Vraagplanning in de supply chain

Vraag het iedereen die betrokken is bij vraagplanning of verkoopvoorspelling en ze zullen je hetzelfde vertellen: dit cruciale onderdeel van het planningsproces kan belangrijke inzichten over de toestand van het bedrijf geven.

Van sommige producten zijn de stijging en daling van de productvraag zulke duidelijke signalen, dat zij een indicatie geven van de toestand van de wereldeconomie in het algemeen. Het is dus handig om dit goed in de gaten houden. En mensen doen dat. Slimme mensen, zoals economen.

Heb je bijvoorbeeld ooit gehoord van de lippenstiftindex? Het is een term die is bedacht door Leonard Lauder, voorzitter van de raad van bestuur van Estee Lauder, het cosmeticabedrijf. De index beschrijft de stijging van de verkoop van kleinere, lager geprijsde artikelen in tijden van economische recessie. In een notendop kan de reden waarom producten als deze uit de schappen vliegen soms worden toegeschreven aan hun gebruik en prijs. Lippenstift, bijvoorbeeld, biedt een goedkoop moment van vreugde. En dus kopen mensen die lippenstift gebruiken er vaak meer van als er minder geld is.

Een soortgelijk verhaal geldt ook voor mannenondergoed, maar dan het tegenovergestelde. De vraag naar mannenondergoed is zo consistent dat economen zelfs een lichte daling in de vraag kunnen gebruiken om een nationale recessie te voorspellen.

 

Cartoon Vraagplanning Grafiek Bouwen

 

Het effect van gebeurtenissen op marktvoorspellingen

Recente studies hebben aangetoond dat grote wereldwijde gebeurtenissen hun relevantie kunnen verminderen. De recente pandemie is daar een goed voorbeeld van.

Sommige theoretici hebben ook moeite met zowel de lippenstift- als de ondergoedindex. Want ondanks hun aanvankelijke degelijkheid bij het voorspellen van marktverschuivingen, zorgen grote gebeurtenissen er vaak voor dat ze geen echte graadmeters zijn. Immers, als je het huis niet verlaat, waarom zou je dan lippenstift kopen?

Wat heeft dit te maken met jouw vraagplanningsproces?

Natuurlijk, de genoemde indexen waren vrij goede barometers voor naderende problemen tot de pandemie toesloeg. Maar dingen veranderen! En hetzelfde geldt voor het anticiperen op de vraag naar de producten binnen jouw assortiment. Dus hoe weet jij of jouw prognoses kloppen?

Als de vraag dramatisch fluctueert, is er dan een manier om de huidige verkoop te verankeren in toekomstige prognoses? Of ben je voor altijd gedoemd een natte vinger in de lucht te steken terwijl je naar de aanstormende orkaan kijkt?

Vragen, vragen…

Er zijn enkele belangrijke vragen die worden beantwoord in deze handige vraagplanningshandleiding.

  • Hoe weet jij of jouw verkoopforecast ‘goed’ is?
  • Is er iets dat erop kan wijzen dat jouw forecast ‘slecht’ is?
  • Welke factoren beïnvloeden de kwaliteit van jouw vraagplannen?
  • Welke maatregelen moet je nemen om verkoopforecastfouten te beperken en wanneer?

In deze handleiding geven we praktische tips om jou te helpen een betere forecast op te stellen en een degelijke aanpak van vraagplanning te hanteren.

Wat is vraagplanning?

Als je op zoek bent naar een definitie van vraagplanning, ben je hier aan het juiste adres. Effectieve vraagplanning draait om het beheren van het onverwachte. Stel je het volgende scenario voor: Het weerbericht ziet er vandaag goed uit en je twijfelt of je je zonder jas het huis zal verlaten. Een half uur later, onherkenbaar doorweekt en met de vuisten naar de hemel gericht denk je: “Waar komt die regen vandaan?!” Het grappige van een forecast is, dat ze per definitie altijd fout is.

Jouw vraagplannen zijn niet anders. Neem een weerbericht. Betekent een 30% kans op regen dat er 30% kans is op regen in het afgebeelde gebied? Of zal 30% van het voorspelde gebied zeker regen zien? Het antwoord: Dat verschilt per uitleg. Zelfs meteorologen zijn het er niet over eens hoe ze de kans op neerslag moeten meten. Het hangt vaak af van welke forecast je bekijkt. Maar als ze je niet vertellen hoe ze het berekenen, hoe weet jij het dan?

