3.2.4. Definition der Prozesse für die Absatzplanung

Nachdem wir unter Kapitel 3.2.3 die Strukturen für die Produkt-Dimension, Zeit-Dimension und Kunden-Dimension festgelegt haben, müssen nun die dafür benötigten Prozesse entwickelt werden. Der Prozess-Eigner für die Absatzplanung ist die Lieferkette. Der Vertrieb hat die Verantwortung den Forecast monatlich rollierend durchzuführen. Jeder Verkäufer gibt monatlich einen Forecast für seinen Kundenbereich ab. Als Unterstützung wird den Verkäufern der statistische Forecast zur Verfügung gestellt. Dieser dient als Orientierung für die Bearbeitung. Der Vorschlag kann vom Verkäufer angenommen oder adaptiert werden. Das Ziel ist möglichst realitätsnahe Planungssituationen zu bekommen. Der zeitliche Aspekt zur Erstellung eines Forecasts wird in der Abbildung 17 und der Planungshorizont in der Abbildung 16 dargestellt und im Kapitel 3.1.2 beschrieben.

Auf der Grundlage der historischen Muster der Nachfrage wurden 20 verschiedene Algorithmen verwendet, um statistisch die beste Prognose erzielen zu können. Die Algorithmen deckten die Bereiche von konstantem, linearem und saisonalem Trend zur doppelnden Glättung der Trendmodelle ab. (siehe Kapitel 2.2.4) Es wurde in einer Gruppendiskussion beschlossen, dass wir nicht einen Algorithmus verwenden, sondern dass die Prognose durch eine automatische Modellauswahl erfolgt. Heute können die Systeme automatisch Modelle auswählen und jenes mit dem geringsten Prognosefehler wird verwendet. Die Messmethode für die Prognosegenauigkeit ist der MAPE (mean absulte percentage error). Wenn die Prognose für weitere Monate durchzuführen ist, ist das Ergebnis ein gewichteter Durchschnitt der monatlichen MAPE ́s.

Abb. 22: Vergleich Erstellungslevel¹⁶⁰

Die ersten Ergebnisse zeigten, dass ein Herunterbrechen von der Forecast Ebene Gesellschaft, Segment, Hauptprodukt und Produkt auf die Forecast Ebene Gesellschaft, Segment, beliefernde Gesellschaft, Endkunden Konzern, Hauptprodukt und Produkt nur eine Genauigkeit von 44 % bietet und für einen Forecast nicht geeignet ist. Im zweiten Versuch wurde die Forecast Ebene Gesellschaft, Segment, beliefernde Gesellschaft, Endkunden Konzern, Hauptprodukt und Produkt hochaggregieren auf die Forecast Ebene Gesellschaft, Segment, Hauptprodukt und Produkt. Die Genauigkeit auf dieser Forecast Ebene zeigt 82 % und ist somit für einen statistische Forecast sehr gut geeignet. (siehe Abbildung 22) Von diesem Resultat waren alle sehr überrascht, da normalerweise eine Disaggregation der Forecast Ebene von Gesellschaft, Segment, Hauptprodukt und Produkt zu der Forecast Ebenen Gesellschaft, Segment, beliefernde Gesellschaft, Endkunden Konzern, Hauptprodukt und Produkt bessere Ergebnisse liefern müsste. Es wurde nun analysiert, warum das Resultat auf Basis Endkunden ein besseres Ergebnis liefert.

Folgendes konnte ermittelt werden: Bei einigen Großkunden mit hoher Absatzmenge konnte ein konstant und gut vorhersehbarer Verbrauch festgestellt werden. Insofern war die Entscheidung richtig, den Forecast für die fünf größten Kunden pro Segment, Hauptprodukt und Produkt zu erstellen. Die restlichen Kunden können in eine Gruppe zusammengefasst werden. (siehe Kapitel 3.2.3) Das Resultat dieser Ebene ist für die Planung und Steuerung der voestalpine Steel Division geeignet.

¹⁶⁰ Quelle: Verfasser