Top 5 Tools für das Management nachfragegetriebener Lieferkettenrisiken

Bei der Analyse von Lieferkettenrisiken neigen Logistikmanager dazu, sich auf weitreichende Störungen wie Umweltkatastrophen und Pandemien zu konzentrieren. Tatsächlich sind es diese Ereignisse, die den Endverbraucher am direktesten betreffen und die Aufmerksamkeit der Mainstream-Nachrichtenmedien auf sich ziehen.

Es gibt jedoch weniger sichtbare, aber nicht weniger mächtige Veränderungen, die eine unvorbereitete Lieferkette同样 zum Entgleisen bringen können. Darunter ist die nachfragegetriebene Lieferkettenstörung, diktiert durch plötzliche Veränderungen im Verbraucherverhalten. In unserer nachfragegetriebenen Supply-Chain-Ökonomie ist diese Art der Störung genauso wichtig, für sie zu planen.

Obwohl sie naturbedingt unterschiedlich sind, kann nachfragegetriebenes Risiko durch Angebotsrisiko beeinflusst werden. Als Folge der COVID-19-Pandemie haben Verbrauchermärkte beispielsweise einen Zustrom von Designer-Gesichtsmasken, HEPA-Luftreinigern und Handdesinfektionsmitteln gesehen.

Wie Verbraucher essen und von wem sie ihre Lebensmittel kaufen, hat sich durch Lockdowns ebenfalls verändert. Laut einer aktuellen Studie von EIT verschoben sich Essgewohnheiten 2020: Mehr Menschen aßen zu Hause, bestellten Lieferung oder kauften Lebensmittel online. Wer in Städten auswärts aß, wählte lokale, unabhängige Restaurants statt großer Ketten. Für den stationären Einkauf entschieden sich viele für kleinere Läden statt Supermärkte.

Viele Logistikmanager sind gut vertraut mit den Risiken, die Angebotsquellen nach Umweltkatastrophen drohen. Was sie möglicherweise übersehen, ist die Wirkung, die solche Ereignisse auf die langfristige Konsumentennachfrage haben. Angesichts der Realitäten des Klimawandels wählen viele Käufer nachhaltigere Produkte und Dienstleistungen. Kunden fragen sich heute, ob es eine nachhaltigere Version des Produkts gibt, das sie wollen, ob sie das Produkt wirklich morgen brauchen oder ob sie es überhaupt brauchen.

Einer der schnellsten Wege, wie sich Nachfrage ändern kann, ist durch Popkultur. Celebrity-Influencer können ändern, welche Kleidung oder Kosmetik Verbraucher wollen, im Handumdrehen, wenn sie auf der Straße oder bei einem Red-Carpet-Event fotografiert werden. Wenn die Marke, die von dieser Exposition profitiert, nicht vorausgeplant hat für einen Nachfrageanstieg, könnte sie Rückstände erleiden und Geschäfte an besser vorbereitete Wettbewerber verlieren.

Obwohl diese Trends nicht immer einfach vorherzusagen sind – wer wusste, dass Fidget-Spinner durchstarten würden? – haben bestimmte Brancheninsider gelernt, den Markt zu lesen und Veränderungen früher als die meisten kommen zu sehen.

Glücklicherweise ist nachfragegetriebenes Risiko leichter vorherzusagen als Angebotsrisiko, aufgrund der breiten Auswahl an verfügbaren Datenquellen und der Analysetechnologie, die dafür entwickelt wurde, diese Daten zu verarbeiten. Abhängig von der Reife Ihrer Lieferkette müssen Sie möglicherweise Änderungen an Ihren Prozessen und Mitarbeitern vornehmen, um diese Tools effektiv zu nutzen. Folgend sind fünf essenzielle Ansätze, die in Ihre Risikominderungsstrategie integriert werden sollten.

Neue Nachfrageeingaben erfassen

Nachfrageprognosen schauen typischerweise etwa 30–90 Tage voraus. Aber ein so großes Fenster ist zu breit, um verwertbare Erkenntnisse zu erfassen. Durch Verfolgung von kurzfristigem Verkaufshistorie und zugehörigen Nachfragetreibern können Unternehmen Near-Real-Time-Einblicke innerhalb des Monats gewinnen, um relevantere Prognosen zu erstellen.

Unternehmen sollten auch das Volumen und die Vielfalt der Datenquellen maximieren, die sie sammeln. Details wie Social Sentiment, Point-of-Sale (POS), Lagerbestand und Regalverfügbarkeit helfen alle, die kurzfristige Nachfragesichtbarkeit zu verbessern.

