Planering av efterfrågan eller demand planning: vad är det och varför är det viktigt?

Det finns faktiskt vissa produkter där ökningen och minskningen av efterfrågan är så betydande att den ger en fingervisning om den globala ekonomins status i stort.

Har du till exempel hört talas om läppstiftsindexet?

Det är en term som myntades av Leonard Lauder, styrelseordförande för kosmetikaföretaget Estee Lauder. Indexet beskriver den ökade försäljningen av mindre, billigare varor under tider av ekonomisk recession.

Kort sagt kan anledningen till att produkter som dessa flyger iväg från hyllorna ibland tillskrivas deras användningsområde och pris. Läppstift, till exempel, erbjuder ett billigt ögonblick av glädje. Därför köper människor som använder läppstift ofta mer av det när det finns mindre pengar att använda.

Det är en liknande historia när det gäller försäljningen av herrunderkläder. Men i stället för att försäljningsökningen skulle vara ett tecken på oroväckande tider är det tvärtom.

Efterfrågan på herrunderkläder är så konstant att ekonomer kan använda även en liten nedgång i efterfrågan för att förutse en nationell recession.

Det finns dock problem med båda dessa idéer.

Nya studier har visat att stora globala händelser kan minska deras relevans. Den senaste pandemin är ett bra exempel på detta.

Faktum är att vissa teoretiker har problem med att hänga sin hatt på både läppstifts- och underklädesindexen. Trots att de till en början är robusta när det gäller att förutsäga marknadsförändringar, så gör stora händelser att sannolikheten för att de ska vara riktiga mätare ofta försvinner.

Om du inte lämnar huset, varför ska du då köpa läppstift?

Vad har detta att göra med din planering av efterfrågan?

Visst var dessa index ganska bra barometrar för kommande problem fram till pandemin slog till. Men saker och ting förändras!

Samma sak gäller för att förutse efterfrågan på produkterna i ditt sortiment.

Så hur vet du om dina prognoser är tillräckliga?

Finns det något sätt att förankra den nuvarande försäljningen i framtida prognoser när efterfrågan fluktuerar dramatiskt? Eller är du för alltid dömd att hålla ett blött finger i luften när du tittar på den annalkande orkanen?

Frågor, frågor, frågor…

Här är några viktiga frågor, brinnande önskemål och frågetecken som besvaras i den här praktiska guiden för planering av efterfrågan.

• Hur vet du om din efterfrågeprognos är “bra”?
• Finns det något som kan tyda på att din prognos är “dålig”?
• Vilka faktorer påverkar kvaliteten på dina efterfrågeplaner?
• Vilka åtgärder bör du vidta för att minska fel i prognoserna om efterfrågan och när?

I den här guiden ger vi dig praktiska tips som hjälper dig att skapa bättre prognoser och anta ett mer robust tillvägagångssätt för efterfrågestyrning.

Varför är planering av efterfrågan eller demand planning nödvändig inom supply chain management?

Innan vi går vidare till de positiva aspekterna av planering av efterfrågan är det värt att tänka på de negativa aspekterna av att inte göra det eller att göra fel.

Du kan drabbas av slut på lager, överskottslager, ökade (och helt undvikbara) kostnader, waste, missnöjda kunder, varumärkes- och PR-problem, sjunkande aktier, missnöjda intressenter, listan kan göras lång och lång.

Och låt oss säga att du bara är ett litet företag med ett fåtal produktlinjer. Du kanske frestas att göra bästa möjliga gissningar eller att skippa processen. Med tanke på de potentiella fallgropar som finns är det ingen bra idé.

En bra prognos hjälper dig att anpassa efterfrågan till utbudet.

Det hjälper dig att fatta framgångsrika strategiska beslut.

Det bidrar till att göra verksamheten transparant och tydlig. För varje person, på varje avdelning.

Uppriktigt sagt är de positiva effekterna för många för rabbla upp här.

Vad är efterfrågeplanering? Och hur ser en bra efterfrågeprognos ut?

Om du letar efter en definition av efterfrågeplanering har du kommit till rätt ställe.

Effektiv planering av efterfrågan handlar om att hantera det oväntade.

Föreställ dig följande scenario:

“Väderprognosen ser bra ut i dag”, tänker du och går ut ur huset utan jacka.

Men en halvtimme senare skriker du “Var kommer regnet ifrån?!”, genomblöt till oigenkännlighet och med nävarna riktade mot himlen.

Det roliga med prognoser är att de per definition alltid är felaktiga.

Dina planer för efterfrågan är inte annorlunda.

Ta en väderprognos.

Betyder en 30-procentig risk för regn att det finns en 30-procentig sannolikhet för regn i det område som avbildas? Eller att 30 procent av det förutspådda området definitivt kommer att få regn.

