VCM_062025_LR

FORECASTING

precies voorspellen. “De belangrijkste reden waarom de meeste bedrijven forecasten, is omdat ze producten op voorraad willen heb ben om snel te kunnen inspelen op de vraag van de klant”, zegt hij. “In de meeste bedrijven is dat een noodzaak. Anders is het wanneer je bijvoorbeeld dure maatpakken of luxewa gens verkoopt, waar een klant maanden op wil wachten, maar dat zijn uitzonderingen. Als je zaken op voorraad maakt, dan is forecasten een noodzakelijk kwaad.” Dat een slechte forecast operationele gevol gen heeft, daar is iedereen zich van bewust. Forecast je te hoog, dan riskeer je met te veel voorraad te blijven zitten. Dat kan leiden tot plaatsgebrek, voorraadkosten en verspilling wanneer je je voorraad niet kwijtraakt. De kos ten van een te lage forecast kunnen nog gro ter zijn, omdat je dan verkopen misloopt. Zit je forecast goed, dan stel je productie in staat efficiënt te werken, hou je de verkopers en de klanten tevreden en stel je marketing in staat proactief de vraag te stimuleren. “Samenge vat: we forecasten om op een meer winstge vende manier te kunnen opereren. Je forecast nauwkeuriger krijgen, mag evenwel nooit een doel op zich zijn, want dat verhoogt niet per definitie je winstgevendheid. Dat moet je steeds in het achterhoofd houden”, meent Jonathon Karelse. Organisatie moeten ernaar streven dat elke stap van het forecastmodel gelinkt is aan het financiële resultaat. Om een zicht te krijgen op de accuraatheid van je forecast, is het raadzaam bijvoorbeeld een beroep te doen op MAPE-berekeningen (mean absolute percentage error). Daarmee

FIGUUR 1 Impact van de verschillende enablers bij het maximaliseren van de ROI

Tools Process People

10%

30%

60%

bereken je in welke mate je voorspellingen afwijken van de werkelijke waarden. J. Karelse: “Nog beter is het om gebruik te maken van het gewogen MAPE, waarbij je de foutmarges weegt op basis van de winst gevendheid. Op die manier kun je je meteen focussen op de belangrijkste items. Uiteraard kun je ook andere methoden gebruiken. Het is vooral belangrijk dat je steeds consistent dezelfde methode hanteert. Ook belangrijk is dat de hele organisatie weet hoe de fore castaccuraatheid wordt berekend. Zo zorg je voor transparantie en vermijd je dat het een black box wordt.” Een krachtige techniek om te bepalen wat er aan de basis van je forecastfouten ligt, is de Forecast Value Added (lees ook het artikel ‘Forecast Value Added helpt zin van aanpas singen te beoordelen’ in Value Chain Manage ment mei 2024). Die techniek wordt gebruikt om te beoordelen hoeveel waarde een speci fieke stap of activiteit in het forecastproces al dan niet toevoegt aan de nauwkeurigheid van de uiteindelijke voorspelling. “Kom je via die techniek tot de vaststelling dat een bepaalde stap de forecast niet verbetert of net verslech tert, dan kun je die stap beter schrappen”, weet Jonathon Karelse. “Je zou kunnen stellen Gross Pro t Dollars

dat een stap die de forecast niet verbetert ook geen kwaad kan, maar we mogen niet verge ten dat elke stap in het proces ook inspannin gen vraagt. Als die aanpassingen geen of heel weinig waarde hebben, laat je ze beter achter wege. Uiteindelijk moet je ernaar streven dat elke stap in het forecastmodel gelinkt is aan het financiële resultaat.” Zoals George Box zei Jonathon Karelse maakt meteen ook duidelijk dat een goed forecastmodel helemaal niet complex hoeft te zijn: “Hierbij citeer ik graag George Box, die bekendstaat als grondleg ger van de Box-Jenkins methode. Hij zei: “Alle modellen zitten fout, maar sommige zijn wel nuttig. In de gevallen waar dat volstaat, kun je dan ook beter een eenvoudig model gebrui ken. Dat zal efficiënter zijn dan een complex model.” De redenering daarachter luidt: welk model je ook gebruikt, het zal toch nooit hele maal juist zitten. Maak je forecast dan ook niet complexer dan nodig.” Een andere wijsheid van George Box: “Aange zien alle modellen fout zitten, is het belangrijk te focussen op de grootste fouten. Maak je niet druk om muizen als er tijgers in de buurt zijn.”

Product Segmentation

Coe cient of Variation

37

VALUE CHAIN MANAGEMENT - MEI-JUNI 2025