En hoe nuttig is het weerbericht voor jou? Om deze vraag te beantwoorden is het belangrijk te denken aan de foutmarge en niet aan de totale forecast. Als er bijvoorbeeld 0,1% kans op neerslag is, maakt het niet uit hoe ze dat berekenen. Laat die jas op het rek liggen. Maar als er een kans van 50% is, maakt het wel uit. De realiteit voor de meeste bedrijven is dat ze per direct snelle en betrouwbare inzichten nodig hebben. Niet wekenlange forecasten of de opbouw van een traject naar slecht weer, dat nooit komt.

Vraagplanning Forecasting Cartoon Balanceren

Waarom is vraagplanning in het beheer van de supply chain noodzakelijk?

Voordat we ingaan op de positieve aspecten van vraagplanning, is het goed om na te denken over de negatieve aspecten van het niet óf verkeerd plannen. Je kunt te maken krijgen met een tekort aan voorraad, overtollige voorraad, hogere (en totaal vermijdbare) kosten, verspilling, ontevreden klanten, merk- en PR-ellende, kelderende aandelen, ontevreden stakeholders en nog meerdere oorzaken. Laten we zeggen dat je slechts een klein bedrijf bent met weinig artikelen in de aanbieding. Je zou in de verleiding kunnen komen om enkele prognoses te gokken of om te bezuinigen op het prognoseproces. Gezien de potentiële valkuilen is dat geen goed idee. Goede prognoses zullen je helpen de vraag af te stemmen op het aanbod. Het zal je helpen strategische beslissingen te nemen die succesvol blijken te zijn. Het geeft het hele bedrijf inzicht en duidelijkheid. Elke persoon, in elke afdeling. Eerlijk gezegd zijn er te veel positieve punten om op te noemen.

Vraag- en voorraadplanning: Een checklist voor succes

Hier vind je een handige checklist om de basis van jouw vraag- en voorraadplanning te analyseren.

  1.  Is jouw prognose een solide weerspiegeling van de werkelijkheid?
  2. Kan jouw demand planning worden uitgelegd en gemakkelijk worden begrepen?
  3. Heeft het bedrijf, inclusief alle leden van alle teams, vertrouwen in de prognose?
  4. Kun je de prognose gebruiken om toekomstige bestellingen, bevoorrading en toewijzingsprocessen met vertrouwen te plannen?
  5. Kan het proces voor het opstellen van de vraagplannen worden gekopieerd?

Als je al het bovenstaande met ja beantwoordt, is de kans groot dat je met jouw demand planningsproces op de goede weg bent. Maar een ‘nee’ op een van deze antwoorden kan duiden op een veel groter probleem.

Voorraadplanning Cartoon Vergrootglas

Welke factoren beïnvloeden de kwaliteit van jouw vraagplanning?

De kans is groot dat je afhankelijk bent van jouw demand planningsproces om belangrijke beslissingen te nemen. Dit betekent dat je erop moet kunnen vertrouwen dat de kwaliteit van jouw vraagplannen in orde is. Hieronder zetten we de verschillende factoren uiteen die de kwaliteit van zowel jouw afzetvoorspellingen als de daaropvolgende strategie van jouw organisatie kunnen beïnvloeden. Om een zo goed mogelijk vraagplanningsproces op te zetten, heb je al deze factoren nodig.

1. De kwaliteit van jouw data

Heeft iemand ooit aan je gevraagd of je een jas nodig had? Ondanks dat men weet dat je vandaag het huis nog niet verlaten hebt, je nog niet naar een voorspelling hebt gekeken en precies dezelfde informatie hebt als de vraagsteller? Net zoals jij geen gediplomeerd meteoroloog bent en toch naar jouw mening over het weer wordt gevraagd, heb je ook de juiste gegevens nodig om een degelijke voorspelling op te stellen.

Als je slechte data in jouw voorspelling stopt, krijg je een slechte voorspelling. Je moet altijd zorgen dat je de best mogelijke data voor handen hebt. Dat betekent dat hiaten in jouw afzethistorie als gevolg van tekorten in de voorraad in het verleden ook worden meegenomen. Het betekent dat eenmalige gebeurtenissen zoals promoties worden opgeschoond. Het betekent dat externe marktontwikkelingen worden geanalyseerd en het effect ervan wordt begrepen.

Hoe gedetailleerder en kritischer je met de data bent, hoe gedetailleerder en nuttiger de voorspelling zal blijken te zijn als je beslissingen moet nemen.

