Definition
Jeder Standort erhält einen Anteil an der Gesamtprognose im Verhältnis zu seinem Beitrag zum Umsatz in einem bestimmten Zeitraum. Eine kürzere Zeitspanne führt zu einer reaktiveren Disaggregation, während eine längere Zeitspanne stabiler ist. Für Produkte mit langsamer oder unregelmäßiger Nachfrage kann der Zeitrahmen automatisch verlängert werden.
Anwendungsfall
Diese Funktion ist Teil des Moduls "erweiterte Prognose". Es handelt sich um ein Zusatzmodul, das sich lohnt, wenn ein Unternehmen mehrere Standorte hat und die Verwaltung der auf Standortebene erstellten Prognosen eine Herausforderung darstellt. Lesen Sie auf jeden Fall den Artikel über das erweiterte Prognosemodul, wenn dies auf Sie zutrifft.
Für Unternehmen, die Artikel mit unterschiedlichen Verkaufsmustern an verschiedenen Standorten verkaufen, ist dies möglicherweise keine gute Lösung. Stellen Sie sich vor, Sie haben Standorte in den nördlichen und südlichen Teilen der Hemisphäre und der betreffende Artikel ist eine Schneeschaufel. Eine Disaggregation der Prognosen kann zu weniger genauen Prognosen führen als eine Prognose auf Standortebene.
Auch für Unternehmen, die derzeit genaue Prognosen auf Standortebene erstellen, ist dieses Modul nicht von Vorteil.
Für ein durchschnittliches Unternehmen kann es jedoch nützlich sein und ist eine Erkundung wert.
Was die Einstellung dieser Parameter betrifft, so liegt ein sicherer Wert für "Gewichtung nach der Verkaufshistorie des Produkts, wenn es mindestens X Monate der Historie in der Region gibt" zwischen 3 und 6. Damit wird sichergestellt, dass der Artikel über eine ausreichende Verkaufshistorie verfügt, um bei der Berechnung seines Beitrags und damit der prozentualen Aufteilung der Prognose berücksichtigt zu werden. Wenn ein Artikel nur in einem Monat verkauft wurde, kann dieser Monat viel zu hoch (das neue iPhone) oder viel zu niedrig (Einführung des Fidget Spinners) gewesen sein und ist daher nicht ausreichend, um die Berechnung darauf zu stützen, da dies zu einer ungenauen Aufteilung führen kann, die nicht auf zukünftige Verkäufe schließen lässt.
"Ansonsten Gewichtung nach der kombinierten Verkaufshistorie ähnlicher Produkte auf Basis dieser Gruppe" definiert die Rückfall-Gruppe. Wenn der betreffende Artikel weniger als X Monate Umsatz hat (wie oben angegeben), der Umsatz welcher Gruppe sollte dann zur Berechnung des Beitrags und damit der prozentualen Aufteilung der Prognose verwendet werden?
Artikel = Rosa Sandalen können in Gruppe 1 = Bekleidung, Gruppe 2 = Sommerbekleidung, Gruppe 3 = Schuhe und Gruppe 4 - Sandalen - fallen.
Nehmen wir an, dass rosa Sandalen nicht genug Umsatzhistorie haben, um bei der Disaggregation der Prognose berücksichtigt zu werden. Wenn dieser Parameter auf "Gruppe 1" gesetzt wird, könnte dies dazu führen, dass mehr Sandalen an den verschneiten Standort geliefert werden, da dieser beim Verkauf von Bekleidung - genauer gesagt von Winterbekleidung - erfolgreicher gewesen ist.
Die Einstellung dieses Parameters auf "Gruppe 4" könnte jedoch zu spezifisch sein und nicht genügend Datenpunkte enthalten, wodurch der Beitrag verzerrt wird.
Es ist wichtig, den Sweet Spot der Genauigkeit zu finden, aber mit genügend Daten.
Die Option "Gewichten Sie die Prognosen mit den letzten X Monaten der Verkaufshistorie" kann für eine stabilere Aufteilung auf 12 Monate oder für Prognosen, die sich dynamischer anpassen müssen, auf 3 Monate eingestellt werden.
Erläuterung
In diesem Artikel finden Sie eine ausführliche Erklärung der Disaggregation von Prognosen.
FAQs
Frage: Was passiert, wenn die Option "Gewichten Sie die Prognosen mit den letzten X Monaten der Verkaufshistorie" auf 12 Monate eingestellt ist, aber die Option "Gewichtung nach der Verkaufshistorie des Produkts, wenn es mindestens X Monate der Historie in der Region gibt" auf 3 Monate eingestellt ist? Bedeutet das, dass der neue Artikel mit einer 3-monatigen Historie mit dem Artikel konkurrieren muss, der bereits seit 12 Monaten verkauft wird?
Antwort: Nein, es wird der durchschnittliche Umsatz über die verfügbaren Monate berücksichtigt.