Bestandsprognose:Typen,

Empfohlene Vorgehensweise, und Vorteile

Eine genaue Bestandsprognose ist von unschätzbarem Wert, insbesondere in Zeiten, in denen sich Lieferketten und Verbrauchernachfrage schnell ändern. Richtige Vorhersagen erfordern eine Mischung aus statistischer und mathematischer Datenanalyse, Erfahrung mit dem Geschäft, Kundeneinblicke und ein wenig Kristallkugelblick, um Faktoren vorherzusagen, die zu einem Rückgang oder einem Anstieg der zukünftigen Nachfrage führen könnten.

Letztendlich, Es ist das Zeitalter von Tik-Tok. Eine überraschende Produktplatzierung durch einen Influencer könnte Ihren Lagerbestand in Sekundenschnelle löschen.

Einige Faktoren sind wichtig, einige periphere. Einige könnten eine ganze Saison machen, während einige nur eine milde Wirkung haben. Zu den wesentlichen Datenelementen, die für eine genaue Bestandsprognose erforderlich sind, gehören:aktuelle Lagerbestände, ausstehende Bestellungen, historische Trendlinien, Prognosezeitraumbedarf, erwartete Nachfrage und Saisonalität, maximal mögliche Lagerbestände, Verkaufstrends sowie Geschwindigkeit und Kundenreaktion auf bestimmte Produkte.

Auf strategischer Ebene, Prognostiker benötigen Einblicke in die Unternehmensziele, lokale oder globale Herausforderungen in der Lieferkette, geplante Marketing-Pushs und -Kampagnen, potenzielle Medieneinflüsse – wie die Unterstützung durch Prominente – und die Wettbewerbslandschaft.

Was ist Bestandsprognose?

Bestandsprognose, auch als Bedarfsplanung bekannt, ist die Praxis, Daten aus der Vergangenheit zu verwenden, Trends und bekannte bevorstehende Ereignisse, um benötigte Lagerbestände für einen zukünftigen Zeitraum vorherzusagen. Eine genaue Prognose stellt sicher, dass Unternehmen über genügend Produkte verfügen, um Kundenaufträge zu erfüllen, und nicht zu wenig oder zu viel für Lagerbestände ausgeben.

Beachten Sie, dass dies nicht dasselbe ist wie die Entscheidung, wann eine Neubestellung erfolgen soll.

Bestandsprognose vs. Auffüllung: Die Bestandsprognose berechnet die für zukünftige Perioden erforderliche Bestandsmenge. Es berücksichtigt Nachschubdaten wie Timing, Verfügbarkeit und Liefergeschwindigkeit – auch bekannt als Vorlaufzeit. Auffüllung ist der Bestand, der erforderlich ist, um Bestandsprognosen basierend auf Bestandszielen zu erfüllen. Angebot und Nachfrage.

Welche Arten von Bestandsprognosen gibt es?

Obwohl, Zu einem gewissen Grad, „Bauchgefühl“ und Erfahrung spielen eine Rolle, alle Prognosen sind irgendwann formelhaft. Die Frage ist, Welche Methode ist für Ihre Bedürfnisse am besten geeignet?

Die wichtigsten formelhaften Methoden für eine erfolgreiche Bestandsprognose sind Trend, grafisch, qualitativ und quantitativ. Der mit der Prognose beauftragte Experte wählt die beste Methode basierend auf bekannten Lagerproblemen, persönliche Einblicke, Rückmeldungen aus dem Vertrieb, Kundeneingaben, mathematische Analyse und Marktforschung.

Jede der folgenden Prognosemethoden verwendet eine andere Formel:

Trendprognose: Trends sind Veränderungen der Nachfrage nach einem Produkt im Laufe der Zeit. Diese Methode projiziert mögliche Trends und schließt saisonale Effekte und Unregelmäßigkeiten anhand vergangener Umsatz- und Wachstumsdaten aus. Detailliertere Verkaufsdaten unterstützen diese Prognosetechnik, indem sie zeigen, wie bestimmte Kunden sowie Kundentypen in Zukunft wahrscheinlich kaufen werden. Analysten können anhand dieser Daten neue Wege finden, um Verkäufe zu vermarkten und anzubieten.

Grafische Prognose: Dieselben Daten, die ein Prognostiker bei der Trendprognose mathematisch betrachtet, können grafisch dargestellt werden, um Umsatzspitzen und -täler aufzuzeigen. Einige Prognostiker bevorzugen die grafische Methode, weil sie visuell ist. Sie können Muster aus einer Reihe von Datenpunkten erkennen und schräge Trendlinien zu Diagrammen hinzufügen, um mögliche Richtungen zu untersuchen, die andernfalls übersehen werden könnten.