Toptip: Om goede beslissingen te nemen, heb je goede data nodig. Controleer of jouw gegevens kloppen met onze handige gids voor masterdata.

2. De hoeveelheid historie die je hebt om je voorspelling op te baseren

Het klinkt vanzelfsprekend, maar hoe minder gegevens je hebt, hoe minder betrouwbaar jouw voorspelling is. Je hebt weinig kans om de toekomst te voorspellen als je niets weet van het verleden. Voor een product dat je al jaren verkoopt, heb je een veel beter idee van wat er komen gaat dan voor een nieuw product dat nog maar net gelanceerd is. Met meer historie waarop je een afzetplan kan baseren, kan je opkomende trends en de impact van seizoenen zien. En met de lange levensduur kun je pieken, zoals onverwachte afzet of daling in verkopen, gladstrijken.

Maar we moeten voorzichtig zijn. In een paar jaar tijd kan er veel veranderen. Is de grote verkooporder die je 4 jaar geleden kreeg nog relevant? Zal er waarschijnlijk weer een wereldwijde pandemie uitbreken, of kun je voorlopig op jouw lauweren rusten? Dat brengt ons bij de volgende stap

3. De horizon die je probeert te voorspellen

Hoe groter het bereik van jouw voorspelling, hoe minder vertrouwen je moet hebben. Want als het erop aankomt, kan niemand de toekomst nauwkeurig voorspellen. Ja, het is mogelijk om onderbouwde gissingen te doen op basis van historische gegevens voor de korte termijn. Maar voorspellen hoe de wereld er over 3 jaar uitziet is op zijn minst een uitdaging. Laat staan een degelijke voorspelling waar je de klok op gelijk kan zetten.

4. De mate van beweging op de markt

Er zullen altijd dingen in het leven zijn waar we geen controle over hebben. Misschien is het minder belangrijk om dat nu te zeggen dan 2 jaar geleden. Maar de voorspelde mate van marktbeweging is vrij moeilijk in te schatten. Laten we een paar echte voorbeelden van vraagplanning nemen.

Niet veel mensen hadden verwacht dat de COVID-19 pandemie zo lang zou duren. Betekent dit ook dat de markt de komende 2 jaar minder bewegend zal zijn? Hoe zit het met de voortdurende kosten van levensonderhoud crisis? Daar kun je weinig aan doen. Maar dat weerhoudt jouw klanten er niet van hun koopgedrag te veranderen. Markten zijn van nature onvoorspelbaar. En over het algemeen: als de markt volop in beweging is, zal jouw voorspelling natuurlijk minder betrouwbaar zijn.

5. Het niveau en de kwaliteit van marktinformatie

Statistische prognoses zijn een goed begin. Maar veel bedrijven hebben moeite om onderweg marktinformatie vast te leggen en te verwerken. En dit is vitale informatie die jouw beeld van de toekomstige vraag kan vormen. Het analyseren van de bron moet echter hoog op de agenda staan. Het grootste voor- én nadeel van marktinformatie is dat het uit veel verschillende bronnen kan komen. Het zou het inzicht kunnen zijn van het verkoopteam dat dagelijks met de klant spreekt. Maar de ene collega heeft misschien andere inzichten dan de andere collega vanwege hun verschillende afzetgebieden.

Het kan leiden tot de aankoopprognose van jouw klant. Maar één grote klant kan een betere prognose geven dan verschillende kleinere klanten. De prognose kan ook van ‘big data’ bronnen komen. De cumulatie van triljoenen verschillende datasets. Maar de ene data analist vertelt je misschien het ene verhaal, en de andere misschien een ander. Dus, wie vertrouw je? Dat is aan jou om uit te zoeken. Maar de juiste marktinformatie kan krachtige inzichten verschaffen in de vorm van de toekomstige afzet, waar statistieken alleen niet tegenop kunnen.

Man werkt met Slim4 software

ZIE SLIM4 IN ACTIE

Boek een demo

Hoe identificeer ik prognosefouten?

Voor sommige producten hebben we betrouwbaardere prognoses nodig dan voor andere.

Neem bijvoorbeeld levensmiddelen met een korte houdbaarheid. Je hebt veel nauwkeurigere prognoses nodig, per SKU, per winkel, op dagelijkse basis, dan voor iets als bouten en moeren in een. Doe-het-zelf-winkel. Uiteindelijk heb je een prognoseproces nodig dat betrouwbare resultaten oplevert en jou ook waarschuwt als het er niet goed uitziet.

