Demand forecasting op je eigen orderhistorie: seizoen en langzaamlopers
Huseyin Olmez
COO & Co-founder bij Nodient
Voor betere vraagvoorspelling hoef je zelden externe data of een duur platform aan te schaffen. De sterkste bron heb je al: je eigen orderhistorie. Daarin zit het seizoen, het weekritme en het gedrag per klant en per artikel. De kunst is om die geschiedenis te laten voorspellen in plaats van er alleen op terug te kijken.
Waarom je eigen historie beter voorspelt dan een gemiddelde
De meeste ERP-systemen sturen inkoop op een vast minimum en maximum. Dat is in feite een gemiddelde uit het verleden, en een gemiddelde kijkt niet vooruit. Het ziet geen piek aankomen en geen artikel dat langzaam uit de gratie raakt.
Een forecastingmodel doet iets anders. Het leert de patronen in je eigen verkopen: welke artikelen in welk seizoen pieken, welke klant elke maand rond dezelfde datum bestelt, en welke trend langzaam kantelt. In plaats van één vaste grens krijg je per artikel een verwachting die meebeweegt met wat er werkelijk gebeurt.
Seizoen: de piek vangen voordat hij er is
In food en beverage is seizoen zelden een verrassing, en toch loopt het elk jaar mis. De bestelling gaat te laat de deur uit, of te krap, en precies in de drukste weken sta je nee te verkopen. Dat komt doordat de vaste inkoopregels het seizoen niet kennen.
Een model dat je historie van meerdere jaren kent, ziet de piek al aankomen en stelt op tijd een grotere inkoop voor. De inkoper beslist, maar begint niet meer vanaf nul en niet meer op gevoel.
Langzaamlopers: wat koop je nog in, en wat niet?
De echte winst zit vaak niet in de hardlopers, maar in de staart. Artikelen die af en toe verkopen, of bijna niet meer, vreten stilletjes ruimte en houdbaarheid op. Vaste min/max-regels blijven die gewoon aanvullen, ook als de vraag is opgedroogd.
Een model maakt onderscheid tussen een artikel dat traag maar stabiel loopt en een artikel dat aan het uitsterven is. Voor het eerste houd je een kleine, gerichte voorraad aan. Voor het tweede stop je met bijkopen voordat het incourant wordt. Zo daalt je derving zonder dat je klanten misgrijpen op wat wél loopt.
De inkoper blijft beslissen
Een forecast is een voorstel, geen bevel. Het model geeft per artikel aan wat het verwacht en wat het zou bestellen; de inkoper beoordeelt en beslist. Zeker in het begin is dat belangrijk, want vertrouwen groeit door de voorspelling naast de praktijk te leggen.
Je hoeft je data ook niet eerst perfect te maken. Meestal volstaan de verkoop- en voorraadgegevens die al in je ERP zitten. We bepalen vooraf het minimum om te starten, en de kwaliteit verbetert mee terwijl het draait.
Je beste voorspelbron is je eigen orderhistorie. Gebruik die om seizoen op tijd te vangen en om per langzaamloper te bepalen wat je nog inkoopt en wat niet. Minder derving, minder misgrijpen, en een inkoper die op cijfers stuurt in plaats van op gevoel.
Veelgestelde vragen
Hoeveel historie heb je nodig voor een goede forecast?
Voor seizoenspatronen helpt meerdere jaren, maar we halen vaak al waarde uit de data die er is. We beoordelen vooraf wat aanwezig is en bepalen het minimum om zinvol te starten.
Werkt dit ook voor artikelen die weinig verkopen?
Juist daar zit veel winst. Het model onderscheidt een stabiele langzaamloper van een artikel dat uitsterft, zodat je het eerste gericht op voorraad houdt en het tweede op tijd afbouwt.
Vervangt het model onze inkopers?
Nee. Het model doet een voorstel per artikel; de inkoper beoordeelt en beslist. Zo blijft de kennis van je mensen leidend, met de cijfers als sterke tweede.