Qualitative Prognose: Wenn ihnen historische Daten fehlen, manche unternehmen gehen direkt zur quelle:ihren kunden. Qualitative Prognosen beinhalten oft eine komplexe Datensammlung, wie Fokusgruppen und Marktforschung. Prognostiker konkretisieren dann Modelle aus dieser Art von Daten.

Quantitative Prognose: Als genauer angesehen als nur qualitative Forschung, quantitative Prognosen verwenden numerische Daten aus der Vergangenheit. Je mehr Vergangenheitsdaten ein Unternehmen hat, desto genauer ist die Vorhersage in der Regel. Ein Beispiel für quantitative Prognosen ist die Zeitreihenprognose, die zeitliche quantitative Daten verwendet, um ein Modell zu erstellen. Dieses Modell hilft, zukünftige Trends vorherzusagen.

So wählen Sie die richtige Prognosemethode

Zuerst, Überlegen Sie, welche Daten Ihnen zur Verfügung stehen und was Sie sammeln können. Der Prozess wird nicht für alle Organisationen gleich sein:Etablierte Unternehmen sollten mit historischen Daten beginnen und den quantitativen Ansatz verwenden. Für neuere Unternehmen, Beginnen Sie damit, qualitative Marktinformationen zu sammeln.

Die beste Prognose verwendet eine Mischung aus Methoden und Datentypen. Quantitative Daten bieten Modellierern einen Ausgangspunkt. Das Hinzufügen qualitativer Daten verfeinert das Modell. Verwenden Sie branchenspezifische Eingaben, um die Prognose abzuschließen.

Der Trick besteht darin, sicherzustellen, dass das Modell Wildcards widerspiegelt – jene sich ständig ändernden und oft unvorhersehbaren Trends und Marktverwerfungen, die die Nachfrage augenblicklich verschieben können. In kleineren Strichen, wie Veränderungen in Moden, Marktforschung kann das Angebot steigern. Um größere Herausforderungen zu bewältigen, wie eine globale Pandemie, Statistiker sollten mehrere Modelle basierend auf historischen Informationen und verschiedenen plausiblen Szenarien entwickeln, möglicherweise in Zusammenarbeit mit Szenarioplanungsteams.

Prognostiker können auch Szenarien mit extremem Bedarf einbeziehen, um eine mögliche Nachfrage zu bestimmen.

Vorteile der Bestandsprognose

Bestandsprognosen können den Unterschied zwischen Rentabilität und Haufen unverkaufter Waren ausmachen. Bei richtiger Anwendung, Unternehmen können potenzielle Trends besser planen, Sparen Sie Geld bei der Lagerung und sorgen Sie für zufriedene Kunden.

12 Top-Auszahlungen

Während die Einführung einer Prognosepraxis viel Aufwand in Bezug auf die Datenerfassung und Szenarioplanung erfordert, es zahlt sich in vielerlei Hinsicht aus.

KOSTENEINSPARUNGEN

KUNDEN- &LIEFERANTENZUFRIEDENHEIT

• Weniger Geld gebunden im Gesamtinventar sowie in der Lagerhaltung
• Hält den Sicherheitsbestand auf einem realistischen Schwellenwert
• „Richtige Menge zur richtigen Zeit“ bestellen

• Minimiert die Anzahl nicht vorrätiger Artikel
• Trendanalyse führt zu zufriedeneren Kunden, da neue „heiße“ Artikel verfügbar sind
• Bessere Lieferantenbeziehungen durch weniger „hair on fire“-Anforderungen für Lagerbestände oder Materialnachschub

VERBESSERUNGEN IM BACK-END

STRATEGISCHE EINBLICKE

• Verbesserte Automatisierung und weniger manuelle Arbeit
• Besseres Management der Lieferkette
• Besseres Management des Produktionszyklus

• Passt die Lagerbestände an die Geschäftsziele und die Unternehmensmission an
• Verbesserte Margen und Rentabilität
• Genauere Bestandsdaten und Berichterstattung

Wie funktioniert die Bestandsprognose?

Die Bestandsprognose funktioniert, indem sie Unternehmen hilft, ein Gleichgewicht zwischen zu viel Bargeld im Bestand und genügend Lagerbeständen zu finden, um die Nachfrage zu decken. Die drei Hauptbestandteile dieser Berechnung sind Prognosezeitraum, Grundbedarf und Anwendung von Variablen und Trends .