Voor welke uitzonderingen op de vraagplanning moeten we oppassen?

“Looking like a warm day out there, unless the wind changes direction.”

Incidentele uitzonderingen:

Incidentele uitzonderingen zijn diegene welke puur betrekking hebben op een enkele maand die afwijkt van de forecast. Het kan zijn dat de afwijking significant is en de hele forecast verandert. Dit kan gewenst zijn als je rekening wilt houden met deze afwijkende maand in de toekomst. Anders kan de afwijkende maand jouw forecast voor de komende maanden verkeerd beïnvloeden.

Structurele uitzonderingen:

Als jouw werkelijke afzet structureel fluctueert en niet in overeenstemming is met de forecast, dan kan je deze analyse definiëren als opkomende trends. Maar het afzetpatroon kan alleen als een trend worden beschouwd wanneer de afzet met een bepaalde hoeveelheid stijgt (of daalt). Doorgaans is dit een fluctuatie van de afzet van ongeveer 8% per maand. Als de fluctuatie van de afzet deze 8% overschrijdt is de fluctuatie waarschijnlijk abnormaal. En zodra je weet of het een trend of een uitschieter is, moet jij jouw forecast daarop afstemmen.

Toptip: In een perfecte wereld zou jouw bedrijfsproces precies zo lopen als gepland. In werkelijkheid wordt jouw bedrijf geconfronteerd met tal van uitdagingen. Het is van vitaal belang dat je bovenop deze pieken en dalen in vraag en aanbod blijft zitten.

Vraagplanning Cartoon Vallen Grafiek

Hoe stem ik mijn vraagplanning af op de werkelijke vraag?

We hebben onze gedachten over vraagplanning gedeeld. We hebben gesproken over wat telt als een ‘goede’ verkoopvoorspelling, welke gegevens je nodig hebt en op welke uitzonderingen je moet letten. Maar wat nu? Hier volgen nog enkele laatste gedachten om jou te helpen betere tactieken voor vraagplanning vast te stellen.

1. Richt je op wat het meest relevant is

Tuurlijk, we houden van veel afzethistorie. Maar zoals we gezien hebben, kan de wereld veranderd zijn. Misschien heb je onlangs een nieuwe klant binnengehaald of misschien is de verkooppiek waar het verkoopteam het nog steeds over heeft voor iedereen een vage herinnering. Hoe dan ook, misschien wil je je buigen over de meer recente afzetpatronen.

Om dit te doen, moet je jouw prognose meer laten afhangen van de meest recente periode, aangezien deze waarschijnlijk een betere afspiegeling vormen van de toekomstige vraag dan oude data (bv. van 3 jaar geleden), die misschien niet meer relevant zijn. En wat als de recente vraag minder relevant is? Stel dat je de afgelopen maanden een reeks verlammende voorraadtekorten hebt gehad als gevolg van alle verstoringen in de toeleveringsketen. De daling van de vraag die je in de data ziet is waarschijnlijk geen getrouwe afspiegeling van de werkelijke vraag. In dat geval moet je wellicht bepaalde perioden uitsluiten van jouw demand planning.

2. Prioriteer op risicoklassen

Je hebt waarschijnlijk een prognose nodig voor vrijwel elk artikel in jouw assortiment. En om het proces van vraagplanning zo efficiënt mogelijk te laten verlopen, maken veel bedrijven gebruik van afzet klassen om snel en eenvoudig de juiste aanpak voor demand planning toe te passen.

Afzet klassen houden rekening met het verkoopgedrag om artikelen met dezelfde kenmerken te groeperen en dienovereenkomstig een prognose op te stellen. In grote lijnen kunnen wij de volgende afzet klassen indelen:

Frequent, normaal & hardlopers

  • Dit zijn artikelen waar de afzet consistent is en elke maand voorkomt.
  • Aangezien de volatiliteit relatief laag is, kunnen wij met een goed vertrouwen op de vraag anticiperen.

Grillig, onregelmatig & herhalingen

  • Voor deze artikelen zien we de meeste maanden een vrij regelmatige afzet;
  • Aangezien de mate van volatiliteit iets hoger is, is er waarschijnlijk een grotere mate van onzekerheid;

Traag, sporadisch & uitzonderingen

  • De afzet van deze artikelen is doorgaans zeer gering;
  • Dit zijn dan ook de moeilijkste producten om te plannen;

Afzetklassen zijn een nuttig instrument voor het plannen van de afzet van grote assortimenten.

