För livsmedelsföretag är det avgörande att ha en effektiv prognosprocess. Utan korrekta efterfrågeprognoser hamnar fel produkter i lager, svinnet ökar och återförsäljarnas krav kan inte uppfyllas. Men att förutse framtida efterfrågan är nu mer utmanande än någonsin.
Vad är det prediktiva värdet av historiska försäljningsdata? På vilken nivå ska man göra prognoser när det råder brist på planerare? Och hur ska man reagera på fluktuationer på en extremt volatil marknad?
I den här artikeln går vi närmare in på dessa tre viktiga dilemman och ger tips som hjälper dig att fatta rätt beslut.
Ett utmanande landskap för livsmedelsindustrin
Tillverknings- och handelsföretag inom livsmedelsindustrin står under hårt tryck. Efterfrågan är oförutsägbar och återförsäljarna förväntar sig en exceptionellt hög leveranssäkerhet. OTIF-frekvensen (On Time in Full) måste överstiga 99 %, annars blir det straffavgifter. Samtidigt måste lättfördärvliga produkter vara färska när de når butikshyllorna.
Livsmedelsföretag blir ofta tagna på sängen av reklamkampanjer eller sista minuten-ändringar från återförsäljare – trots att de har satt sina inköps- och produktionsplaner i rörelse veckor i förväg. Hur frustrerande är det inte att inse att den knappa produktionskapaciteten har fördelats på fel produkter!
Beslut om leveranskedjan
För livsmedelsföretag är det avgörande att skapa en korrekt försäljningsprognos. Ju bättre de kan förutse vad en kund kommer att beställa, desto mer tillförlitligt och färskt kan de leverera. Det möjliggör också en effektivare produktion med mindre svinn.
Fokus ligger däremot inte främst på prognosen i sig, utan snarare på vad ett företag gör med den. Hur går man från en prognos till en välbalanserad efterfrågeplan? Hur översätter man den efterfrågeplanen till en inköps- och produktionsstrategi som på bästa sätt stödjer de finansiella nyckeltalen? Och hur anpassar man kontinuerligt verksamheten till strategin?
I slutändan är det dessa viktiga beslut som avgör om ett livsmedelsföretag lyckas eller inte.
Från prognos till planering av efterfrågan
En prognos består i allmänhet av två delar: en statistisk och en pragmatisk del.
Den statistiska delen beräknar efterfrågan baserat på historiska försäljningsdata med hjälp av matematiska algoritmer och i allt högre grad AI och maskininlärning. Den pragmatiska delen omfattar extern marknadsinformation – data som inte kan härledas från historiska trender men som ofta är kända av säljteam eller andra avdelningar.
Det kan handla om kommande avtal med nya detaljhandelskunder, förändringar av hylluppställningar eller produkter som fasas ut. Dessa planerade händelser kan ha en betydande inverkan på efterfrågan och måste beaktas i planeringsprocessen för efterfrågan.
Beslut 1: Hur värdefull är historisk data?
I efterkälken av covid-19, inflationen, kriget i Ukraina och andra störande händelser har konsumenternas efterfrågan blivit mycket volatil. Tidigare försäljningssiffror och kontextuell data har förlorat mycket av sin användbara kraft, vilket gör det svårare för företag att enbart förlita sig på historiska försäljningsdata. Även om statistiska prognoser fortfarande utgör grunden blir marknadsinsikter och kunddata allt viktigare.
Ett tydligt exempel är planerade kampanjer i detaljhandeln. Dessa kan utlösa kraftiga efterfrågetoppar, vilket innebär att team i leveranskedjan måste informeras tidigt.
Vår rekommendation: Gör integrationen av externa data till en självklar del av prognosprocessen. Återförsäljarnas kampanjkalendrar och prognossiffror måste snabbt och korrekt införlivas i planeringssystemen – i stället för att glömmas bort i en säljares inkorg.
Ett vanligt klagomål är att återförsäljarnas prognoser är av dålig kvalitet. Det kan vara sant, men det är ingen ursäkt för att ignorera dem. För nyckelkunder är det klokt att jämföra deras prognoser med interna prognoser och alltid låta en planerare eller säljare bedöma eventuella avvikelser.
Beslut 2: På vilken nivå ska du göra prognoser?
