Ulrich Thonemann
Die Prognose der zukünftigen Entwicklung der Kundennachfrage stellt die Grundlage der Planung im Supply Chain Management dar. Die Nachfrageplanung ist ein strukturierter Prozess, welcher sich in Abhängigkeit der Anwendung und verfolgten Zielstellung unterschiedlicher Prognoseverfahren bedient.
Nachfrageprognosen im SCM
Im Supply Chain Management werden unterschiedliche Verfahren zur Nachfrageprognose eingesetzt: Qualitative Prognosen, Kausalprognosen und Zeitreihenprognosen.
Qualitative Prognosen
Bei Qualitativen Prognosen werden die Meinungen mehrerer Personen erhoben und daraus Nachfrageprognosen abgeleitet. Diese Prognoseverfahren werden hauptsächlich eingesetzt, wenn keine für die Zukunft repräsentativen Daten aus der Vergangenheit vorliegen, wie bei der Einführung eines neuen Produktes. Sie werden aber auch eingesetzt, um Prognosen, die mit quantitativen Techniken erstellt werden, unter Berücksichtigung qualitativer Informationen anzupassen. Typische Verfahren sind die Kundenbefragung, die Erhebung von Expertenmeinungen und die Delphi-Methode.
Kausalprognosen
Bei Kausalprognosen werden Prognosen auf Basis eines bekannten oder unterstellten Zusammenhangs zwischen der Nachfrage und einer bekannten Größe erstellt. Ein Beispiel ist die Prognose der Servicenachfrage in der Computerindustrie. Wenn die Anzahl und Art der installierten Systeme in einer Region und die Ausfallraten der Systeme bekannt sind, kann auf Basis dieser Informationen die Servicenachfrage geschätzt werden. In der Regel wir zur Erstellung einer Kausalprognose eine Regressionsanalyse verwendet.
Zeitreihenprognosen
Bei Zeitreihenprognosen wird eine Prognose auf Basis historischer Daten erstellt. Ein Beispiel ist die Prognose der Nachfrage im Lebensmittelhandel. Auf Basis historischer Nachfragen kann beim Standardsortiment mit der Zeitreihenprognose eine Prognose für die Nachfrage der nächsten Tage erstellt werden. Bei einfachen Verfahren, wie den Gleitenden Durchschnitten und der Einfachen Exponentiellen Glättung, wir von einer Nachfragen mit einem konstanten Niveau ausgegangen und das Niveau geschätzt. Bei komplexeren Verfahren werden Trends und Saisonalitäten mit berücksichtigt.
Anwendung und Auswertung
Häufig können Prognosen mit unterschiedlichen Verfahren erstellt werden. Um zu entscheiden, welches Verfahren sich am besten eignet, werden zunächst Prognosen mit verschiedenen Verfahren erstellt, dann die Qualität der Verfahren anhand von Kennzahlen zur Prognosequalität bewertet und schließlich das Verfahren mit dem besten Kennzahlwert ausgewählt. Geläufige Kennzahlen sind die mittlere absolute Abweichung des Prognosewerts von der Nachfrage oder die mittlere quadrierte Abweichung des Prognosewerts von der Nachfrage. Letztere Kennzahl ist wichtig, da sie benötigt wird, um Sicherheitsbestände und Bestellmengen festzulegen.
Teilweise ist es sinnvoll, Nachfragen zu segmentieren und die Segmente unterschiedlich zu behandeln. In der Konsumgüterindustrie können z. B. Promotions die Absatzmengen beträchtlich steigern; in einigen Produktkategorien werden mehr als 50% des Gesamtumsatzes über Aktionen erzielt. Werden die Aktionen nicht richtig vorgeplant und die Mengen falsch prognostiziert, kann dies zu Lieferausfällen und hohen Kosten in der Supply Chain führen. Eine Möglichkeit dies zu vermeiden, ist, dass die Aktionsmengen entscheidender Kunden separat von anderen Nachfragen in die Absatzplanung eingehen. Diese kritischen Mengen werden dann sehr detailliert analysiert und besprochen und entsprechend genau prognostiziert. Zur Verbesserung der Prognosequalität können die Supply Chain Partner kooperieren (siehe z. B. Collaborative Planning, Forecasting and Replenishment).
Literatur
Thonemannn, Ulrich: Operations Management: Konzepte, Methoden und Anwendungen. München : Person Studium, 2005