Für den Prognosezeitraum, je weiter ein Unternehmen geht, desto weniger wahrscheinlich ist die Prognose realistisch. Diese Unsicherheit ist auf Marktschwankungen zurückzuführen, aktuelle Ereignisse und wissenschaftliches Risiko. Standardintervalle umfassen 30 Tage, 90 Tage und ein Jahr. Ein einjähriges Prognoseintervall berücksichtigt saisonale Schwankungen. Überprüfen Sie jede Prognose, die mehr als einen Monat abdeckt. Anpassung an unterschiedliche Absatz- und Markttrends.

Der Basisbedarf ist der bekannte Kundenbedarf, wenn ein Statistiker eine Prognose erstellt. In der Regel, es verwendet die letzten 30 Verkaufstage oder alle Vorverkäufe.

Die Anwendung von Variablen und Trends ist der schwierigere Teil der Prognose. Einige Analysten haben dafür ein Rezept; sie können sich globale oder sogar lokale Einflüsse und Marketinganstrengungen ansehen. Dazu gehören Verkaufsgeschwindigkeit, Herausforderungen in der Lieferkette und Saisonalität. Jede Branche hat einzigartige Variablen, die Analysten bei der Bedarfsplanung berücksichtigen müssen.

16 Schritte zum Erfolg bei der Bestandsprognose

Führen Sie diese grundlegenden Schritte aus, um eine Inventarprognose durchzuführen:

1. Entscheiden Sie sich für einen zukünftigen Prognosezeitraum, wie 30 Tage, 90 Tage oder ein Jahr.
2. Überprüfen Sie den Basisbedarf für den Zeitraum. Zum Beispiel, wenn das Unternehmen in der letzten Periode 500 Einheiten verkauft hat, der Startdatenpunkt beträgt 500 Einheiten für das Prognosemodell.
3. Entscheiden Sie sich für Trends und Variablen und deren Auswirkungen auf eine Umsatzsteigerung oder -minderung, B. Werbeaktionen oder abgelegene Marketingaktivitäten, die sich möglicherweise auf die Basisnachfrage ausgewirkt haben.
4. Überprüfen Sie die Verkaufsgeschwindigkeit. Die Verkaufsgeschwindigkeit gibt an, wie schnell sich Verkäufe durch die Unternehmenspipeline bewegen. Es basiert auf der Anzahl der Leads, durchschnittlicher Dealwert, Konversionsrate und die Länge des Verkaufszyklus.

Berechnen Sie die Verkaufsgeschwindigkeit mit dieser Formel:

Verkaufsgeschwindigkeit (SV) =[(Anzahl der Leads) x (durchschnittlicher Dealwert) x (% Conversion-Rate)] / (Verkaufszykluslänge)

Zum Beispiel, Stellen Sie sich ein Szenario vor, in dem Ihr Unternehmen 20 Möglichkeiten hat, ein Produkt zu verkaufen. Der Prozentsatz dieser Gelegenheiten, die normalerweise in einen Verkauf umgewandelt werden, beträgt etwa 50%. Die durchschnittliche Dealgröße beträgt 5 $, 000, mit einer Verkaufszyklusdauer von drei Monaten. Die Verkaufsgeschwindigkeit beträgt [(20 x 0,50 x 5 $, 000)/90 Tage] =$555,56. Diese Zahl bedeutet, dass das Produkt etwa 556 US-Dollar pro Tag einbringt.

