Hoe Business Intelligence leidt tot betere voorraadbeslissingen in de retail

Er gaat een promotieactie van start. De vraag schiet omhoog, precies zoals verwacht. Maar het supply chain-team is hier nooit van op de hoogte gebracht, de voorraad raakt op en klanten gaan met lege handen naar huis. Dit soort situaties komen dagelijks voor in de detailhandel. Niet omdat organisaties geen data hebben, maar omdat de juiste informatie niet altijd op het juiste moment bij de juiste mensen terechtkomt. Aan data ontbreekt het retailers niet. Verkoopcijfers, voorraad, prestaties van leveranciers en de vraag van klanten kunnen allemaal bijna in realtime worden bijgehouden, terwijl AI het opstellen van prognoses en beslissingen over het aanvullen van de voorraad steeds meer automatiseert.

Maar voorraadtekorten, overtollige voorraad en reactief brandjes blussen komen nog steeds vaak voor. Toegang tot informatie is dus niet het probleem, maar het omzetten van die informatie in betere beslissingen wel.

Business Intelligence (BI) helpt deze kloof te overbruggen. In plaats van alleen maar te rapporteren wat er is gebeurd, biedt het de inzicht en context die nodig zijn om te begrijpen wat aandacht vereist, waarom het gebeurt en welke actie er vervolgens moet worden ondernomen. Naarmate AI steeds meer routinematige plannings taken overneemt, wordt dit nog belangrijker. Detailhandelaren hebben nog steeds duidelijke prioriteiten, effectief beheer en de mogelijkheid nodig om te controleren of geautomatiseerde beslissingen de gewenste resultaten opleveren.

Van rapportage naar besluitvorming

Veel organisaties associëren BI met dashboards en KPI-rapporten. Maar de echte waarde zit hem in het ondersteunen van beslissingen. Effectieve BI moet deze twee simpele vragen beantwoorden:

• Waar moeten we op letten?
• Wat moeten we nu doen?

Om dit te bereiken, combineert BI informatie uit merchandising, de supply chain, logistiek, winkels en financiën tot één gezamenlijk overzicht van de prestaties. Het wijst ook op afwijkingen die actie vereisen, zoals een afnemende nauwkeurigheid van prognoses, problemen met leveranciers of opkomende voorraadrisico’s. Zo kunnen planners en managers zich richten op het voorkomen van problemen in plaats van er achteraf op te reageren.

Begin met beslissingen, niet met dashboards

Veel dashboardinitiatieven beginnen met de beschikbare gegevens en werken van daaruit verder. Het resultaat is meestal tientallen rapporten vol met statistieken die interessant zijn om te bekijken, maar waar je moeilijk actie op kunt ondernemen. Een effectievere aanpak begint bij de beslissingen die de organisatie moet nemen.

Wat bepaalt de voorraadprestaties? Welke beslissingen hebben de grootste impact op klantenservice, werkkapitaal en winstgevendheid? Pas nadat die vragen zijn beantwoord, moeten retailers de KPI’s definiëren die daarbij horen en dashboards opbouwen rond die maatstaven. Zo ontstaat er een duidelijk stuurmodel dat strategische doelstellingen koppelt aan tactische beslissingen en de uitvoering ervan.

Voor de meeste retailers staan drie prioriteiten centraal in het voorraadbeheer:

• Winstgevendheid en marge.
• Efficiënt gebruik van werkkapitaal.

Deze doelstellingen vormen de basis voor een gerichte reeks prestatie-indicatoren die als leidraad dienen voor planningsbeslissingen in de hele organisatie

Productbeschikbaarheid

Voor de meeste retailers is beschikbaarheid een van de duidelijkste maatstaven voor de prestaties van de toeleveringsketen. Elke voorraadtekort betekent een potentiële gemiste verkoop, verminderde klantloyaliteit en een gemiste kans op omzet. BI helpt retailers te begrijpen waarom er beschikbaarheidsproblemen ontstaan, of die nu voortkomen uit fouten in de prognoses, vertragingen bij leveranciers, het beleid rond veiligheidsvoorraden of verschuivingen in de vraag. Zo kan een snel verkopend product voor het nieuwe schooljaar bijvoorbeeld al weken eerder uitverkocht raken dan verwacht, omdat de vraag sneller is gestegen dan in de prognose was voorzien.