Svar: Det beror på.

Faktum är att inte ens meteorologer är överens om hur man ska mäta sannolikheten för nederbörd. Det beror ofta på vilken prognos man tittar på. Men om de inte berättar hur de räknar ut det, hur ska du då kunna veta det?

Hur användbar är väderprognosen för dig enligt denna beräkning?

För att svara på detta är det viktigt att tänka på felmarginalen och inte på den totala prognosen. Om det till exempel är 0,1 % risk för nederbörd spelar det ingen roll hur de räknar ut det. Lämna jackan på hyllan.

Om det finns en 50-procentig chans spelar det dock roll.

För de flesta företag är verkligheten den att de behöver snabba och tillförlitliga insikter nu. Inte veckor av prognoser eller byggandet av en båge för dåligt väder som aldrig kommer.

Topptips: När det gäller behovs- och lagerplanering finns det många rörliga kuggar. För att förstå hur efterfrågeplanering passar in i din verksamhet i stort, klicka här och läs vår viktiga guide till lagerhanteringsprocesser.

Hur man gör demand planning: Checklista för framgång

Här finns en checklista som hjälper dig att analysera underlaget för din planering av efterfrågan och lager.

1. Är din prognos en bra återspegling av verkligheten?
2. Kan dina planer för efterfrågan förklaras och lätt förstås?
3. Har verksamheten, inklusive alla medlemmar i alla team, förtroende för prognosen?
4. Kan du använda prognosen för att planera framtida beställningar, påfyllning och allokeringsprocesser med säkerhet?
5. Kan processen för att bygga upp efterfrågeplanerna kopieras?

Om du svarar ja på alla dessa frågor är det mycket troligt att din planeringsprocess för efterfrågan är på rätt väg.

Men om du svarar nej på någon av dessa frågor kan det tyda på ett mycket större problem.

Vilka faktorer påverkar kvaliteten på dina efterfrågeplaner?

Det är troligt att du är beroende av din planeringsprocess för att fatta några viktiga beslut.

Det betyder att du måste vara säker på att kvaliteten på dina planer för efterfrågan är god.

Nedan kommer vi att dela upp de olika faktorer som kan påverka kvaliteten på både dina prognoser för efterfrågehantering och den efterföljande strategin för din organisation.

För att bygga upp en förstklassig process för planering av efterfrågan behöver du alla dessa faktorer!

1. Kvaliteten på dina uppgifter

Har du någonsin fått frågan om du behöver en kappa?

Trots att de vet att du inte har lämnat huset i dag, att du inte har tittat på prognosen och att du har exakt samma information som de har.

På samma sätt som du inte är en kvalificerad meteorolog men ändå blir tillfrågad om din åsikt om vädret, behöver du rätt data för att skapa en bra prognos.

Om du lägger in dåliga data i din prognos får du dåliga data från den. Du bör prioritera högkvalitativa data vid varje tillfälle.

Detta innebär att luckor i din efterfrågehistorik på grund av tidigare lageruttag beaktas. Det innebär att engångshändelser som kampanjer “rensas” upp. Det innebär att externa marknadskrafter analyseras och att effekterna förstås.

Ju mer detaljerad och kritisk du är med uppgifterna, desto mer detaljerad och användbar kommer prognosen att visa sig vara när det är dags att döma.

Topptips: För att fatta bra beslut behöver du bra data. Kontrollera om dina data är bra med vår praktiska guide för masterdata.

2. Hur mycket historik du har att basera din prognos på

“Det ser inte ut som regn, men vi bor i Manchester.”

Det låter självklart, men ju färre uppgifter du har, desto mindre tillförlitlig är din prognos. Du har små möjligheter att förutsäga framtiden om du inte vet något om det förflutna.

När det gäller en produkt som du har sålt i flera år har du en mycket bättre uppfattning om vad som kommer att hända än när det gäller en ny produkt som precis har lanserats.

Med mer historik som grund för att bygga en plan för efterfrågan kan du se nya trender och säsongens inverkan.

Och tack vare den långa livslängden kan du jämna ut oväntade förändringar, till exempel oväntad efterfrågan eller nedgångar.

Vi måste dock vara försiktiga. Mycket kan förändras inom loppet av några år. Är den stora beställning du fick för fyra år sedan fortfarande relevant? Är det troligt att en ny global pandemi kommer att bryta ut, eller kan du vila på dina lagrar för tillfället?

Detta leder oss till punkt 3…

3. Horisonten som du försöker förutse

Ju längre räckvidd din prognos har, desto mindre säker bör du vara.

För när det kommer till kritan kan ingen exakt förutse framtiden.

