Die Absatzplanung verwendet vergangene Absatzdaten, z.B. fakturierte Absatzmengen oder Umsatzerlöse, und verwendet Prognosen, um sie für die Zukunft zu aktualisieren. Hierbei können statistische Prognoseverfahren wie Konstant-, Trend- und Saisonmodelle mit exponentieller Glättung oder linearer Regression zum Einsatz kommen.
Die Komplexität und der wettbewerbsorientierte Charakter der heutigen Geschäftswelt erfordert Strukturen, die bei der Entwicklung eines Absatz- und Produktionsgrobplans eine Vielzahl von Variablen berücksichtigen:
- Mehrere Quellen für Bedarfsplandaten. Beispielsweise basiert die Prognose des Herstellers auf den vergangenen Verkäufen und Verkaufsstellen eines Distributors direkt vom Händler.
Faktoren, die den Bedarf beeinflussen. Zum Beispiel die Größe des Vertriebs, Werbeausgaben, Preis, Aktionen und Saisonalität.
Bedarfsplandaten können mit Verkaufsorganisationen, Kunden und Lieferanten ausgetauscht werden.
In der kooperierenden Planung (Collaborative Planning) werden die eigenen Prognoseergebnisse mit den Prognoseergebnissen der Kunden abgeglichen. Im Rahmen einer kombinierten Prognose können mehrere Prognoseverfahren miteinander kombiniert werden und das Prognoseergebnis liefern.
Die kombinierte Prognose geht über die Idee der bestmöglichen Auswahl hinaus und kombiniert zwei oder mehr verschiedene Methoden, um die endgültige Prognose für die kurz- und mittelfristigen Horizonte zu erhalten.
Es ist möglich, einen gewichteten Durchschnitt zwischen zwei oder mehr verschiedenen Prognosealgorithmen in einem Prognosemodell zu verwenden, um das beste endgültige Prognosemodell zu definieren.
Gewichtete Durchschnittsprognose berechnen: Wenn Sie diese Methode wählen, können Sie den Prognosealgorithmen, die Sie dem Modell hinzugefügt haben, Gewichtungen zuordnen. Das System berechnet die durchschnittliche Prognose, nachdem es jedes Ergebnis mit der Gewichtung multipliziert hat, die dem Algorithmus zugeordnet ist, der für seine Berechnung verwendet wurde. Schieberegler machen die relativen Gewichtungen einzelner Algorithmen transparenter.
Es ist auch möglich, dass das System eine automatische Prognoseausführung durchführt. Dazu müssen Sie einen Anwendungsjob anlegen und zwei oder mehr verschiedene Prognosemodelle zuordnen. In diesem Fall müssen Prognosemodelle in der Konfiguration unterschiedliche Planungshorizonte verwenden.
Beispiel: Das erste Modell verwendet die Algorithmen Einfache exponentielle Glättung und Doppelte exponentielle Glättung für den Horizont zwischen Woche 1 und Woche 12 mit MAPE als Prognosefehlermaß, und das zweite Modell verwendet den Algorithmus für den gewichteten Durchschnitt für den Horizont zwischen Woche 13 und Woche 52 mit MAPE als Prognosefehlermaß.