Hybrides Demand Sensing: Lieferketten für Unsicherheit rüsten

Herausforderungen moderner Lieferketten

Heutige Lieferketten werden herausgefordert durch Produktlinien-Proliferation, schrumpfende Produktlebenszyklen, erhöhte Komplexität und massive Datenmengen. Dazu kommen anspruchsvollere, unberechenbarere Kunden; internetgetriebene Trends ändern sich im Handumdrehen, und Promotions/Verkäufe unterliegen Wetter, Neueinführungen und Wirtschaft.

Um für morgen gerüstet zu sein, müssen Unternehmen verstehen, wie Veränderungen in Lieferketten die Nachfrage beeinflussen. Nur so können sie sicherstellen, dass die Produkte, die Kunden wollen, zur richtigen Zeit verfügbar sind.

Was ist Demand Sensing?

Demand Sensing – wie der Name impliziert – ist im Wesentlichen Kunst und Wissenschaft, kurzfristige Trends sofort zu erfassen, um besser vorherzusagen, was Verbraucher wollen. Nachfrage ist unmöglich perfekt vorherzusagen, da sie von unendlich vielen bekannten und unbekannten Variablen beeinflusst wird. Laut einer Studie von KPMG und Economist Intelligence Unit waren nur 22 % der Unternehmensprognosen innerhalb von fünf Prozentpunkten genau. Im Durchschnitt lagen Prognosen 13 % daneben – mit signifikanter Auswirkung auf den Aktienkurs.

Es gibt viele Puristen, die an Prognoseansätzen mit gewichteten Durchschnitten und anderen traditionellen Methoden festhalten, die leicht verständlich sind. Dieser Ansatz mag bequem und zugänglich sein, liefert aber nur Vorhersagen basierend auf historischen Nachfragemustern. Er fehlt entscheidende Online- und externe Daten, die einen Near-Real-Time-Blick auf Nachfrage und ihre Treiber ermöglichen.

Der bessere Weg: Hybrides Demand Sensing

Heute gibt es einen besseren Weg. Wie bei der Wettervorhersage ist es möglich, intelligente Demand-Sensing-Systeme zu trainieren, das scheinbare Chaos der Konsumentennachfrage mit hoher Genauigkeit vorherzusagen. Diese hybriden Systeme wenden multiple Prognosetechniken und Datentypen an.

Hybrides Demand Sensing ist robuster, zuverlässiger und nachhaltiger als einfache Prognosealternativen. Es profitiert nicht nur von verschiedenen Planungsansätzen, sondern wird stärker und reaktionsfähiger, je mehr menschliche Intelligenz und Datensets einfließen.

Ein riesiger Vorteil: Es integriert kurzfristige Trends sofort in die Prognose. Statt 60 oder 90 Tage dieselbe Prognose zu nutzen, gewinnen Planer Erkenntnisse, um Prognosen kontinuierlich mit den neuesten Verkaufsdaten feinzujustieren. Diese Fähigkeit, schneller und häufiger auf Nachfrageänderungen zu reagieren, führt zu höheren Gewinnen und Serviceleveln und weniger Waste.

Beispiele: Wie Demand Sensing Insights in profitable Aktionen umsetzt

• Upstream-Planung durch direktes Extrahieren von PoS-Daten straffen. Demand Sensing ermöglicht Extraktion relevanter Infos direkt aus Point-of-Sale-Daten. Hersteller verbessern Prognosegenauigkeit, ohne auf Input von Distributoren und Händlern warten zu müssen.
• Produktionsplanungseffizienz verbessern. Häufigerer Input für Produktion und Supply-Operationen ermöglicht Anpassung des Produktionsplans durch Beschleunigung oder Entschleunigung von Aufträgen.
• Upstream-Inventar kontinuierlich feinjustieren. Dynamische Optimierung und Netzwerkausgleich durch Einbeziehung von Beständen in regionalen Lagern und prognostizierter Kundennachfrage nach Standort.
• Inbound/Outbound-Lücke schließen. Inbound-Teams wollen Lager füllen; Outbound-Teams wollen sie leeren. Demand Sensing synchronisiert beide Gruppen durch ein einheitliches globales Nachfragebild.
• Saisonale Nachfrage präziser prognostizieren. Vertriebsnetz-Transparenz ist Schlüssel zu besserer Responsivität. Besonders wichtig bei saisonalen Artikeln, die nur in einem jährlichen Zeitfenster verkaufen. Demand Sensing ermöglicht z. B. sofort zu wissen, wenn Schlüsselhändler ausverkauft sind. Gleiches, wenn ein Artikel nicht wie erwartet läuft: Hersteller reagieren schnell durch Anpassung von Produktion und Inventar, um Obsoleszenz zu vermeiden.
• Inventar für Neueinführungen richtig dimensionieren. Da Produktlebenszyklen weiter schrumpfen, ist Management von Artikelnachfolge eine permanente Herausforderung. Demand Sensing hilft, optimale Bestandsniveaus für neue und frühere Produktversionen zu bestimmen, um Kundenservice-Level zu erfüllen.
• Promotions-Performance verbessern. Demand Sensing kann Sell-in-Daten wie Promotions-Attribute, Produkt- und Marktdetails einbeziehen, um Planern die Faktoren hinter Promotions-Uplift zu erklären. Das hilft, Auswirkungen zukünftiger Promotions besser vorherzusagen.

