Goede forecasting voorkomt lege supermarktschappen
Het voorspellen van de juiste voorraad is complex. Het effect van een hittegolf op aankoopgedrag is heel anders dan een dag warm weer, zegt Academic Director Freek Aertsen van TIAS Master of Operations and Supply Chain Excellence in deze column.
Beeld: © Nationale Beeldbank
Supermarktketen Albert Heijn en Jumbo kampten de afgelopen week met lege schappen. Het warme weer en, bij eerstgenoemde, de promotieactie ‘Hamsterweken’ zorgden voor een grote vraag naar een aantal artikelen. Hoewel de supermarkten bij bevoorrading rekening zeggen te houden met de weersvoorspelling, is de vraag naar bepaalde producten, bijvoorbeeld ijs of bier, groter dan verwacht.
Het voorspellen van voorraden is complex. De uitkomst is erg afhankelijk van de data die wordt ingevoerd. Het weer is uiteraard één van de variabelen. Maar dan nog, aankoopgedrag is heel anders bij een hittegolf dan bij een warme dag. Albert Heijn heeft ook nog te maken met een stapeleffect door de Hamsterweken.
Forecastmodellen
Alle bedrijven worstelen hier mee. Mijn bedrijf Eyeon gaat samenwerken met een weerbureau om data te verzamelen over het weer. Die data kunnen we gebruiken voor het maken van forecastmodellen. We willen uitzoeken wat de juiste manier van voorspellen is. Klopt het wel dat bedrijven in het verleden altijd meer bier gingen verkopen als het warmer werd? Hoeveel meer dan? Wat is het effect van Hamsterweken? Al die data, historische data en toekomstige data gebruik je om een model te bouwen.
Het gebruiken van die forecastmodellen wordt steeds belangrijker door de toename van lean supply chains. Bedrijven halen steeds meer de voorraad uit de keten. Dat betekent dat de keten steeds gevoeliger wordt voor verstoringen.
Dat maakt ook het effect van een slechte forecast groter. Hoe snel kun je de lege voorraad corrigeren? Een supermarkt is afhankelijk van een leverancier; heeft die leverancier genoeg op voorraad? Dat is bij een CocaCola misschien geen probleem, maar wel bij beperkt houdbare producten. En dan is er nog de aanvoer. De supermarkten hebben te maken met een beperkte capaciteit aan koelwagens waardoor het aanleveren van producten langer duurt. Een supermarkt blijft op deze manier een tijdje achter de feiten aanlopen voordat de schappen weer zijn gevuld.
Maar die modellen moet je ook nog vullen met de juiste data. Een goed model wil niet zeggen dat er ook de juiste hoeveelheid in de schappen staat. Mijn collega woont in Den Haag, daar was het 24 graden, terwijl wij hier in Eindhoven te maken hadden met een tempratuur van 35 graden. In Utrecht was de start van de Tour de France. Een bedrijf kan voorspellen door het mooie weer gemiddeld 10 procent meer bier te verkopen, Maar als je op de ene locatie 10 procent meer bier neerlegt terwijl daar de tempratuur niet eens zo hard stijgt, terwijl er elders meer bier nodig is, kampt een supermarkt nog steeds met lege schappen.
Wilt u goede voorspellingen doen zodat uw organisatie niet met lege schappen kampt? Tijdens de TIAS Master of Operations and Supply Chain Excellence programma komt het thema forecasting aan bod.
Meer informatie over MOS