VCM2024_05

FORECASTING

enkele maanden echt goed zichtbaar. De invloed van under-fo recasting daarentegen is veel sneller zichtbaar, bijvoorbeeld in het geval van gemiste verkopen. Sales krijgt dan meteen het gevoel dat ze de strijd van de concurrentie hebben verloren, wat hen emotioneel natuurlijk veel harder raakt dan obsolete voorraad achteraf.” Wanneer blijf je beter van de forecast af? Uiteraard wil dat niet zeggen dat we beter nooit aan een statistische forecast raken. Soms kunnen menselijke inzichten wel erg waardevol zijn. “Als je net een belangrijke klant hebt verloren, moet je daar natuurlijk rekening mee houden in je forecast,” meent Jeff Baker, “maar als je geen goed gefundeerde redenen hebt om aan de statistische forecast te twijfelen, blijf je er best gewoon van af.” Jeff Baker geeft nog enkele richtlijnen mee die helpen bepalen voor welke producten aanpassingen überhaupt zinvol kunnen zijn. “Bij sommige productcategorieën zou je er zelfs niet eens aan mogen denken om aan de statistische forecast te prut sen”, waarschuwt hij. “Dan heb ik het in de eerste plaats over producten met een lage waarde. Daar is de kans dat je waarde toevoegt met manuele aanpassingen erg klein, zelfs al maak je het resultaat beter. Als je een verbetering van 5% kunt realise ren in een categorie waar je jaarlijks slechts duizend euro op verdient, is dat de inspanning uiteraard niet waard. Ook raak je beter niet aan categorieën die zeer goed voorspelbaar zijn met

een statistische forecast. Niet alleen is de kans klein dat je de forecast beter maakt, maar het gevaar dat je hem veel slechter maakt is reëel. Voor items die niet goed voorspelbaar zijn daar entegen, is de kans veel groter dat goed gegronde inzichten voor een betere forecast zorgen.” Nood aan een mindswitch Om te vermijden dat er onzinnige aanpassingen blijven gebeuren, is het volgens Jeff Baker noodzakelijk om aan het beslissingsproces te sleutelen. Maar we moeten er geen doekjes om winden: departementen als sales en marketing overtuigen om rekening te houden met de FVA vraagt inspanningen. J. Baker: “Je moet hun goed uitleggen waarom ze de statisti sche forecast echt wel kunnen vertrouwen. Als ze dan toch aanpassingen willen maken, vraag dan om die grondig te moti veren. Maak medewerkers ook duidelijk wat de impact is als ze door hun aanpassingen de forecast slechter maken. Vaak helpt het als je erbij vermeldt dat de impact van foutieve voorspel lingen ook langs de CEO zal passeren. Dan denken ze al sneller twee keer na voordat ze aanpassingen doorvoeren.” Willen we de mindset van medewerkers veranderen, dan is het ook belangrijk dat ze inzicht krijgen in welke fouten ze precies maken. Dankzij die feedback zien ze enerzijds in waarom het soms beter is dat ze niet aan de forecast raken en worden ze er anderzijds van overtuigd dat ze voor betere aanpassingen kunnen zorgen waar die wel gepast zijn. Bias versus precisie Daarbij moeten we nagaan of foutieve aanpassingen aan de forecast te maken hebben met ‘bias’ of met precisie. Bias verwijst naar de neiging om systematisch van de werkelijke waarden te gaan afwijken. Zo kunnen we over-forecasting in de hand werken door systematisch te denken dat de verkoop beter zal zijn dan wat in werkelijkheid het geval zal zijn. Precisie daarentegen verwijst naar de mate van consistentie in de forecast. Bij een forecast met een hoge precisie liggen herhaaldelijke metingen erg dicht bij elkaar. Wanneer er iets fout zit met de precisie, zijn de voorspellingen die we maken niet consistent. Dat kan het gevolg zijn van verschillende factoren, bijvoorbeeld gebrekkige data of variabiliteit in de omgevingsfactoren waar we onvoldoende zicht op hebben. J. Baker: “In wezen gaat het bij bias dus om consistente afwij kingen ten opzichte van de werkelijke waarden, terwijl het bij precisieproblemen vooral gaat om een gebrekkige consisten tie tussen de voorspellingen onderling, los van hun afstand tot de werkelijke waarde. Uiteraard kun je ook tegen een combina tie van beide aanlopen.”

Twee verschillende aanpassingen, dezelfde FVA

26

WWW.VALUECHAIN.BE