Ja, det är möjligt att göra kvalificerade gissningar baserade på historiska data på kort sikt. Men att förutse hur världen kommer att se ut om tre år är minst sagt en utmaning.

För att inte tala om att skapa en robust prognos som du kan ställa din klocka efter.

4. Volatilitetsnivån på marknaden

Det kommer alltid att finnas saker i livet som vi inte kan kontrollera. Det är kanske mindre viktigt att säga det nu än vad det skulle ha varit för två år sedan. Men att bedöma den förutspådda volatilitetsnivån är ganska svårt.

Låt oss ta ett par exempel på verklig planering av efterfrågan.

Det är inte många som hade räknat med att COVID-19-pandemin skulle pågå så länge som den har gjort.

Betyder det också att marknaden kommer att vara mindre volatil under de kommande två åren i jämförelse?

Hur är det med den pågående levnadskostnadskrisen? Det finns väldigt lite du kan göra åt den. Men det hindrar inte dina kunder från att ändra sitt köpbeteende.

Marknaderna är oförutsägbara till sin natur. Om marknaden är instabil kommer din prognos i allmänhet att vara mindre tillförlitlig.

5. Nivån och kvaliteten på marknadsinformation.

Statistiska prognoser är en bra början.

Men många företag kämpar med att fånga upp och integrera marknadsinformation på vägen dit. Detta är viktig information som kan ge en bild av den framtida efterfrågan.

Att komma ihåg att analysera källan bör dock stå högt på dagordningen. Både det bästa och det sämsta med marknadsinformation är att den kan komma från många olika källor.

Det kan vara insikten hos säljteamet som talar med kunden varje dag. Men Anna kan ha andra insikter än David på grund av deras olika marknadsplatser.

Det kan vara din kunds inköpsprognos. Men en stor kund kan ha en mer tillförlitlig prognos än flera mindre kunder.

Eller så kommer den från stora datakällor. Det är en ackumulering av miljoner olika datamängder. Men en datavetare kan berätta en historia, medan en annan kan berätta en annan historia.

Så vem litar du på? Det är upp till dig att ta reda på det.

Men rätt marknadsinformation kan ge kraftfulla insikter om hur den framtida efterfrågan kommer att se ut, vilket statistik ensam inte kan mäta sig med.

Hur identifierar jag prognosfel?

För vissa produkter behöver vi mer tillförlitliga prognoser än för andra.

Ta till exempel livsmedel med kort hållbarhet. Du skulle behöva mer exakta prognoser per lagerhållningsenhet, per butik, dag för dag, än vad du skulle behöva för något som t.ex. muttrar och bultar.

I slutändan behöver vi en prognosprocess som ger tillförlitliga resultat och som också varnar oss när saker och ting avviker från det normala.

Vilken typ av undantag i efterfrågeplaneringen måste vi se upp för?

“Det ser ut att bli en varm dag där ute, om inte vinden ändrar riktning.”

Undantag för tillfällig efterfrågestyrning:

Tillfälliga undantag är sådana som vanligtvis gäller en enskild månad som avviker från prognosen.

Det kan hända att avvikelsen är betydande och ändrar den allmänna prognosen. Såvida du inte kan redogöra för den.

Annars kan avvikelsen påverka din prognos för de kommande månaderna på ett felaktigt sätt.

Undantag för strukturell efterfrågestyrning:

Om din faktiska efterfrågan är strukturellt svängig och inte överensstämmer med prognosen kan du definiera denna analys som nya trender.

Men ditt efterfrågemönster kan bara betraktas som en trend när efterfrågan ökar (eller minskar) runt ett visst tröskelvärde. Typiskt sett kan detta vara en variation på cirka 8 % från månad till månad. Utan denna grad av rörelse är det troligt att fluktuationen kan vara onormal.

Och när du vet om det är en trend eller en avvikelse måste du anpassa din prognosmetod på lämpligt sätt.

Topptips: I en perfekt värld skulle din verksamhet gå exakt som planerat. I verkligheten kommer ditt företag att ställas inför många utmaningar. Det är viktigt att du håller koll på dessa dalar och toppar i efterfrågan och utbud. För att få hjälp med att avgöra vilka problem i leveranskedjan som du måste se upp för kan du klicka här för att titta på vår infografik om lagerkontroll.

Hur anpassar jag min planering av efterfrågan till den faktiska efterfrågan?

Vi har delat med oss av våra tankar om planering av efterfrågan. Vi har talat om vad som räknas som en “bra” efterfrågeprognos, vilka uppgifter du behöver och vilka undantag du måste se upp för. Men vad händer nu?

Här är några avslutande tankar som hjälper dig att skapa bättre taktik för planering och hantering av efterfrågan.

1) Låt den historiska efterfrågan styra dig, men fokusera på det som är mest relevant.

