Pivot Forecasting ist ein dreistufiger Prozess. In unserem Artikel "Der Prozess im Überblick" wird der grundlegende Arbeitsablauf von Pivot Forecasting vorgestellt.

Der dreistufige Prozess des Pivot Forecasting:

In diesem Artikel wollen wir uns näher mit Schritt 2 befassen. Im vorangegangenen Artikel "Filter und erweiterte Arbeitsabläufe - Ausreißer finden" haben wir gelernt, wie man häufige Prognoseprobleme findet. In diesem Artikel wird erörtert, wie diese häufigen Probleme behoben werden können. Außerdem werden wir Routineverfahren vorschlagen, die bessere Prognosen ermöglichen.

Mit Pivot Forecasting können Sie Anpassungen vornehmen und die Dashboards so anzeigen, wie es für Ihre Bedürfnisse und Ziele am besten geeignet ist. Es gibt eine Vielzahl von Möglichkeiten, das System so zu steuern, dass es bessere Prognosen erstellt.

Nachfolgend finden Sie eine Liste der Hauptursachen für problematische Prognosen sowie Zusammenfassungen von Methoden zu deren Erkennung und Behebung:

Wir werden im weiteren Verlauf auf jeden dieser Punkte näher eingehen.

Diese können über den Standardfilter "Neue Artikel" gefunden werden. Um sie zu korrigieren, erstellen Sie zunächst eine Ablösung in Ihrer Bestandsmanagementanwendung. Nach dem nächsten automatischen Batch-Lauf sollten Sie die kopierte Historie für den neuen Artikel sehen. Der Artikel wird mit der verknüpften Historie bessere Prognosen haben, und Sie können bei Bedarf weitere Anpassungen in den Zeilen "berichtigter Verlauf" oder "Promotionen" vornehmen. Wenn der neue Artikel keinen aktuellen/alten Artikel ersetzt, ist es am besten, eine Prognose manuell in die Zeile gespeicherte Berichtigungen einzugeben.

Wenn ein Element bereits aus dem Verkehr gezogen wurde, können Sie es mit den Filtern "Kein kürzlicher Verlauf" oder "Prognose ohne Verlauf" finden. Wenn das Auslaufen noch im Gange ist, können Sie es höchstwahrscheinlich über eine Pivot Map oder ein Top N Forecast Panel finden. Diese beiden Bereiche sind im Standard-Dashboard "Forecast Performance" sichtbar. Um die Prognose für diese Elemente zu korrigieren, geben Sie gespeicherte Berichtigungen ein und legen dann ein Enddatum für die Prognose fest oder ändern den Forecast-Typ in "Keine".

Ausreißer sind jede auftretende Nachfrage, die nicht mit dem regulären Nachfragemuster übereinstimmt. Standardmäßig handelt es sich um einen Wert, der um drei oder mehr Standardabweichungen vom erwarteten Wert, d. h. des angepassten Forecasts, abweicht. Diese Einstellung kann von einem Administrator auf eine andere Anzahl von Standardabweichungen geändert werden, wenn Sie mehr oder weniger Ausreißer sehen möchten. Da Ausreißer aus einer Vielzahl von Gründen auftreten, ist es am besten, sie nicht zu korrigieren, es sei denn, Sie können die Ursache identifizieren und bestätigen, dass sie nicht im Voraus bekannt (oder erkennbar) war. Ausreißerkorrekturen können wichtige Datenpunkte und Schwankungen verdecken, und ihre Korrektur kann zu einer Unterschätzung der normalen Schwankungen führen. Häufige Ursachen für Ausreißer sind Lieferunterbrechungen, ungewöhnliche Massenverkäufe, Auffüllungen und Promotionen. In der Regel ist es am besten, Ausreißer mit Einträgen in der Zeile "Promotion" zu korrigieren. Abweichungen, die dazu führen, dass die Nachfrage geringer als normal ist, sollten einen negativen Promotionswert haben.

Sie können Nachfrageänderungen, von denen Sie im Voraus wissen, korrigieren, indem Sie Einträge in die Promotionen vornehmen. Im Laufe der Zeit, wenn diese Einträge in die Historie einfließen, werden Ihre Prognosen weiter verbessert. Wenn ein Ereignis saisonabhängig ist, können Sie die saisonalen Prognosen einfach für Sie vorwegnehmen lassen.

Unnötige Eingriffe oder zu weit in die Zukunft reichende feste Anpassungen verursachen ungenaue Prognosen. Dies kann durch einfaches Entfernen der alten/veralteten Anpassungen korrigiert werden. In der Praxis empfehlen wir, Änderungen in der Kennzahl "gespeicherte Berichtigungen" kurzfristig einzugeben und die weniger beständige Kennzahl "angepasster Forecast" für längerfristige Anpassungen zu verwenden.

Problematische Prognosen können durch zu viele (oder zu wenige) oder zu geringe Anpassungen des Forecast-Typ verursacht werden! "Zu viel" bezieht sich auf eine unnötige Änderung des Forecast-Typ, wenn "Experte" immer noch relevant ist und gut funktioniert. Manchmal werden Anpassungen des Forecast-Typs in der richtigen Absicht vorgenommen, aber die Situation, die dazu geführt hat, hat sich möglicherweise geändert. "Zu wenig" bezieht sich auf Fälle, in denen der Forecast-Typ nicht geändert wird, wenn er geändert werden sollte, z. B. wenn der Forecast-Typ für einen Artikel am Ende des Lebenszyklus nicht auf "Keine" geändert wird oder wenn ein saisonaler Index nicht auf Produkte in einer saisonalen Gruppe angewendet wird. Es ist ratsam, die Artikel regelmäßig mit dem Attribut "Prognoseergebnisse" in der Struktur zu überprüfen und auch benutzerdefinierte Filter für den Forecast-Typ zu verwenden (dies ist die gewünschte Methode).

Oft ergeben sich auf Gruppenebene Muster, die bei der Betrachtung eines einzelnen Postens weniger offensichtlich sind. Sehr granulare Prognosen neigen dazu, positiv verzerrt zu sein (zu hohe Prognosen) und spiegeln weniger wahrscheinlich Trends und Saisonalität wider, die auf Gruppenebene auffallen können.

Pivot Forecasting ermöglicht Prognosen mit flexiblen Produkt-, Regional- und Kanalgruppierungen. Wir empfehlen Ihnen, diese Funktion zu nutzen, um aggregierte Prognosen für Artikelgruppen, Regionen oder Kanäle zu überprüfen und anzupassen. Sie können einige dieser Aggregationen auch verwenden, um saisonale Indizes zu erfassen, die zur Verbesserung der Prognosegenauigkeit auf Basisebene verwendet werden können.

Pivot Map:

Filter:

Überwachen:

Haben Sie die verwandten Artikel gelesen? Sehen Sie sich unsere Pivot Forecasting-Sammlung an!