BI helpt planners de onderliggende oorzaak te achterhalen en in te grijpen voordat hetzelfde probleem andere producten treft.

Nauwkeurigheid van prognoses

Elke beslissing over de voorraad is gebaseerd op een verwachting van de toekomstige vraag, waardoor de nauwkeurigheid van prognoses een cruciale factor is voor de prestaties. Maar om prognoses te verbeteren, is meer nodig dan alleen de geplande vraag vergelijken met de daadwerkelijke verkoop. Organisaties moeten ook begrijpen hoe de kwaliteit van prognoses wordt gemeten.

Veelgebruikte prestatiemaatstaven zijn onder meer:

• MAE (Mean Absolute Error): meet de gemiddelde voorspellingsfout in werkelijke eenheden.
• RMSE (Root Mean Square Error): legt meer nadruk op grotere voorspellingsfouten, waardoor deze maatstaf handig is om significante afwijkingen te herkennen.
• SMAPE (Symmetric Mean Absolute Percentage Error): drukt de nauwkeurigheid van de prognose uit als een percentage, waardoor je producten met verschillende verkoopvolumes met elkaar kunt vergelijken.

Metrics zoals MAE, RMSE en SMAPE helpen de effectiviteit van prognoses te meten, maar de echte waarde zit hem in het begrijpen waarom prognoses afwijken. Met BI kunnen retailers de impact van acties, veranderend klantgedrag, beperkingen bij leveranciers of marktverstoringen in kaart brengen en hun planningsmodellen continu verbeteren.

Voorraadduur

Voorraadduur (DoS) geeft aan hoe lang de huidige voorraad naar verwachting meegaat op basis van de voorspelde vraag. Deze maatstaf heeft op zichzelf zijn beperkingen. Een supermarkt kan bijvoorbeeld 20 dagen voorraad hebben van een versproduct, maar als de houdbaarheid nog maar zeven dagen is, vormt die voorraad eerder een risico op verspilling dan een succes op het gebied van serviceniveau.

Voor producten met een beperkte houdbaarheid, zoals voedingsmiddelen, cosmetica of seizoensartikelen, moet DoS worden bekeken in combinatie met de resterende houdbaarheid. Dit geeft een evenwichtiger beeld van het voorraadrisico en helpt organisaties verspilling te verminderen terwijl het serviceniveau op peil blijft.

Voorraadomzet en GMROI

De voorraadomloopsnelheid geeft aan hoe efficiënt de voorraad door het bedrijf stroomt, maar laat niet zien of die voorraad ook daadwerkelijk waarde oplevert. Daarom houden veel retailers ook de brutomarge op voorraadinvesteringen (GMROI) in de gaten, die de winst meet die wordt gegenereerd uit voorraadinvesteringen.Een product met een voorraadomzet van 12 lijkt bijvoorbeeld heel succesvol omdat het snel verkocht wordt. Maar als er flinke kortingen op zitten en het maar een kleine marge oplevert, is de totale bijdrage aan de winstgevendheid misschien wel beperkt.

Ter vergelijking: een product met een voorraadomzet van 6 verkoopt misschien wat langzamer, maar als het aanzienlijk hogere marges oplevert, kan het een veel sterkere GMROI genereren en meer waarde creëren voor het bedrijf. Samen helpen deze statistieken bij het beantwoorden van twee essentiële vragen:

• Verwerken we onze voorraad efficiënt?
• Investeren we in de juiste producten?