5. Überprüfen Sie die Marketingaktivitäten. Geplante Marketing-Events können den Absatz von Produkten vorübergehend ankurbeln.
6. Überprüfen Sie alle relevanten Branchenkräfte, wie neue Wettbewerber auf dem Markt, Lieferantenprobleme, gewerbliches Käuferverhalten, Bedrohungen durch billigere Produktsubstitute und andere Wettbewerbsrivalitäten.
7. Überprüfen Sie die Saisonalität, da sie sich auf jedes Produkt auswirkt. Es gibt viele Möglichkeiten, die Saisonalität zu bestimmen, einschließlich der Berechnung eines saisonalen Index für jeden Monat, die Nachfrage über 12 Monate zu verteilen oder komplexere statistische Methoden zu verwenden.
8. Schließen Sie die Möglichkeit von Modeerscheinungen oder unbezahlter Werbung ein, einschließlich sozialer. Da diese zufällig oder ohne ersichtlichen Grund passieren können, Viele Experten für Bestandsversorgung können diese Umsatzsprünge nicht vorhersagen. Die Zusammenarbeit mit Marketingmitarbeitern, die möglicherweise Einblicke haben, kann Ihnen bei der Planung zusätzlicher Lagerbestände helfen.
9. Erstellen Sie die Modelle. Häufig, diese Wissenschaft ist eher eine Kunst, die auf all den gesammelten Trends und historischen Erkenntnissen basiert. Sie verwenden diese Informationen, um die Modelle für die Prognose zu erstellen. Es gibt viele statistische Techniken, Wie wir besprochen haben. Welche Sie wählen, hängt von der Stabilität der Produktnachfrage ab.
10. Bereinigen Sie die Daten, indem Sie ungewöhnliche oder ausreißerische Datenpunkte entfernen und entscheiden, ob Informationen fehlen. Wenn ja, Kannst du es verstehen, oder ist es in Ordnung, trotzdem fortzufahren?
11. Identifizieren Sie entweder einen parametrischen oder einen nichtparametrischen statistischen Ansatz.
12. Verarbeiten Sie die Daten, indem Sie sie laden oder in einem für den Algorithmus geeigneten Datenblatt anordnen.
13. Schätzen Sie die Modellparameter ab:Was ist der beste und der schlechteste Fall für die Datenpunkte?
14. Bestätigen Sie das/die Modell(e). Verwenden Sie andere Daten als die, die Sie zum Kalibrieren des Modells verwendet haben.
15. Passen Sie das Modell regelmäßig an oder wenn Ereignisse dies erfordern. Erinnern, dies ist eine auf Annahmen basierende Prognose. Das wirkliche Leben kann zeigen, dass es falsch ist, Daher müssen Sie möglicherweise die Parameter anpassen.
16. Neuprognose.

Trends und Variablen

Einige Trends und Variablen sind bei Prognosen üblich. Zum Beispiel, Wenn eine Berühmtheit ein Kleidungsstück trägt, die Modebranche rechnet mit Nachfragesprüngen für ähnliche Produkte. Dieses Ereignis ist kein Ausreißer, sondern erwartet, und es kommt oft mit einem Plan. Dies fällt mit Produkteinführungen und Lagerauffüllungen zusammen.

Ein Ausreißer in der Modebranche war eine unerwartete extreme Nachfrage nach Freizeitkleidung während der Quarantäne 2020. als Reaktion auf die Zahl der Menschen, die von zu Hause aus arbeiten. Viele Unternehmen mussten schnell reagieren, um für Videoanrufe geeignete Shirts und Hosen mit elastischem Bund zu liefern. Inzwischen, Die Nachfrage nach Abendschuhen brach ein.

Glossar:Bestandsprognosen Lingo

Es gibt einige Begriffe, die Sie kennen müssen, um die Inventarprognose zu verstehen. inklusive Nachbestellpunkt, Lagerbestände, Sicherheitsbestand und Lieferzeitanforderungen.

Was ist ein Nachbestellpunkt? Der Meldebestand (ROP) ist der Bestand, der den Nachschub in einem Bestandsführungssystem auslöst. Buchhalter können Nachbestellpunkte manuell planen. Besonders hilfreich ist eine Absatzplanungssoftware, um Fehlbestände zu vermeiden, indem die richtigen Artikel zur richtigen Zeit bestellt werden.

Reorder-Punkt-Formel: Die Bestellpunktformel ist ein Auslöser für Unternehmen, um ein Produkt aufzufüllen. Es ist der tägliche Verbrauch in Einheiten, kombiniert mit den Tagen Vorlaufzeit, die für den Austausch erforderlich sind, mit den Einheiten des Sicherheitsbestands kombiniert.

Verwenden Sie diese Formel, um den Bestellpunkt zu berechnen:

Meldebestand =(# täglich verwendete Einheiten x # Tage Vorlaufzeit) + # Einheiten Sicherheitsbestand

Zum Beispiel, Stellen Sie sich ein Szenario mit 100 verkauften oder verwendeten Einheiten pro Tag vor, eine fünftägige Nachbestellung und einen Sicherheitsbestand von 75 Stück. ROP =(100 x 5) + 75 =575. Wenn der Lagerbestand unter 575 Einheiten fällt, das Unternehmen erreicht den Meldepunkt und muss Lagerbestände nachbestellen. Für eine konservativere Schätzung gilt:ignorieren Sie den Sicherheitsbestand in der Berechnung.

So ermitteln Sie den optimalen Bestellpunkt: Bestimmen Sie den optimalen Reorder-Point, indem Sie den ROP berechnen. Dies stellt sicher, dass Ihr Unternehmen mit dem Branchen- und Weltgeschehen Schritt hält. Diese Situationen können ändern, wie und wann Kunden Produkte bestellen. Überprüfen und passen Sie Prognosen und ROP in festgelegten Intervallen an.

