Artikel verwaltet, und er wird 50 Artikel verwalten. Wenn es ein Manager ist, der ‘B’-Klasse-Artikel verwaltet, wird dieser Manager 200 Artikel bearbeiten. Und wenn es ein Manager ist, der ‘C’-Klasse-Artikel verwaltet, wird dieser Manager 1000 Artikel verwalten.” Auf diese Weise haben Sie mehr geistige Kapazität für jeden der wichtigsten Artikel.
Diese Perspektive geht jedoch davon aus, dass alle Supply-Chain-Entscheidungen, wie z.B. wie viel zu kaufen, wie viel zu produzieren, wo das Inventar zu platzieren ist, ob das Inventar liquidiert werden soll oder wie der Preis zu gestalten ist, von Menschen getroffen werden, die alles manuell erledigen. Aber die Realität ist, sobald Sie Computer haben, ändert sich alles. Der Computer hat kein Problem damit, Tausende von Artikeln hunderte oder sogar tausende Male am Tag zu verarbeiten, wenn das sinnvoll ist.
Wenn Sie also sicherstellen möchten, dass Sie einen höheren Servicestandard für Ihre ‘A’-Klasse-Artikel haben, sagen Sie im Grunde genommen, dass Sie eine bessere Prognose haben können, wenn ein Artikel mehr verkauft wird. Warum? Weil es ein Zahlenpiel ist. Es ist viel einfacher, vorherzusagen, wenn ein Artikel kontinuierlich mit 100 Einheiten pro Tag verkauft wird.
Kieran Chandler: Irgendwo um die 100 herum wird das eine ziemlich gute Prognose sein, vielleicht plus oder minus 10 Prozent. Wenn Sie einen Artikel haben, der einmal im Monat verkauft wird, ist die wahrscheinlichste Prognose für morgen null Einheiten. Trotzdem ist es sehr unregelmäßig. Es kann Tage geben, an denen Sie zwei zusätzliche verkaufen.
Joannes Vermorel: Das Fazit ist, es gibt einen Silberstreifen. Wenn Sie Artikel mit höherem Volumen haben, neigen Sie dazu, eine geringere Unregelmäßigkeit zu haben. Dies stellt einen höheren Servicestandard sicher. Wenn wir über Kosten sprechen, ist es effizienter, weil die Menge an Inventar, die Sie halten müssen, mehr oder weniger proportional zu Ihrer Vorlaufzeit auf der einen Seite und der Unregelmäßigkeit auf der anderen Seite ist. Wenn Sie eine doppelt so große Unregelmäßigkeit haben, müssen Sie doppelt so viel Lagerbestand haben. Sie benötigen mehr Lagerbestand für Artikel, die mehr verkaufen, aber im Vergleich zu Artikeln mit geringem Absatzvolumen benötigen Sie viel weniger.
Ihr Lagerbestand für Artikel mit hohem Volumen und schneller Bewegung ist effizienter in Bezug auf die Umwandlung von Euro oder Dollar in zusätzliche Servicestufen. Deshalb landen Sie typischerweise bei diesen Eimern und all diesen Rezepten. Aber Sie können das Problem auch völlig anders sehen.
Zunächst schlage ich vor, eine probabilistische Prognose anzunehmen, die die Unsicherheit von Natur aus widerspiegelt. Bei Artikeln mit hohem Volumen erhalten Sie eine Prognose, die offensichtlich hoch ist, aber auch relativ konzentriert, weil Ihre Unsicherheit gering ist. Diese probabilistische Prognose liefert eine Verteilung, die die Unsicherheiten widerspiegelt, die Sie in Bezug auf die zukünftige Nachfrage haben werden.
Bei langsamen Bewegern erhalten Sie eine Wahrscheinlichkeitsverteilung, bei der der Mittelwert der Verteilung viel niedriger ist, weil Sie im Durchschnitt weniger Nachfrage haben, aber die Verteilung wird sehr weit sein, weil es viel Unsicherheit, viel Unregelmäßigkeit gibt.
Kieran Chandler: Wenn Sie also sagen, dass Sie einen hohen Servicestandard haben möchten, was meinen Sie eigentlich?
Joannes Vermorel: Was Sie tatsächlich sagen, ist, dass Sie bei jedem Lagerbestandsausfall Margen verlieren. Vielleicht haben Sie eine Strafe für Lagerbestandsausfälle, sodass Sie Handel mit Ihren Kunden verlieren, wenn sie erwarten, etwas zu finden, und Sie die Waren nicht liefern können, die im Grunde genommen beworben wurden.