Visst, vi gillar mycket historia om efterfrågan. Men som vi har sett kan världen ha förändrats. Kanske har du nyligen fått en ny kund, eller så är den efterfrågetopp som säljteamet fortfarande talar om ett avlägset minne för alla andra. Hur som helst kanske du vill oroa dig för de senaste efterfrågemönstren.

För att göra detta bör du i din prognos lägga större vikt vid de senaste månaderna, eftersom dessa sannolikt bättre återspeglar den omedelbara framtida efterfrågan än äldre uppgifter (t.ex. för tre år sedan) som kan ha förlorat sin relevans.

Vad händer om den senaste efterfrågan är mindre relevant? Föreställ dig att du har drabbats av en rad förlamande lagernivåer under de senaste månaderna på grund av alla störningar i leveranskedjan. Den minskning av efterfrågan som du ser i data är förmodligen inte en sann återspegling av den faktiska efterfrågan.

I det här fallet kan du behöva utesluta vissa perioder från din planering av efterfrågan.

2) Ignorera efterfrågeklasser på egen risk

Visst, vi gillar mycket historia om efterfrågan. Men som vi har sett kan världen ha förändrats. Kanske har du nyligen fått en ny kund, eller så är den efterfrågetopp som säljteamet fortfarande talar om ett avlägset minne för alla andra. Hur som helst kanske du vill oroa dig för de senaste efterfrågemönstren.

För att göra detta bör du i din prognos lägga större vikt vid de senaste månaderna, eftersom dessa sannolikt bättre återspeglar den omedelbara framtida efterfrågan än äldre uppgifter (t.ex. för tre år sedan) som kan ha förlorat sin relevans.

Vad händer om den senaste efterfrågan är mindre relevant? Föreställ dig att du har drabbats av en rad förlamande lagernivåer under de senaste månaderna på grund av alla störningar i leveranskedjan. Den minskning av efterfrågan som du ser i data är förmodligen inte en sann återspegling av den faktiska efterfrågan.

I det här fallet kan du behöva utesluta vissa perioder från din planering av efterfrågan.

Frekventa, normala och löpare

· Det här är produkter där efterfrågan är konstant och förekommer varje månad.

· Eftersom volatiliteten är relativt låg kan vi förutse efterfrågan med god säkerhet.

Lumpy, Irregular & repeaters

· För dessa artiklar har vi en ganska regelbunden efterfrågan under de flesta månader;

· Eftersom volatiliteten är lite högre är det troligt att det finns en högre grad av osäkerhet;

Långsamt, sporadiskt och främlingar

· Efterfrågan på dessa produkter är vanligtvis mycket sällsynt;

· Följaktligen är det dessa poster som är svårast att planera för;

Behovsklasser är ett användbart verktyg när det gäller planering av efterfrågan för stora sortiment.

För att säkerställa bästa möjliga prognos måste vi dock se till att prognosmodellen fortfarande är relevant. Om efterfrågan på en regelbunden produkt plötsligt blir ostadig bör vi därför anpassa prognosmodellen för att återspegla detta.

3) Förvänta dig det oväntade när det gäller efterfrågestyrning

Vi har talat om olika typer av efterfrågeklasser. Men hur är det med artiklar med efterfrågeprofiler som ligger utanför dessa parametrar?

Vi kan definiera denna klass som “annan”.

Och det finns många exempel.

Kanske är efterfrågan på en produkt denna månad redan mycket högre än vad som förväntas för månaden (och vi har fortfarande några veckor kvar att täcka in).

Eller kanske produkten är ny och vi har ingen historik över efterfrågan? Om du precis har introducerat en produkt på marknaden, kan du lita på en veckas försäljningsdata?

Eller så är produkten föråldrad, och all denna efterfrågehistoria är nu helt irrelevant. Eller ännu värre, en av komponenterna i tillverkningen är föråldrad, trots att efterfrågan fortfarande är stabil.

Topptips: Det kan vara svårt att fånga nyanserna i din verksamhet. Särskilt om du är beroende av kalkylblad eller ERP-system. Ta reda på hur vår avancerade plattform för efterfrågeplanering kan hjälpa dig att automatisera din efterfrågeplaneringsprocess för att skapa en mer robust bild av framtida efterfrågan.

Några avslutande tankar…

Detta kan kännas som mycket information att ta hänsyn till när du tittar på dina möjligheter att planera och hantera efterfrågan som företag.

Men eftersom det är så viktigt att planera efterfrågan på ett effektivt sätt är varje punkt värd att beakta.

Om du vill ha mer information eller hjälp med någon av de detaljer som diskuteras på den här sidan, klicka här för att boka ett samtal med Slimstock, så kommer du att nagla din prognos- och affärsstrategi i kanten för många år framöver!