Voorspellen is lastig, vooral als het over de toekomst gaat*

Met de herfst in volle gang is het wellicht wat lastig voor te stellen dat we nog maar een paar maanden geleden druk aan het discussiëren waren over het weer. Of meer precies: over het voorspellen ervan. Zelfs op politiek niveau werd er gediscussieerd over de waarde en inhoud van de weersvoorspelling dan wel weersverwachting. Het bedrijfsleven liep inkomsten mis.

Niet alleen door het slechte weer, maar vooral door de slechte weersvoorspelling. Bij een verwachte temperatuur van gemiddeld vijftien graden bleken mensen massaal weg te blijven van de terrassen in Hoek van Holland. Jammer als het dan toch twintig graden bleek te worden. Wie waarvoor verantwoordelijk is, is wat mij betreft in deze discussie niet zo interessant. Wel interessant is dat er blijkbaar een erg directe relatie is tussen de weersvoorspelling en het consumentengedrag (om niet te zeggen het consumentenhumeur). Tot zover nog geen nieuws, hoop ik. Maar nu even verder inzoomen.

Hoe is er een verband te leggen tussen de omzet (als gevolg van terrasbezoek) en het weer? Hoe is aan te tonen wélke omzet we als horeca-eigenaar wel of niet maken, als gevolg van het weer. Welke andere variabelen hebben invloed, al dan niet in combinatie met het weer, op de verschillende soorten omzet (ijsjes of koud bier)? Is er ook een verband tussen het weer en de aanlevering van de goederen om deze omzet te realiseren? Wellicht kunt uzelf deze rij met vragen aanvullen of is het al een onderdeel van uw dagelijkse werkzaamheden om hierover na te denken. Kortom, in hoeverre past u geavanceerde analytics toe in uw dagelijkse werkzaamheden?

Promoties
Wanneer er over dergelijke zaken nagedacht wordt, rijst wellicht de vraag hoe de impact van deze en andere invloeden te stimuleren of te beperken is. Hoe en waardoor ontstaat er wellicht minder variabiliteit of kun je ieder geval goede voorbereidingen treffen om de vraag aan te kunnen. Een voorbeeld hiervan is een promotionele activiteit, waardoor de vraag naar een product gestimuleerd wordt. Ook hierbij is het goed om te kijken naar de invloed die een actie precies heeft en wat dat eventueel betekent voor andere producten.

Praktijk
Een concreet voorbeeld van een grote multinational in de Fast Moving Consumer Goods die hier al langer mee bezig is, is Nestlé. In Nestlé’s make-to-stock omgeving zijn betrouwbare vraagplannen cruciaal om prijsstelling en beschikbaarheid te optimaliseren. De divisie diepvriesproducten heeft er een groot belang bij om nauwkeurig te kunnen voorspellen waar en wanneer de producten moeten worden geleverd. Met geavanceerde software zijn ze in staat te anticiperen op veranderingen in de vraag naar deze producten en zijn optimale voorraadniveaus haalbaar.  Daarmee heeft Nestlé de kosten sterk weten te verlagen evenals de kans op out-of-stock.

Ik durf Nestlé rustig een zonnige toekomst te voorspellen…

Patrick van Loon is Business Solutions Manager Supply Chain Intelligence bij SAS Netherlands

 *Bron: Mark Twain