VCM2024_03

VISIE

Nowcasting als forecastmodel voor slow movers Winkeldata triggeren bestellingen leverancier Voor elke B2C-producent is de voorspelbaarheid van de bestellingen van goudwaarde. Het maakt een effi ciënte productieplanning mogelijk en garandeert een snelle en betrouwbare levering. ‘Vendor managed inventory’ (VMI) vormt het logische antwoord, maar valt moeilijk te realiseren bij leveranciers met geringe volumes. Doctoraatsstudent Tim Schlaich en prof. dr. Kai Hoberg van de Kühne Logistics University in Hamburg gingen na in welke mate PoS-data – gegevens uit het winkelpunt – daar een antwoord op bieden. I n elke supermarkt circuleren er duizenden producten aan

perkte omzet voelt de retailer zich vaak niet geroepen om een VMI op te zetten”, legt Tim Schlaich uit. “Daarnaast blijkt ook de kosten-batenanalyse nadelig. We gingen daarom op zoek naar een alternatieve methode voor informatie-uitwisseling.” Samen met prof. dr. Kai Hoberg analyseerde doctoraatsstudent Tim Schlaich in hoeverre verkoopgegevens van supermarkten – PoS- of Point of Sales-data – fabrikanten kunnen ondersteu nen bij het voorspellen van het bestelmoment. Ze voerden hun research uit namens de Kühne Logistics University (KLU), een particuliere en erkende universiteit in Hamburg. De universi teit is opgericht door de Kühne Stiftung en is genoemd naar de Kühne-familie, bekend van het internationale logistieke bedrijf Kühne + Nagel. De universiteit staat trouwens open voor samenwerkingen met alle bedrijven. PoS-data met hoog detailniveau Voor het empirische luik van de studie vormen de verkoop puntgegevens van een kleine Duitse voedselproducent het uitgangspunt. Het bedrijf bedient een retailer met een centraal distributiecentrum en 53 hypermarkten. “Retailers verzame len Point of Sales-data voor hun eigen doeleinden”, licht Tim Schlaich toe. “De gegevens kennen een hoog detailniveau en geven een helder beeld van de verkoopvolumes van een bepaald product, op een bepaalde dag en in een specifieke

een lage omloopsnelheid. De rotatie is bovendien vaak erg onregelmatig. De ene week verkoopt de retailer enkele van die producten, maar evengoed gaan er enkele weken voorbij zonder verkoop. Dat leidt tot een moeilijk te voor spellen bestelcadans met grillige tussenpozen. Ondanks die complexiteit verwacht de retailer uiteraard een stipte bevoor rading van zijn geplaatste orders. Dat maakt de opdracht er voor de supply chain afdeling van de leverancier niet eenvou dig op. Het bemoeilijkt een efficiënte aanpak van de productie en botst mogelijk ook op de houdbaarheid van de producten, bijvoorbeeld wanneer het om voeding gaat. De bestelhoeveel heden mogen dan wel veelal vastliggen, de uitdaging bestaat er bij dergelijke intermitterende vraag in de timing van de bestellingen in te schatten. Idealiter wil je weten wanneer de volgende bestelling van de retailer plaatsvindt en vervaardig je de producten dan ook pas kort voor het moment waarop je het order verwacht. Niet geschikt voor VMI Een logische oplossing is VMI (vendor managed inventory), waarbij de producent of de distributeur de voorraadniveaus beheert in het distributiecentrum van zijn klant – de retailer – op basis van de verwachte vraag en de minimale en maximale voorraden. “Bij leveranciers met kleinere volumes en een be

10

WWW.VALUECHAIN.BE