En annan viktig fråga för företagen är vilken nivå som är mest effektiv att göra prognoser på. Ska man prognostisera den totala efterfrågan för alla produkter på en gång, eller ska man beräkna den framtida efterfrågan för varje enskild artikel och kund separat?
Vi ser att planeringsteam föredrar att göra prognoser på kund-/artikelnivå eftersom det ger de mest konkreta insikterna och är särskilt användbart för (kundspecifika) kampanjer. Resonemanget är ofta att ju mer detaljerat, desto bättre. Men när det gäller prognoser är detta inte alltid fallet. Prognoser på kund- och artikelnivå kräver mycket tid av planerarna och ökar risken för att man tappar bort sig i detaljer. Dessutom finns det ofta mindre data tillgänglig på denna detaljerade nivå, vilket gör statistiska prognoser mindre tillförlitliga.
På kund- eller produktgruppsnivå kan efterfrågan förutsägas mycket mer exakt av ett system än på individuell kund- eller artikelnivå, särskilt när en artikel bara beställs några gånger per år.
Nyckeln är att strukturera prognosprocessen på ett sätt som maximerar användningen av teknik samtidigt som marknadsinsikterna från de kommersiella teamen utnyttjas på bästa möjliga sätt. Det idealiska tillvägagångssättet är en kombination: prognostisera ett utvalt antal stora kunder på kund-/artikelnivå och samtidigt prognostisera en “återstående grupp” av mindre kunder på artikelnivå. På så sätt får du det bästa av två världar:
- Stora kunder, som lägger order varje vecka och genererar stora mängder data, är väl lämpade för statistiska prognoser och förtjänar fokuserad uppmärksamhet från säljteamen.
- Mindre kunder, som inte beställer lika ofta, prognostiseras bättre på en högre aggregeringsnivå, vilket säkerställer att planerarna inte ägnar oproportionerligt mycket tid åt dem.
Beslut 3: Hur ska man reagera på avvikelser?
Kampanjer och andra evenemang kan orsaka stora svängningar i efterfrågan. Särskilt inom livsmedelsindustrin, där produkterna har kort hållbarhet, kan dessa fluktuationer lätt leda till svinn. Det är inte bara viktigt att göra korrekta prognoser för dessa toppar, utan också att känna igen, tolka och reagera på dem på lämpligt sätt i efterfrågeplaneringen.
För att uppnå detta är det lämpligt att implementera en robust process för “outlier detection” och använda rätt verktyg. Med smart programvara och/eller maskininlärning kan avvikelser i efterfrågan upptäckas med allt större precision. Vid tolkning av data är det dessutom viktigt att skilja på olika kundtyper:
- För nyckelkunder bör en leverantörskedjeplanerare granska avvikelsen.
- För mindre kunder bör effektiviteten prioriteras, genom att låta systemet fatta beslut.
För att kunna hantera avvikelser effektivt, krävs ett välbalanserat samspel mellan mänsklig expertis och systemautomation. “Supply chain planners” är för närvarande mycket efterfrågade och bör enbart fokusera sin tid på uppgifter där de tillför mest värde. Vår rekommendation är att tillämpa principerna för undantagshantering: automatisera rutinbeslut och involvera mänskliga planerare endast när det finns en betydande avvikelse eller när det handlar om nyckelkunder.
För att uppnå detta krävs ett avancerat system för planering av leveranskedjan – ett system som kan identifiera avvikelser, prioritera dem och tilldela dem till rätt person för åtgärd.
Programvara och kunskap
Prognoser inom livsmedelsbranschen är en förutsättning för överlevnad, men som vi har visat i den här artikeln finns det en hel del fallgropar. Utnyttja extern marknadsinformation, välj rätt mix av aggregeringsnivåer och fokusera på undantagen. Det här är bara några av de tips som vi regelbundet delar med oss av till våra kunder inom livsmedelsbranschen.
I nästan 30 år har vårt team och vår AI-drivna plattform (Slim4) förbättrat leveranskedjor över hela världen. Våra lösningar är utformade för att hjälpa företag inom alla områden att fatta bättre beslut om leveranskedjan. Genom Slimstock Academy stödjer vi våra kunder och alla som är engagerade i kontinuerlig förbättring. Om du vill veta mer om prognoser och planering inom livsmedelsindustrin, vänligen kontakta oss. Vi förklarar gärna vad vi kan erbjuda och hur vi kan hjälpa dig med denna kritiska aspekt av ditt företag.
