Hva fanden nøler I Efter?

Det skrek Tordenskiold gjennom vinduet til den svenske kommandanten da den norske sjøhelten angrep Marstrand i 1716. Det samme kan skrikes ut når det gjelder økt utbredelse og mer profesjonelt bruk av metoder og verktøy for å beregne pålitelige salgsprognoser, prognoser som kan redusere usikkerhet, øke markedsandeler, forbedre utnyttelse av ressurser og utstyr, og dermed trygge lønnsomhet innen virksomheten.

Øyvind Engen

Etter møtet med Charles Chase er vi ikke i tvil, her er det muligheter. Det er faktisk en rekke tilgjengelige metoder for å beregne relevante prognoser, og det er høyst sannsynlig at relevante prognoser forbedrer styringen av de fleste forsyningskjeder. Charles Chase er kjent for sin bok «Demand-driven Forecasting» hvor han i et forståelig og vitenskapelig språk beskriver hvordan analytiske metoder og markedskunnskap kan kombineres inn i et strukturert rammeverk for å realisere den kritiske og ettersøkte koblingen mellom etterspørsel og forsyning.

Charles Chase er den fremste arkitekten og strategen innen det som SAS Institute leverer av løsninger for planlegging av etterspørsel generelt og prognosemetoder spesielt. Det er løsninger som primært er tilrettelagt for kunder av SAS Institute i den hensikt å forbedre disses forsyningskjeder. Han betegnes som ekspert innen optimalisert styring av forsyningskjeder med sin unike kompetanse innen metoder for prognoser, modeller for markedsresponser og økonometriske analysekonsepter.

Vi spør Charles Chase, naivt nok, om hvorfor det egentlig er så nødvendig og faktisk lønnsomt i det å beherske og bruke prognoser på en profesjonell måte.

- Her er det mange grunner. Noe skyldes produktene som sådan. Produktenes livssyklus blir kortere og kortere og omfanget av nye produkter øker. Det er rett og slett ikke tid og rom for å mislykkes i å koble planlagt etterspørsel og nødvendig forsyning.

Dernest tenderer gapet i ledetider å øke. Leveringstid nedstrøms til kunder presses ned, mens ledetider oppstrøms ovenfor underleverandører heller øker. Det krever forsyning mot prognose fremfor mot ordre.

Videre synes kundenes lojalitet å svekkes slik at deler av markedet kan forsvinne som reaksjon på manglende leveringer, også kalt utsolgt.

Ubalanse mellom markedsbehov og forsyning kan, ut fra det som er nevnt, føre til store lagerbeholdninger, overlagring av produkter og i verste fall ende med ukurans som en direkte tapskilde.

- Er dette bare antagelser og kvalitative betraktninger eller finnes det dokumenterte eksempler på målt lønnsomhet?

- Her har SAS erfaring med nettopp å måle effekten hos mange av sine kunder som har fått strukturert prosessene sine for salgsprognostisering og proaktiv behovsplanlegging. For halvparten av virksomhetene kan det vises til mer enn 6 prosent forbedring av lønnsomheten, 25 prosent oppgir mer enn 10 prosent forbedring. Resten viser til noe mindre forbedring eller at den positive effekten også skyldes flere samtidige tiltak.

- Når prognoser er så viktige og resultater kan dokumenteres, hvorfor er da gode prognoseprosesser fortsatt så lite utbredt og beskjedne i bruk at det må skrives bøker og misjoneres på seminarer, så som her på NIMAs Logistikkforum?

- Barrierene er der fortsatt, dessverre. Det kan skyldes selve forretningskulturen i virksomheten. Der kan være liten tillit til bruk av teoretiserte metoder og modeller. Den ledelsesmessige tryggheten føles dermed større ved å forholde seg til subjektivt satte mål enn til objektive prognoser.

Det kan skyldes organisering. Avdelings- og siloforankringen kan være godt etablert og så sterk at den overstyrer og svekker utviklingen av de gjennomgående forretnings- og arbeidsprosessene og dermed også etablering av en formell, enhetlig og synkronisert prognoseprosess. Prognosene forblir avdelingsvise.

Det kan skyldes for svak analytisk forståelse for årsak og respons i markedet. Effekt av salgsstimulerende tiltak som kampanjer og prisreguleringer bygges ikke inn som en justering og forklaring til de ekstrapolerende tidsseriemodellene som måtte brukes. Uunngåelige store avvik svekker tilliten.

Prognosemodeller fremstår ofte som akademisk og unødvendig kompliserte. Det i seg selv er avskrekkende. Men det er ikke å underslå på tross av det har avanserte modeller vært kjent i over 100 år og heftig presentert de siste 50 år. Det gjelder både tidsserieanalyser og multiregresjonanalyser, metode som er inngående forklart i boken allerede nevnt.

Det kan skyldes tilgang på egnede og fullverdige data. Men fangst av alle typer transaksjonsdata som spesifikke kunde- og butikkdata, markedsdata og for så vidt data langs hele forsyningskjeden bør være tilbakelagt. Men for struktureringen av data til relevant informasjon kan det være et stykke å gå.

Til slutt ender det likevel med en diskusjon av prognoseverktøy. Kjente algoritmer skal bygges inn i systemer slik at data kan samles, lagres og behandles og på en effektiv måte drive frem mønstre av markedsbehov. SAS har sine integrerbare systemverktøy, noen få leverandører av ERP-systemer har sine integrerte løsninger, samt at det er flere frittstående systemløsninger med ulik funksjonalitet.

- En identifisering av potensielle barrierer kan virke skremmende, men kjennskapen gjør det også mulig å overvinne disse barrierene, en for en. Hva er så en oppskrift på å etablere en levedyktig og verdiskapende prognoseprosess?

- Det første er å etablere kompetanse. Det betyr å gi et klart ansvar og rettigheter til en nøkkelperson med bakgrunn i analytiske metoder og forståelse for ulike markedsmekanismer.

Det må det installeres egnet teknologi, systemer som har modeller og algoritmer for å samle data, analysere hendelser som påvirker egen etterspørsel i markedet og, ikke minst, utlede løsninger som er både pedagogiske og interaktive.

En samlet ledelse må gi autoritet til prognoseprosessen. Alle fagmiljøene i virksomheten må få forståelse for hva en helhetlig prognoseprosess er, og akseptere nytteverdien.

Relevante data må gjøres tilgjengelig ved relevant valg, fangs og kvalitetssikring.

Også prognosene må kontinuerlige forbedres. Prognosefeil må analyseres og forstås, er det tilfeldige avvik eller er det signaler om signifikante endringer i market, avslutter Chase.

Slik kan det forsette med undrende spørsmål og et mangfold av betraktninger fra Charles Chase. Så for de mange med ambisjoner om å forbedre sin prognoseprosess for å kontrollere usikkerhet med mål å realisere potensiell lønnsomhet, anbefales «Demand-driven Forecasting». Det er 270 sider med inspirerende fakta om hva prognoser egentlig er i et forretningsmessig perspektiv, og det er en rekke eksempler på hvordan ulike virksomheter i praksis har brukt prognoser for å forbedre sine forretningsprosesser, både internt og eksternt.

www.logistikk-ledelse.no © 2011

Les hele saken

Svein-Ove Arnesenredaktør tungt.no

Vi setter stor pris på kommentarer og innspill i debattene våre. Vær forsiktig med personangrep, og prøv heller å forklare hva du mener og hvorfor. Takk for at du bidrar i debatten!