Die Idee ist, dass Sie, wenn Sie die Tatsache kombinieren, dass Sie wirtschaftliche Treiber haben, wie die Kosten für Lagerbestände, die Lagerkosten, die Einkaufskosten, die Kosten für Lagerbestandsausfälle und die Marge, die Ihre zusätzliche Belohnung ist, weil Sie Ihre Sachen zu einem Preis verkaufen werden, der über Ihren Kosten liegt, dann der Servicestandard, den Sie erhalten, nur eine Folge der Kombination dieser wirtschaftlichen Treiber mit Ihrer probabilistischen Nachfrageprognose ist.
Die ABC-Kategorisierung spielt nicht einmal bei der Berechnung eine Rolle, weil die ABC-Kategorisierung letztendlich nur eine grobe Möglichkeit ist, die zukünftige Nachfrage oder die Unregelmäßigkeit der zukünftigen Nachfrage abzuschätzen, die Sie erhalten, wenn Sie eine probabilistische Prognose-Engine haben.
Kieran Chandler: Also sagen Sie, dass es eine sehr grobe Art ist, es mit ABC-Analyse zu tun. Ist die Lösung von Lokad nicht einfach eine viel feinere Art der Optimierung, eine Art Erweiterung der ABC-Analyse? Was ist der Hauptunterschied?
Joannes Vermorel: Der Hauptunterschied besteht darin, dass wir einfach davon ausgehen würden, dass wir so viele Klassen haben, wie wir Artikel und so viele Klassen haben, wie wir mögliche Verkaufshistorien haben. Wenn Sie eine so feine Granularität haben, dass Sie eine Klasse pro Situation haben, wird die Kategorisierung ein wenig bedeutungslos.
Der Ansatz von Lokad besteht darin, in Bezug auf Informationen zu denken, eher im Sinne der Informationstheorie. Woher kommen die Informationen, um eine bessere Entscheidung zu treffen? Wenn alle Informationen aus der beobachteten Verkaufshistorie stammen, kann ein Prognosemodell potenziell seine eigene Klassifizierung intern neu erstellen.
Kieran Chandler: Klassifizierung, wenn es Ihnen hilft, aber es befindet sich im Prognosemodell oder Motor. Typischerweise wird dies nicht so gemacht, weil es sehr granular ist. Es gibt keine Einsparungen. Der einzige Vorteil der ABC-Analyse besteht darin, dass es eine Methode ist, mit der Sie Berechnungen vollständig vermeiden können. Das ist großartig, wenn Sie nur einen Bleistift, ein Blatt Papier und Tausende von Artikeln haben. Stellen Sie sich vor, Sie verfolgen Tausende von Artikeln im 19. Jahrhundert von Hand - das ist ein Albtraum. Es war also sehr wichtig, Methoden zu haben, bei denen Sie keine Berechnungen durchführen mussten, nicht einmal eine Addition. Es ist interessant, weil diese Methoden irgendwie intuitiv waren und eine Art Schätzung darstellten.
Joannes Vermorel: Bei Lokad gehen wir einen anderen Weg. Unser Supply-Chain-Ansatz zielt darauf ab, Dinge so weit wie möglich zu quantifizieren. Wir haben unglaublich schnelle Computer, die Milliarden von Additionen pro Sekunde durchführen können, daher ist die Rohleistung kein knappes Gut. Die ABC-Analyse ist simplistisch, und wie Sie erwähnt haben, besteht einer der wirklichen Vorteile darin, dass Sie keinen Stift und kein Papier benötigen.
Kieran Chandler: Aber es muss doch noch andere Vorteile der ABC-Analyse geben. Warum verwenden Unternehmen sie immer noch?