Om de best mogelijke prognose te garanderen, moet je er echter voor zorgen dat het gebruikte prognosemodel nog steeds relevant is. Als de vraag naar een standaardartikel plotseling schommelt, moet het prognosemodel dus aangepast worden.

3. Verwacht bij demand planning het onverwachte

We hebben het gehad over verschillende soorten afzet klassen. Maar hoe zit het met artikelen met afzetprofielen die buiten deze parameters vallen? We kunnen deze klasse definiëren als ‘overig’. En er zijn vele voorbeelden.

Misschien is de vraag naar een product deze maand al veel groter dan verwacht (en zijn er zelfs nog een paar weken te gaan). Of misschien is het product nieuw, dus is er nog geen historie beschikbaar van dit product. Als je net een product op de markt hebt gebracht, kun je dan vertrouwen op de verkoopgegevens van één week? Of misschien is het product verouderd en is al die afzethistorie nu volkomen irrelevant. Of erger nog, een van de onderdelen van het product is verouderd, hoewel de vraag nog steeds stabiel is.

Top Tip: De afwegingen van jouw bedrijf vastleggen kan hard werken zijn. Vooral als je afhankelijk bent van spreadsheets of jouw ERP-systemen. Ontdek hoe ons geavanceerde supply chain platform jou kan helpen om jouw vraagplanningsproces te automatiseren om een robuuster beeld van de toekomstige vraag op te bouwen.

Enkele laatste gedachten…

Het kan voelen als veel informatie om te overwegen wanneer jij als bedrijf jouw capaciteiten op het gebied van vraagplanning bekijkt. Maar omdat het belang van een effectieve vraagplanning zo groot is, is elk punt het overwegen waard. Wil je meer informatie of hulp bij een van de details die op deze pagina zijn besproken? Vul het contactformulier in op onze contact pagina, of vraag een kosteloze demo aan, zodat jij jouw forecast en bedrijfsstrategie voor de komende jaren kunt vastleggen!

Veelgestelde vragen over vraagplanning

Vraagplanning is het bepalen van de hoeveelheid voorraad die nodig is om aan de toekomstige vraag te voldoen. Forecasting daarentegen is het gebruik van historische gegevens en statistische analyse om de toekomstige vraag te voorspellen.

 

Hoewel prognoses een belangrijke stap zijn in het vraagplanningsproces, omvat vraagplanning ook andere activiteiten zoals het afstemmen van statistische prognoses op verkoopprognoses en het identificeren van potentiële problemen in de toeleveringsketen.

Een demand planner is verantwoordelijk voor het voorspellen van de toekomstige vraag naar de producten van een bedrijf. Gewoonlijk worden hiervoor historische verkoopgegevens, markttrends en andere factoren die de vraag kunnen beïnvloeden, geanalyseerd. Uiteindelijk is het doel van de vraagplanner ervoor te zorgen dat het bedrijf voldoende voorraad heeft om aan de vraag van de klant te voldoen, en tegelijkertijd de kosten in verband met het aanhouden van overtollige voorraad te minimaliseren.

De belangrijkste reden waarom vraagplanning belangrijk is, is dat dit proces bedrijven in staat stelt ervoor te zorgen dat zij de juiste hoeveelheid voorraad in voorraad hebben om aan de behoeften van de klant te voldoen. Vraagplanning is echter ook belangrijk om ervoor te zorgen dat de activiteiten worden geoptimaliseerd om verspilling, overtollige voorraad en veroudering tot een minimum te beperken.

Om een nauwkeurig vraagplan op te stellen, is het essentieel om verschillende belangrijke belanghebbenden in de organisatie te betrekken bij een collaboratief, cross-functioneel proces. Dit omvat teams zoals verkoop, marketing, financiën, inkoop en zelfs klanten en leveranciers, die waardevolle input en inzichten leveren voor het vraagplanningsproces. Door deze belanghebbenden erbij te betrekken, kan de vraagplanning nauwkeuriger en uitgebreider zijn, wat leidt tot beter geïnformeerde beslissingen over voorraadbeheer, productie en andere kritieke aspecten van het bedrijf.

Enkele van de beste praktijken voor vraagplanning zijn het gebruik van historische gegevens, toezicht op de prestaties, de integratie van externe factoren, de invoering van een proces van voortdurende verbetering en samenwerking met belanghebbenden.

Vraagplanning en prognoses