Fehlbestände: Von Stock-Outs spricht man, wenn die Kundennachfrage nach einem bestimmten Produkt den Lagerbestand eines Unternehmens übersteigt. Die Gefahr von Stock-Outs besteht darin, dass Unternehmen ansonsten treue Langzeitkunden an die Konkurrenz verlieren können.

Sicherheitsbestand: Sicherheitsbestand ist zusätzlicher Produktbestand, der als Puffer gegen Fehlbestände im Lager gehalten wird. Berechnen Sie den Sicherheitsbestand, indem Sie historische Daten zur maximalen Nutzung und zur durchschnittlichen täglichen Nutzung subtrahieren. Einige Analysten beziehen auch das gewünschte Service-Level des Unternehmens konservativ mit ein.

Lieferzeit nachfrage: Die Vorlaufzeit ist die Zeit, die Lieferanten und Hersteller benötigen, um Produkte zu liefern, verglichen mit dem Zeitpunkt, an dem sie sie bestellt haben. Unternehmen berücksichtigen die Verzögerung von der Vorlaufzeit in ihren Reorder-Point-Formeln.

Erfahren Sie mehr über die Formeln, die Sie benötigen, um umsetzbare Metriken zu erhalten.

Formeln für die Bestandsprognose

Die Formeln zur Bestandsprognose konzentrieren sich auch darauf, sicherzustellen, dass Unternehmen die richtige Menge an Lagerbeständen haben. Es gibt einfache Formeln, wie Lagerumschlag. Es gibt auch komplexere Formeln und Methoden in der Prognose, B. mit Regressionsanalysen und multifaktoriellen Modellen.

Formeln sind ein wichtiger Bestandteil der Prognose. Beispiele für Formeln sind EOQ, ROP, Vorlaufzeit, durchschnittlicher Lager- und Sicherheitsbestand. Dies sind wichtige Konzepte, die Sie verstehen müssen, um komplexere Modelle für die Prognose zu erstellen.

Zum Beispiel, EOQ ist die erste Planungsformel, und die ROP-Konten für die Bestandsauffüllung.

EOQ ist die ideale Bestellmenge zu regulären Zeiten. Verwenden Sie diese Formel, um den EOQ zu berechnen:

EOQ-Formel

Die Formel für EOQ lautet:

EQQ-Formel

EOQ =√2DS/H, wo

• D =Bedarf in Einheiten pro Jahr
• S =Bestellkosten pro Einkauf
• H =Haltekosten pro Einheit, pro Jahr

Zum Beispiel, Stellen Sie sich ein Szenario vor, in dem ein Einzelhandelsgeschäft durchschnittlich 500 Sets Handschuhe pro Jahr verkauft. Handschuhe sind Kleinigkeiten, Es kostet den Laden also nur 1 US-Dollar pro Jahr, um jeden Satz Handschuhe auf Lager zu halten. Die Fixkosten für die Bestellung weiterer Handschuhe betragen 4 US-Dollar. EOQ =[(2 x 500 x $4)/$1] =63,2. Die ideale Bestellgröße liegt bei etwas mehr als 63 Handschuhen.

Festlegen von Prognosegrenzen

Legen Sie Prognosegrenzen fest, um sicherzustellen, dass Analysten eine vernünftige und wahrscheinliche Logik verwenden. Prognosegrenzen sollten Ausreißer berücksichtigen, aber minimieren Sie diejenigen mit einer sehr geringen Eintrittswahrscheinlichkeit – sie haben oft erhebliche finanzielle Auswirkungen.

Eigentlich, saisonale Trends können am schwierigsten zu berücksichtigen sein. Aber auch neue Produkte und Nachschub sind eine Herausforderung.

Prognose für saisonale Produkte: Prognosen für saisonale Produkte sind die anspruchsvollste Art der Planung. Analysten verwenden historische Nachfragedaten und Verkaufszahlen. Sie fügen ihren Modellen auch aktuellere und subjektivere Daten hinzu, wie erwartetes Wetter und Markttrends.

Eine Möglichkeit, die Saisonalität zu berücksichtigen, ist die Verwendung der Saisonindexformel. Die Formel für den Saisonindex ist ein Maß für die jahreszeitlichen Schwankungen im Vergleich zu dieser Saison im Durchschnitt. Der Saisonindex nimmt Saisonalität und glättet die Daten. Es gibt mehrere Methoden, um den Saisonindex zu berechnen.

Eine Methode zur Berechnung des Saisonindexes ist die einfache Durchschnittsmethode. Die Schritte sind wie folgt:

Schritt 1: Ordnen Sie die Daten nach Jahreszeiten (3-Monats-Intervalle, d.h., Q1, Q2, Q3, Q4 oder Herbst, Winter, Feder, Sommermonate).

Schritt 2: Berechnen Sie die Saisonsummen und die Saisondurchschnitte. Im Beispiel unten, die Saisonsumme für Q1 ist die Summe aller Q1 der Jahre 2015-2018. Der Saisondurchschnitt für Q1 ist die Saisonsumme/4.

Schritt 3: Berechnen Sie den großen Durchschnitt. Im Beispiel unten, der große Durchschnitt ist die Summe der Saisondurchschnitte von Q1-Q4.

Schritt 4: Berechnen Sie den Saisonindex. Im Beispiel unten, Berechnen Sie den Saisonindex für jede Saison durch:

Saisonindex (%) =(saisonaler Durchschnitt/großer Durchschnitt) x 100

Verwenden Sie die saisonalen Indizes in einem Diagramm oder einer Zeitreihenanalyse, um eine Trendlinie für die Prognose zu projizieren.

Jahresumsatz nach Saison für die Analyse der saisonalen Indizes organisiert

Q1 Q2 Q3 Q4 2015 $4, 520 $, 300 $, 270 $3, 400 2016 5 $, 230 $, 100 $, 900 $3, 700 2017 5 $, 340 $, 700 $, 500 $ 4, 010 2018 $5, 020 $3, 000 $, 600 $ 4, 600 Saison insgesamt $20, 110 $ 10, 100 $ 10, 270 $15, 710 Großer Durchschnitt

Saisondurchschnitt $5, 028 $, 525 $, 568 $3, 928 $ 3, 512 Saisonindex 143 % 72 % 73 % 112 %

Prognose für neue Produkte: Auch die Nachfrage nach neuen Produkten kann schwierig zu prognostizieren sein. Analysten beziehen Daten zu ähnlichen bestehenden Produkten sowie qualitative Daten ein und passen Modelle an, um Produktcluster mit ähnlichen Lebenszykluskurven widerzuspiegeln, aus denen Annahmen gezogen werden können.

Modelle zur Bestandsprognose sollten auch Werbeveranstaltungen berücksichtigen. Einige Softwaresysteme erstellen Werbeaktionen, wie Steuersaison oder zurück zur Schule, in ihre Prognose ein. Sie können auch die Verkaufshistorie der Vergangenheit verwenden, saisonale Modellierung und die Termine der Werbeaktionen.

Bestandsplanung und Auffüllung: Sie können Inventar automatisch oder manuell nachbestellen oder auffüllen. Die obigen Formeln und Modelle können die optimale Lagerbestandsmenge angeben, sowie die Anzahl der zu bestellenden Artikel und wie oft diese bestellt werden. Wie besprochen, Lieferfehler, Transportprobleme und saisonale Abweichungen können den Nachschub verzögern. Entscheiden Sie, ob die Nachbestellung manuell oder automatisiert erfolgen soll, mit einem Bestandskontrollsystem, das Bestellungen nach einem vorgegebenen Zeitplan platziert. Wenn es sich um einen manuellen Vorgang handelt, wer ist für die bestellung verantwortlich?

Beispiele für Bestandsprognosen

Es gibt eine Reihe von Beispielen für solide Bestandsprognosemodelle. Die bekanntesten Formeln sind EOQ und ROP. Excel enthält auch eine Prognosefunktion, die den statistischen Wert einer Prognose anhand von historischen Daten berechnet. Trend- und Saisonalitätsannahmen.

Dan Sloan, NetSuite Technology Consulting Manager für die Wirtschaftsprüfungsgesellschaft Eide Bailly, beschreibt ein Beispiel für Prognosen, die er 2014 für ein Konsumgüterunternehmen durchführte, bei dem er arbeitete.

„Sie brachten Produkte für ihre Hochsaisonverkäufe im vierten Quartal ein, " er sagte. „Der CEO und der Leiter der Lieferkette verfolgten die Arbeitssituation im Hafen von Long Beach genau und erkannten, dass ein Streik unmittelbar bevorstand. Sie beschleunigten Bestellungen, um das Produkt früher einzubringen. Da wir über eine ausgeklügelte Bedarfsplanungs-Engine verfügten, Es war einfach, die Lieferzeiten dieser Sendungen zu verlängern und sie rechtzeitig zu bestellen, um den erwarteten Streik zu schlagen.