Praxisbeispiel: TireHub

TireHub, ein Reifenersatz-Distributor, integriert lokale PoS-Daten in sein Demand-Sensing-Modell, angereichert mit Machine Learning. Zwei Herausforderungen – SKU-Proliferation und Saisonalität – erschwerten die optimale Bestandspositionierung. Heute plant es nicht nur für vorhersehbare Nachfrageschwankungen (z. B. Winterreifenabsatz im Winter), sondern auch für lokale Nachfragekomplexitäten, indem es berücksichtigt, wie viele verschiedene Automodelle lokal und regional verkauft werden. Mit diesem Modell konnte TireHub einen Großteil seiner Auffüllplanung vollständig automatisieren, Geschäftsergebnisse verbessern und Kapazität für 70.000 Auslieferungspunkte in nur 18 Monaten aufbauen.

Drei Säulen des Demand Sensing

Es gibt verschiedene Wege, Nachfrage zu sensen, und jeder neue Insight kann Reaktionszeit verkürzen und Gewinne steigern. Die größten Erträge liegen in drei Bereichen:

Kurzfristprognose mit Sell-in-Daten. Der einfachste Einstieg: granulare historische Daten nutzen. Meist tägliche Sell-in/Ship-to-Daten mit kurzen Zeithorizonten analysieren und Prognose entsprechend anpassen. Diese Art nutzt Versandhistorie, die in den meisten Supply-Chain-Planning- oder ERP-Systemen verfügbar ist. Einige Tools beinhalten kurzfristige statistische Prognosen zur Verbesserung der Responsivität.

Sell-out-Daten einbeziehen. Beim Demand Sensing alle möglichen, nützlichen Datenquellen brainstormen, die die Prognose verbessern. Downstream Sell-out-Intelligenz wie Kunden-, PoS- oder Kanaldaten kann Nachfragetrends identifizieren, Frühwarnsignale geben und die Lücke zwischen Plan und Realität in der Lieferkette schließen.

Externe Daten und Demand Causals hinzufügen. Demand Sensing kann und sollte auch nachfragekorrelierte Variablen integrieren, um eine robuste Prognose zu schaffen, die auf eine breite Palette zukünftiger Ereignisse reagieren kann – vom Bekannten bis zum Unvorhersehbaren. Dazu gehören Aktienmarktschwankungen, Wettbewerber-Promotions, virale Social-Media-Trends, Neueinführungen, Wetter und andere externe Faktoren.

Alle drei Teile zusammen – Sell-in- und Sell-out-Daten plus relevante Demand Causals – liefern das vollständigste, vernetzte Nachfragebild. Es legt auch das Fundament für hochautomatisiertes Demand Sensing, das Planer freisetzt, um Business Knowledge zur weiteren Verbesserung von Prognose und Kundenservice einzusetzen.

Fazit

Zahlreiche interne und externe Variablen beeinflussen Nachfragevariabilität, und diese werden in der bevorstehenden großen Veränderungsperiode nur zunehmen. Das beste Werkzeug zur Verwaltung von Variabilität und Garantie hohen Services ist Inventar. Demand Sensing hilft Unternehmen, Inventar so optimal wie möglich zu nutzen. Es extrahiert die wichtigen Signale aus dem Rauschen, schärft Prognosegenauigkeit, verbessert kurzfristige Nachfragesichtbarkeit und minimiert Inventar – alles bei verbesserter Kundenservice. Unternehmen, die heute in Tools, Prozesse und Skills zur Steigerung ihrer Demand-Sensing-Fähigkeiten investieren, können wirklich bereit sein für das, was morgen bringt.

Robert Kaufholz ist Director of Solution Design bei ToolsGroup.