Joannes Vermorel: Nun, ich bin mir nicht ganz sicher. Wir haben viele Situationen gesehen, in denen es viele wahrgenommene Vorteile gibt, aber wenn es um echte, greifbare Vorteile geht, ist es viel weniger klar. Unternehmen verwenden die ABC-Analyse als eine “Teile und herrsche”-Strategie, um die Arbeitsbelastung der manuellen Verarbeitung der Artikel auf viele Supply-Chain-Praktiker zu verteilen. Die Antwort lautet jedoch: Tun Sie das nicht. Es ist eine schlechte Idee. Sie sollten etwas haben, das alle Artikel gleichmäßig verarbeitet. Wenn Ihre Methode auf einer Art Kategorisierung beruht, können Sie Ihre Methoden wahrscheinlich überdenken, um das zu entfernen und direkt den durchschnittlichen Bedarf der letzten Monate zu verwenden. Dies wird in der Regel besser funktionieren. Sie benötigen nichts, das große Inkremente oder große Schritte durchläuft.
Was Berichte betrifft, handelt es sich um einen Ansatz, bei dem das Management oft Eitelkeitsmetriken produziert. Die Leute sind in der Gewohnheit verankert zu sagen: “Schauen Sie, lieber CEO, wir sind so gut, wenn wir uns die ‘A’-Artikel ansehen, weil unsere ‘A’-Artikel einen Servicegrad von, sagen wir, 95 Prozent haben.”
Kieran Chandler: Aber auch dies ist ein Prozentsatz und kein Fehlerbetrag in Dollar, daher spielt es keine Rolle, ob Ihr Umsatzvolumen, ob Ihre Artikel einen sehr, sehr hohen Servicegrad haben. Wenn Ihre Kunden immer noch der Meinung sind, dass das, was sie wirklich brauchen, der Rest ist, den sie sehen möchten, dann möchten Sie es wirklich auf, ich würde sagen, Dollar-Performance, Dollar-Fehler herunterbringen. Ich meine Dinge, die in Dollar ausgedrückt werden, anstatt in Prozent.
Joannes Vermorel: Und eine ABC-Analyse ist typischerweise darauf ausgerichtet, Eitelkeitsmetriken zu erstellen, bei denen Sie Prozentsätze haben und zusätzliche Prozentsätze auf Ihre Prozentsätze aufbauen. Und die Diskrepanz zur tatsächlichen Realität kann sehr, sehr stark sein. Und wenn Sie das mit der Tatsache kombinieren, dass diese ABC-Klassen auch sehr instabil sind, wissen Sie, von einer Kultur zur anderen, können Sie in der Illusion enden, dass Ihre Metriken gut sind, während sich tatsächlich alles ständig ändert. Wenn Sie zum Beispiel einen Artikel haben, der zur Klasse A gehört und einen massiven Lagerbestandsausfall erleiden, wird dieser Artikel aufgrund des gesunkenen Absatzes sehr schnell in die Klasse B fallen. Aber dann sieht es in Bezug auf die Statistik gut aus, weil Sie gerade einen Artikel aus Ihrer Klasse A entfernt haben, der schlecht performt hat. Plötzlich wissen Sie, nur weil Sie Artikel haben, bei denen ein massiver Lagerbestandsausfall auftritt, werden sie sich selbst aus der Klasse A entfernen, weil die Klasse A dem Umsatzvolumen entspricht. Wenn Sie also einen massiven Lagerbestandsausfall bei etwas haben, das zur Klasse A gehört, wird es nicht lange in der Klasse bleiben. Es wird sehr schnell in die Klasse B fallen.
Kieran Chandler: Ich verstehe, du sagst also, wenn ein Artikel einen massiven Lagerbestandsausfall erlebt, kann es aufgrund der ABC-Analyse so aussehen, als ob er gut abschneidet, da er von Klasse A nach Klasse B verschoben wird. Aber das bedeutet nicht unbedingt, dass alles in Ordnung ist, weil der Artikel aufgrund des Lagerbestandsausfalls schlecht abgeschnitten hat, nicht weil er tatsächlich gut abgeschnitten hat.
Joannes Vermorel: Genau, in diesem Fall ist nicht alles in Ordnung. Es gibt nur einen Nebeneffekt, bei dem Dinge, die sehr schlecht abschneiden, Ihre schnellen Bewegerklasse verlassen, aber aus völlig falschen Gründen.
Kieran Chandler: Okay, nun, ich fürchte, wir müssen hier Schluss machen. Aber eine wichtige Erkenntnis von heute ist, dass die ABC-Analyse nur für die sehr Eitlen ist.
Joannes Vermorel: Ja, und das sollten Sie nicht tun.
Kieran Chandler: Gut, das war alles für diese Woche. Vielen Dank fürs Zuschauen und bis zum nächsten Mal. Tschüss für jetzt.