„Diese Aktionen führten zu einem riesigen Gewinn, da die Container des Konkurrenten im Hafen aufgehalten wurden und die entscheidenden beiden Wochenenden vor Weihnachten verpassten. Dies führte nicht nur zu Rekordverkäufen, aber es bot einen Wettbewerbsvorteil in Bezug auf den Marktanteil bis ins nächste Jahr.“

Das Modell von Sloan für dieses Unternehmen umfasste qualitative Daten, Daher war es wichtig, lokale Nachrichten zu kennen. Die von dem Unternehmen verwendete Plattform ermöglichte es auch, schnell zu schwenken und zusätzliche Produkte zu bestellen.

Ein weiteres Beispiel ist ein Elektronikunternehmen, das mehr Marktanteile für sein Mobilgerät gewinnen wollte. Vor dem, Das Unternehmen verwendete nur Branchenumsatzdaten von anderen Unternehmen und führte wenig Marktforschung durch, um den Bestandsbedarf zu prognostizieren. Es endete normalerweise mit zu wenig oder zu viel Inventar – und nicht in den richtigen geografischen Regionen. Kunden waren frustriert, wenn es Lagerbestände gab, Dadurch entsteht das Potenzial, dass verärgerte Käufer zu Konkurrenten übergehen würden. Wenn das Unternehmen zu viel Lager hatte, es erlitt einen finanziellen Schlag, als das Produkt veraltet war.

Bessere Prognosen für dieses Unternehmen kamen in Form von qualitativen Fokusgruppendaten und der Basisnachfrage (für dieses spezielle Unternehmen) nach Regionen. Das Unternehmen begann auch, mit dem Marketing über geplante Veranstaltungen zu kommunizieren, Dies ermöglichte es dem Team, Faktoren wie Beschäftigungsquoten und Wohnungstrends nach Regionen für eine spezifische Marktidentifizierung zu berücksichtigen.

Ein Convenience-Store ist ein kleineres Beispiel. Die neuen Eigentümer wollten eine bessere Prognose ihrer Produkte, um den übermäßigen Verderb der Vorbesitzer zu vermeiden. Das Verhindern, dass Milch das Verfallsdatum überschritten hat, während der Chunky Monkey nicht ausgeht, hilft beides dem Endergebnis.

Jede Produktkategorie, die der Convenience Store anbietet, enthält Daten aus früheren Verkäufen:wie viel verkauft, Wenn es zu Fehlbeständen kam, saisonale Absatzentwicklung und nationale Nachfrage. Zu den versierten Besitzern gehörten lokale Faktoren, wie lokale Veranstaltungen (Sommerparade in der Nähe), lokales vorhergesagtes Wetter (Hitzewellen), Beschäftigung und Lebenshaltungskosten. Sie befragten auch ihre Kunden, um ihre Produktpräferenzen zu erfahren. Sie nutzten die Daten, um eine Prognose zu erstellen, die ihre Regale besser füllte.

Best Practices für die Bestandsprognose

„Der erste Schlüssel besteht darin, so viele Daten über Ihre Einkäufe zu haben, Verbrauch und Verkauf von Gegenständen wie möglich, “ sagte Sloan. „Sechs Monate detaillierter Transaktionen sind das Minimum, aber ohne zwei Jahre saisonaler Trends, Es ist schwierig, sich ein gutes Bild von Ihrem tatsächlichen monatlichen Bedarf zu machen. Ebenfalls, Stellen Sie sicher, dass Sie genaue Daten von Ihren Lieferanten erhalten und dass Sie sie für diese Genauigkeit verantwortlich machen. Müll in, Müll raus wird immer wahr sein.“

Es gibt Best Practices, die Sie in jedem Aspekt der Inventarprognose anwenden können. Dies reicht von der Sicherstellung der Verwendung hochwertiger Daten bis hin zur Einbindung von Mitgliedern des Marketingteams. Hier ist eine nützliche Liste von Best Practices, die Sie in Ihren Prozess integrieren können:

• Stellen Sie ein Team zusammen, das bei der Entwicklung der Prognose mitarbeitet.
• Verwenden Sie ein Bestandsverwaltungsprogramm, das gut funktioniert und dokumentierte Prozesse bereitstellt.
• Behalten Sie den Lagerumschlag genau im Auge und ob Sie Benchmarks erfüllen. Erfahren Sie mehr über Lagerumschlag mit „Inventory Turnover Primer:Berechnungen, Preise und Analysen.“
• Nutzen Sie qualitative Informationen, um Prognosen voranzutreiben.
• Nutzen Sie alle verfügbaren historischen Angebots- und Nachfragedaten.
• Berechnen Sie alle Margen und Gewinne der Vergangenheit sowie zukünftige Ziele, wie die Bruttogewinnmarge.
• Verwenden Sie die Reorder-Point-Formel.
• Messen Sie Verkaufstrends genau.
• Nutzen Sie die Vorlaufzeit für die Nachfrage.
• Berechnen Sie den Sicherheitsbestand.
• Verwenden Sie Software, die Ihre Prognoseanforderungen unterstützt.

Ein weiterer Tipp von Sloan:„Stellen Sie sicher, dass Ihre Bedarfsplanungs-Engine prüft, von wo aus Sie den Lagerbestand geliefert und wohin Sie ihn gesendet haben. Zum Beispiel, wenn Sie einen sperrigen Artikel von Ihrem Lager in Los Angeles an einen Kunden in Florida versandt haben, Sie möchten sicherstellen, dass Sie diesen Artikel das nächste Mal in Ihrem Lager in North Carolina auf Lager haben.“

Lernen Sie aus der Nachfrage der Vergangenheit, und implementieren regelmäßig neue Praktiken, um diese Lektionen zu unterstützen.

Tools für die Bestandsprognose

Zu den unterstützenden Tools für die Bestandsprognose gehören einfache Tabellenkalkulationen und Bestandsmanagement-Softwaresysteme. Einfache Tabellenkalkulationen sind nicht dynamisch, können aber für Unternehmen mit begrenzten Lagerbeständen funktionieren.

Hier sind die wichtigsten Tools zur Berechnung der Nachfrage:

• Tabellenkalkulationen: In Unternehmen, die nur wenige Produkte haben, einfache Tabellenkalkulationen können funktionieren. Verwenden Sie sie, um Formeln und Annahmen zu laden und grundlegende Berechnungen durchzuführen.
• Grafiken: Einfache Grafiken mit Zeitreihendaten können Zukunftsprojektionen in einem Format zeigen, das visuell orientierte Menschen zu schätzen wissen.
• 3PL: Die Auslagerung der Logistikplanung ist sicherlich eine Option. Viele Logistikunternehmen verfügen über Experten für statistische Modellierung, um die Anforderungen wachsender Unternehmen zu erfüllen.
• Modelle: Der Zweck der Prognose besteht darin, ein Modell zu erstellen, das für Ihr Unternehmen am besten geeignet ist. Auf diese Weise, Sie können Änderungen an den Daten und neue Szenarien in das Modell laden, um zu sehen, wie sich die Bestandsmengen ändern sollten.
• Bestandsverwaltungssoftware: Für Unternehmen, die eine Inhouse-Lösung bevorzugen, die auch ihren Bestand verfolgt, einige Plattformen bieten auch Prognosetools an. Für Ratschläge zur Auswahl einer Lösung, Lesen Sie unseren Leitfaden zur Auswahl des richtigen Bestandsverwaltungssystems für Ihr Unternehmen.

Automatisierte Bestandsprognose

Einige Softwarepakete enthalten eine automatisierte Bestandsprognose, die maschinelles Lernen nutzt, um den Projektionsprozess ständig zu verbessern. Dieser Weg, anstatt nur Ihr Inventar zu verfolgen, Sie können optimale Lagerbestände prognostizieren, unter Berücksichtigung von Geschäftszielen und Unternehmensabläufen.

Machine-Learning-Systeme reduzieren Fehler in Supply-Chain-Netzwerken und reduzieren Fehlbestände, indem sie den Algorithmus trainieren, aus den eingehenden Daten zu lernen und Anpassungen vorzunehmen.

Optimieren Sie Ihre Bestandsprognosen mit NetSuite

Ein Gleichgewicht zwischen genügend, aber nicht zu viel Inventar zu finden, kann für ein Unternehmen den Unterschied zwischen Erfolg und Misserfolg ausmachen. Die Entwicklung einer Bestandsprognose kann hilfreich sein. Entscheidungsträger wissen, dass sie die richtigen Tools benötigen, um ihren Bestand effektiv zu verwalten und zu planen. NetSuite bietet eine Reihe nativer Tools zur Bestandsverfolgung an mehreren Standorten, Ermittlung von Bestellpunkten, Verwaltung von Sicherheitsbeständen und Zykluszählungen und Prognosen. Entwickeln Sie die Bestandsprognose Ihres Unternehmens mit den Demand Planning-Funktionen von NetSuite.

NetSuite bietet Cloud-Inventarmanagement-Lösungen, die perfekt für eine Reihe von Unternehmen geeignet sind, z. von kleinen Unternehmen über neue Startup-Unternehmen bis hin zu Fortune-100-Unternehmen.

Erfahren Sie mehr darüber, wie Sie NetSuite verwenden können, um den Bestand zu verwalten und zu prognostizieren, um die Bearbeitungskosten zu senken, erhöhen Sie den Cashflow und überzeugen Sie Ihre Kunden.