VCM_022023_LR

VISIE

hine learning onderbenut ecastingproces

ijsjesverkoop voor de volgende week”, meent hij. “Ik raad ook aan waakzaam te blijven voor vooringenomenheid. Het is fijn dat medewer kers hun inzichten willen delen, maar je moet wel altijd nagaan welke toegevoegde waarde die bieden. Soms krijgen verkopers bijvoorbeeld een bonus wanneer ze een bepaald cijfer over treffen. Die mensen zullen hun voorspelling bewust laag zetten om op die manier hun doel te bereiken, wat in het vakjargon ‘intentional bias’ heet. De financiële afdeling heeft dan weer vooral oog voor de budgettaire huishouding. Veel profielen kunnen de voorspellingen dus in een bepaalde richting duwen. Let wel, ik vind dat je betrokkenheid in het forecastproces zeker mag aanmoedigen, maar je monitort best eerst de waarde van die inbreng, alvorens die ook daadwerkelijk toe te passen.” Nicolas Vandeput geeft aan dat veel bedrijven er niet in slagen de voorspellingsnauwkeurig heid correct te beoordelen. “Uit hun dashboards leiden ze bijvoorbeeld af dat hun accuraatheid zeventig procent bedraagt. Dat cijfer zegt op zich weinig, aangezien de waarde van die score afhankelijk is van de producten die je verhan delt en de markten die je bedient.” Veel bedrij ven gebruiken volgens Nicolas Vandeput nog altijd de gemiddelde absolute procentuele fout of ‘mean absolute percentage error’ (MAPE) als KPI voor hun forecastmodel. Die geeft aan in hoeverre een forecastmethode een consistente afwijking vertoont ten opzichte van de reële waarden en heeft tot doel de voorspelfout te beoordelen over verschillende artikelgroepen heen. N. Vandeput: “Ik raad organisaties af MAPE als KPI te hanteren, aangezien de methodiek een voor

Nicolas Vandeput

M A N N I N G

Het boek ‘Demand Forecasting Best Practices’ van Nicolas Vandeput verschijnt in het voorjaar van 2023. De auteur omschrijft het als een praktisch werkmiddel voor iedereen die zijn vraag accurater wil inschat ten.

digt de algemene richting van de historische gemiddelde fout. Het meet of vraagprognoses gemiddeld te hoog of te laag waren. “Aangezien een positieve fout op een item een negatieve fout op een ander item mogelijk compenseert, kan een prognosemodel een zeer lage bias bereiken en tegelijkertijd niet nauwkeurig zijn. Bias alleen volstaat dus niet om de precisie van een prognose te evalueren. Maar een sterk ver

spellingsonderschatting van de vraag beloont. Dat staat haaks op de ambitie om een neutraal beeld te creëren dat zowel een te optimistische als een te negatieve kijk weert.” Aanbevolen KPI’s Onze gesprekspartner ziet meer heil in de com binatie van twee technieken, namelijk bias en ‘mean absolute error’ (MAE). Bias vertegenwoor

7

V A L U E C H A I N M A N A G E M E N T - F E B R U A R I 2 0 2 3