Prestaties van leveranciers

De voorraadprestaties worden beïnvloed door de betrouwbaarheid van de leverancier. On-Time In-Full (OTIF) blijft een van de belangrijkste indicatoren voor de prestaties van leveranciers. Door OTIF-trends in de loop van de tijd te analyseren, kunnen retailers terugkerende problemen opsporen, de commerciële impact ervan inschatten en beter onderbouwde beslissingen nemen over leveranciersbeheer, risicobeperking en voorraadbeleid.

Maak dashboards op basis van beslissingen, niet op basis van data

De effectiviteit van BI hangt net zozeer af van wat er niet op een dashboard staat als van wat er wel op staat. Veel organisaties maken dashboards vol met tientallen KPI’s, simpelweg omdat de gegevens beschikbaar zijn. Het resultaat is een overdaad aan informatie in plaats van ondersteuning bij het nemen van beslissingen. Een effectievere aanpak is rolgebaseerde dashboardvorming. Leiders in de toeleveringsketen hebben inzicht nodig in strategische trends, financiële prestaties en afstemming tussen afdelingen. Planners hebben daarentegen geprioriteerde operationele inzichten nodig die hen helpen beslissen waar ze vandaag moeten ingrijpen.

Naarmate AI routinematige planningsbeslissingen steeds meer automatiseert, wordt dit principe steeds belangrijker. Menselijke planners zouden minder tijd moeten besteden aan het doornemen van normale transacties en meer tijd aan het oplossen van uitzonderingen, waarbij hun oordeel echt een meerwaarde biedt.

BI en AI: samen sterker

AI en machine learning veranderen in hoog tempo de manier waarop toeleveringsketens in de detailhandel werken.Prognosemodellen leren van historische vraagpatronen, bevoorradingssystemen genereren automatisch inkoopvoorstellen en toewijzingsbeslissingen kunnen met minimale menselijke tussenkomst voor alle winkels worden geoptimaliseerd. Meer vooruitstrevende organisaties beginnen beslissingsintelligentie in te zetten, waardoor routinematige planningsbeslissingen autonoom kunnen worden uitgevoerd binnen vooraf gedefinieerde bedrijfsregels.

Deze ontwikkeling maakt BI niet minder belangrijk, maar verandert wel het doel ervan. Naarmate AI meer routinematige beslissingen op zich neemt, verschuift de menselijke expertise naar het ontwerpen van het tactische kader waarbinnen die beslissingen worden genomen.

Leiders in de supply chain bepalen nog steeds zaken als:

• Welke serviceniveaus moeten verschillende productsegmenten halen?
• Welke producten rechtvaardigen een hogere voorraadinvestering?
• Welk niveau van prognoserisico is acceptabel?
• Wanneer moet een geautomatiseerde beslissing worden doorgegeven aan een planner?
• Hoe moeten tegenstrijdige doelstellingen tussen beschikbaarheid, kosten en werkkapitaal worden geprioriteerd?

Dit zijn strategische en tactische beslissingen die betrouwbare informatie, duidelijk beleid en continue prestatiebewaking vereisen. BI biedt het inzicht dat nodig is om te beoordelen of AI-gestuurde beslissingen de beoogde resultaten opleveren en waar het planningsbeleid moet worden bijgesteld.

AI vervangt BI niet, maar maakt het juist nog belangrijker. BI wordt het dashboard waarmee organisaties geautomatiseerde besluitvorming in de gaten houden, resultaten valideren en planningsstrategieën continu verbeteren.

Betrouwbare data is de basis voor AI

Geen enkel AI-model kan consequent goede beslissingen nemen op basis van gegevens van slechte kwaliteit. Naarmate retailers steeds meer gebruikmaken van machine learning en autonome planning, wordt datagovernance een strategische vaardigheid in plaats van een technische exercitie.

Sterk beheer is gebaseerd op vier fundamentele principes: