Fünf Tools für ein bedarfsorientiertes Risikomanagement

Bei der Analyse des Lieferkettenrisikos konzentrieren sich Logistikmanager in der Regel auf weit verbreitete Störungen wie Umweltkatastrophen und Pandemien. Tatsächlich sind es diese Ereignisse, die sich am direktesten auf den Endverbraucher auswirken und die Aufmerksamkeit der Mainstream-Nachrichtenmedien auf sich ziehen.

Es gibt jedoch weniger sichtbare, aber nicht weniger starke Veränderungen, die ebenfalls eine unvorbereitete Lieferkette zum Scheitern bringen können. Dazu gehört die nachfragegesteuerte Unterbrechung der Lieferkette, die durch plötzliche Änderungen des Verbraucherverhaltens diktiert wird. In unserer nachfragegesteuerten Lieferkettenwirtschaft ist es genauso wichtig, diese Art von Unterbrechung einzuplanen.

Obwohl das nachfragegesteuerte Risiko unterschiedlicher Natur ist, kann es durch das Angebotsrisiko beeinflusst werden. Als Folge der COVID-19-Pandemie haben die Verbrauchermärkte beispielsweise einen Zustrom von Designer-Gesichtsmasken, HEPA-Luftreinigern und Handdesinfektionsmitteln erlebt.

Auch die Art und Weise, wie Verbraucher essen und von wem sie ihre Lebensmittel kaufen, hat sich durch den Lockdown verändert. Laut einer aktuellen Studie des EIT haben sich die Essgewohnheiten im Jahr 2020 verändert, da immer mehr Menschen zu Hause essen, Lieferungen bestellen oder Lebensmittel online kaufen. Diejenigen, die in Städten auswärts essen wollten, wählten lokale, unabhängige Restaurants gegenüber größeren Ketten. Für den persönlichen Einkauf entschieden sich viele für kleinere Geschäfte anstelle von Supermärkten.

Viele Logistikmanager kennen die Risiken für die Versorgungsquellen nach Umweltkatastrophen. Was sie möglicherweise übersehen, ist die Auswirkung solcher Ereignisse auf die langfristige Verbrauchernachfrage. Angesichts der Realitäten des Klimawandels entscheiden sich viele Käufer für nachhaltigere Produkte und Dienstleistungen. Kunden fragen sich heute, ob es eine nachhaltigere Version des gewünschten Produkts gibt, ob sie diesen Artikel morgen wirklich brauchen oder ob sie das Produkt überhaupt brauchen.

Eine der schnellsten Möglichkeiten, wie sich die Nachfrage ändern kann, ist die Populärkultur. Prominente Influencer können im Handumdrehen ändern, welche Art von Kleidung oder Kosmetik Verbraucher wollen, wenn sie auf der Straße oder bei einem Event auf dem roten Teppich fotografiert werden. Wenn die Marke, die von dieser Präsenz profitiert, keine Umsatzsteigerungen geplant hat, könnte sie mit Rückständen konfrontiert sein und Geschäfte an ihre besser vorbereiteten Konkurrenten verlieren.

Obwohl diese Trends nicht immer leicht vorherzusagen sind – wer hätte gedacht, dass Fidget-Spinner abheben würden? — Bestimmte Brancheninsider haben gelernt, den Markt zu lesen und können Veränderungen früher als die meisten erkennen.

Glücklicherweise ist das bedarfsgesteuerte Risiko aufgrund der großen Auswahl an verfügbaren Datenquellen und der Analysetechnologie, die für die Verarbeitung dieser Daten entwickelt wurde, einfacher zu prognostizieren als das Angebotsrisiko. Abhängig vom Reifegrad Ihrer Lieferkette müssen Sie möglicherweise Änderungen an Ihren Prozessen und Mitarbeitern vornehmen, um diese Tools effektiv nutzen zu können. Im Folgenden sind fünf wesentliche Ansätze aufgeführt, die Sie in Ihre Risikominderungsstrategie integrieren sollten.

Erfassung neuer Nachfrageinputs. Nachfrageprognosen blicken in der Regel etwa 30–90 Tage in die Zukunft. Aber ein so großes Fenster ist zu breit, um brauchbare Erkenntnisse zu gewinnen. Durch die Verfolgung der kurzfristigen Verkaufshistorie und der damit verbundenen Nachfrageursachen können Unternehmen innerhalb eines Monats nahezu in Echtzeit Einblicke gewinnen, um relevantere Prognosen zu erstellen.

Unternehmen sollten auch das Volumen und die Vielfalt der von ihnen gesammelten Datenquellen maximieren. Details wie Social Sentiment, Point-of-Sale (POS), Inventar und Regalverfügbarkeit tragen alle dazu bei, die kurzfristige Sichtbarkeit der Nachfrage zu verbessern.

Nachfragemodellierung. Ein Nachfragemodell hilft, das zukünftige Kundenverhalten basierend auf Erfahrungen aus der Vergangenheit vorherzusagen. Je mehr externe Quellen Sie in Ihr Modell einbeziehen, desto genauer und prädiktiver wird es. Externe Quellen können Social-Media-Feeds, Wettbewerbsinformationen, Wettervorhersagen und POS-Daten umfassen. In Verbindung mit internen Datenquellen wie Verkaufshistorie, Werbeaktionen und neuen Produkteinführungen können diese Informationen ein viel genaueres Bild von vergangenem Verhalten und zukünftigen Trends zeichnen.

Probabilistische Prognose . Wenn Prognosen auf mehreren Variablen basieren, ist der alte deterministische Ansatz „einer Zahl“ zu einfach. Im Gegensatz dazu berücksichtigt ein probabilistischer oder stochastischer Prognoseprozess Unsicherheit, um das Risikomanagement zu unterstützen. Bei probabilistischen Prognosen analysieren fortschrittliche Algorithmen mehrere Nachfragevariablen, um die Wahrscheinlichkeit jedes möglichen Ergebnisses zu berechnen, und bestimmen dann, welches am wahrscheinlichsten eintritt. Dies bietet eine viel zuverlässigere Möglichkeit, Vorhersagen zu treffen, wenn Nachfragemuster variabel sind, die Bestellhistorie begrenzt ist (wie z. B. bei neuen Produkten) oder Faktoren wie Saisonalität eine Rolle spielen.

Nachfrageprognose-Software . Die Wahl der richtigen Software ist der Schlüssel zur effektiven Analyse der von Ihnen gesammelten Daten. Nachfrageprognose-Software, die einen probabilistischen Ansatz verwendet, modelliert automatisch die Bottom-up-Nachfrage für einzelne Artikel. Es analysiert Auftragszeilen, um sowohl historische Nachfragemengen als auch Nachfragefrequenzen zu modellieren, um eine genaue Schätzung der Volatilität zu erhalten. Das richtige System wird den Unterschied zwischen der Großbestellung von 20 Einheiten und dem 20-fachen Verkauf einzelner Einheiten desselben Produkts verstehen. Es bewältigt auch die intermittierende „Long-Tail“-Nachfrage nach langsameren Produkten, die schwer vorherzusagen sind. Es berücksichtigt Marktfaktoren wie Trends oder Saisonalität sowie organisatorische Faktoren wie bedarfsgerechte Werbeaktionen, neue Produkte, Prognoseverzerrungen und den Bullwhip-Effekt.

Human Insight und funktionsübergreifende Planung. Nachdem Sie eine Baseline-Wahrscheinlichkeitsprognose erstellt haben, müssen die Mitarbeiter des Unternehmens diese verfeinern, indem sie ihr Wissen und ihre Expertise hinzufügen. Komplexe Nachfragefaktoren, wie Widersprüche im Verbraucherverhalten, werden am besten von einem ganzen Team menschlicher Analysten ausgepackt.

Nehmen Sie ein Beispiel aus der Modebranche. Käufer der Generation Z tendieren dazu, Nachhaltigkeit zu priorisieren und „upcycled“ Secondhand-Kleidung zu bevorzugen. Sie kaufen auch am ehesten von „Fast-Fashion“-Unternehmen, um mit sich ändernden Trends Schritt zu halten. Um solche Widersprüche zu verstehen, müssen Modeeinkäufer, die Trends analysieren, Notizen mit Merchandisern vergleichen, die näher an den tatsächlichen Verkaufszahlen sind. Je mehr Personen Sie in jeder Lieferkette in die Verfeinerung der Nachfrageprognosen für Finanzen, Marketing, Vertrieb, Betrieb und Ihre Vertriebspartner einbeziehen können, desto genauer werden diese Prognosen im Laufe der Zeit.

Wie der Supply-Chain-Guru Martin Christopher einmal sagte:„Einzelne Unternehmen konkurrieren nicht mehr als eigenständige Einheiten, sondern als Lieferketten.“ Nie war dieses Gefühl wahrer als heute. Diejenigen Unternehmen, deren Lieferketten am besten in der Lage sind, Nachfrageschwankungen zu erkennen und darauf zu reagieren, werden nicht nur am widerstandsfähigsten gegenüber Risiken sein; sie werden auch in der Lage sein, die besten allgemeinen Geschäftsergebnisse zu erzielen.

David Barton ist General Manager, Americas, bei ToolsGroup.