Nachfragemodellierung

Ein Nachfragemodell hilft, zukünftiges Kundenverhalten basierend auf vergangener Erfahrung vorherzusagen. Je mehr externe Quellen Sie in Ihr Modell einbeziehen, desto genauer und vorhersagekräftiger wird es. Externe Quellen können Social-Media-Feeds, Wettbewerbsinformationen, Wettervorhersagen und POS-Daten umfassen. Gekoppelt mit internen Datenquellen wie Verkaufshistorie, Promotionen und Neueinführungen kann diese Information ein viel genaueres Bild vergangenen Verhaltens und zukünftiger Trends zeichnen.

Probabilistische Prognose

Wenn Prognosen auf mehreren Variablen basieren, ist der alte „eine Zahl“ deterministische Ansatz zu simpel. Im Gegensatz dazu berücksichtigt ein probabilistischer, oder stochastischer, Prognoseprozess Unsicherheit, um Risiko zu managen. Mit probabilistischer Prognose analysieren fortschrittliche Algorithmen mehrere Nachfragevariablen, um die Wahrscheinlichkeit jedes möglichen Ergebnisses zu berechnen, und bestimmen dann, welches am wahrscheinlichsten eintritt. Dies bietet einen viel zuverlässigeren Weg, Vorhersagen zu treffen, wenn Nachfragemuster variabel sind, die Bestellhistorie begrenzt ist (wie beispielsweise bei neuen Produkten) oder Faktoren wie Saisonalität ins Spiel kommen.

Nachfrageprognose-Software

Die Wahl der richtigen Software ist entscheidend, um die gesammelten Daten effektiv zu analysieren. Nachfrageprognose-Software, die einen probabilistischen Ansatz einsetzt, modelliert Bottom-Up-Nachfrage für einzelne Artikel automatisch. Sie analysiert Auftragszeilen, um sowohl historische Nachfragemengen als auch Nachfragehäufigkeit zu modellieren, um eine genaue Schätzung der Volatilität zu geben. Das richtige System versteht den Unterschied zwischen dem Großbestellen von 20 Einheiten und dem Verkauf einzelner Einheiten desselben Produkts 20-mal. Es handhabt auch intermittierende „Long-Tail“-Nachfrage für langsamere Produkte, die schwer vorherzusagen sind. Es plant für Marktfaktoren wie Trends oder Saisonalität sowie organisatorische Faktoren wie nachfrageformende Promotionen, neue Produkte, Prognose-Bias und den Bullwhip-Effekt.

Menschliche Expertise und funktionsübergreifende Planung

Sobald Sie eine Baseline-Wahrscheinlichkeitsprognose generiert haben, brauchen Sie Menschen im Unternehmen, um sie zu verfeinern, indem sie ihr Wissen und ihre Expertise hinzufügen. Komplexe Nachfragefaktoren, wie Widersprüche im Verbraucherverhalten, werden am besten von einem gesamten Team menschlicher Analysten entwirrt.

Nehmen wir ein Beispiel aus der Modebranche. Gen-Z-Käufer tendieren dazu, Nachhaltigkeit zu priorisieren und „upgecycelte“ Secondhand-Kleidung zu bevorzugen. Sie sind auch die demografische Gruppe, die am ehesten bei „Fast-Fashion“-Unternehmen kauft, um mit wechselnden Trends Schritt zu halten. Um Sinn aus solchen Widersprüchen zu machen, müssen die Modeeinkäufer, die Trends analysieren, Notizen mit Merchandisern vergleichen, die näher an den tatsächlichen Verkaufszahlen dran sind. In jeder Lieferkette werden die Prognosen umso genauer, je mehr Menschen Sie in die Verfeinerung der Nachfrageprognosen über Finanzen, Marketing, Vertrieb, Operations und Ihre Kanalpartner einbeziehen können.

Wie der Supply-Chain-Guru Martin Christopher einmal sagte: „Einzelne Unternehmen konkurrieren nicht mehr als eigenständige Entitäten, sondern als Lieferketten.“ Nie war diese Aussage wahrer als heute. Unternehmen, deren Lieferketten am besten in der Lage sind, Nachfragevariabilität zu erfassen und darauf zu reagieren, werden nicht nur am resilientesten gegen Risiken sein; sie werden auch in der Lage sein, die besten Gesamtergebnisse für das Geschäft zu sichern.

David Barton ist General Manager, Americas, bei ToolsGroup.