„Koľko tovaru potrebujem aby som uspokojil dopyt zákazníkov?“ Budem mať dosť materiálu na výrobu a uspokojenie budúcich zákaziek?“ Každý, kto sa dlhšie zaoberá otázkami tohto typu má problém odhadnúť koľko je dosť.

Tieto otázky sú ohraničené dvoma úplne odlišnými hranicami. Ak mám tovaru veľa, tak je plný predajný pult, prípadne sklad. Zákazník sa nebude sťažovať. Tí, ktorí sa budú určite sťažovať sú finanční manažéri. Zbytočne veľké zásoby viažu peniaze a zaberajú miesto a to sú samozrejme tiež peniaze.

Úplným opakom je ak mám aj málo tovaru. Zákazník má pocit, že niečo v tom obchode nefunguje, nenájde to čo hľadá. Miesto kde bol uložený tovar je prázdne a svieti tam len cenovka. Tí lepší dajú na prázdne miesto ceduľku, kedy tovar očakávajú. To už je tiež plus, lebo zákazník má aspoň pocit, že to „jeho“ obchod rieši a nabudúce dostane to čo očakával.

Problém nastane vtedy ak sa táto situácia zopakuje. Vtedy zákazník nedostáva to čo by chcel. Lojalita zákazníkov klesá a odchádzajú inam. Obchod poznačí plazivý pokles tržieb. Tento trend je veľký problém zvrátiť, pretože dostať zákazníka späť do obchodu je extrémne náročné a drahé.

„Ako vyriešiť to aby bol zákazník spokojný a finančníci sledujúci ukazovatele v podniku tiež?“ „Ako mať dosť a nie príliš veľa?“ Znovu sa dostávame na začiatok našich úvah.

Riešenie je zaviesť systém na plánovanie nákupu na základe predpovede dopytu.

Čo je potrebné mať?

V prvom rade je to história a tou sú kvalitné dáta o predajoch, resp. v prípade výrobných spoločností o spotrebe. Pre zjednodušenie budem hovoriť o predajoch. Takéto dáta musia byť správne, jednoznačné a úplné. Ani ten najlepší algoritmus pre predpoveď nedokáže následne správne vypočítať budúci vývoj predaja.

Je dobré ak tieto dáta obsahujú údaje o charaktere predaja, teda s tých dát musí vedieť algoritmus správne prečítať pohyby tovaru, ktoré môžu byť výnimočné a odlišujú sa od bežného vývoja predaja. Nezaujíma nás len predaj v čase, ale môže nás zaujímať aj napríklad cena. V prípade, že meníme cenu, tak očakávame, že bude predaj stúpať alebo klesať v závislosti od toho či je cena priaznivá alebo nie. Môžem predávať viac za nízku cenu, alebo menej za vyššiu cenu. Je veľmi zaujímavé sledovať či zarobíte viac ak predáte viac, alebo zarobíte menej aj keď predáte viac.

Dobrými údajmi o predajoch to nekončí, ale len začína. Tie sú nutné pre výpočet budúceho predaja. V ďalšom kroku potrebujem správne údaje o aktuálnych zásobách. To si určite poviete, veď to je jasné. Jasné je to dovtedy pokiaľ zistíte, že realita býva iná a vie prekvapiť. Udržať si aktuálne skladové zásoby je postrach každého, kto má na starosti sklad ako taký. Či už sú rozdiely zavinené „stratou v čase“, alebo skutočne objektívnymi okolnosťami ako sú prirodzené úbytky na hmotnosti vplyvom skladovania. Bez správnych zásob algoritmus predpovede bude navrhovať hlúposti, z ktorých nikto nebude nadšený.

Dôležité sú údaje o tovaroch. Každý tovar a skupina tovarov má svoje špecifiká a vyskytujú sa v nákupoch zákazníkov s rôznou intenzitou. Tie, ktoré konzumujeme denne sa nakupujú často. Ďalšiu skupinu tvoria tie menej frekventované. Toto sú dôležité kritériá, ktoré sú už zahrnuté v samotnej histórii predaja, ale sú aj iné aspekty, ako je napr. povinnosť mať tovar na predajni v nejakom množstve – minimálna zásoba. Tak isto do tejto kategórie spadajú informácie o baleniach tovaru, v ktorých je možné objednávať. Takéto informácie väčšinou obsahujú už lepšie informačné systémy.

Viac sa dočítate na: Riadenie obchodu a Microsoft dynamics NAV

Základom sú kvalitné dáta o dodávateľoch, pretože musím vedieť v akých baleniach a v akých termínoch je dodávateľ schopný tovar dodať.

Algoritmus plánovania musí vedieť na aké obdobie je potrebné objednať. Nabudúce ak príde dodávateľ s dodávkou, aby bol ešte tovar na sklade a pult nebol prázdny. Tie lepšie systémy vedia zohľadniť kvalitu dodávateľa, pokiaľ si môžem vybrať.

„Dodržal dodávateľ čo sľúbil?“ „Prišiel s tovarom načas?“ „Akú má cenu?“ Môžu byť situácie kedy jeden dodávateľ má na sklade dostatočné zásoby, ale je drahší ako druhý lacnejší dodávateľ, ktorý tovar musí objednať. Ideálne je, ak viem svoju potrebu dostatočne včas, tak aby som objednal za čo najlacnejšie.

V prípade ak sa jedná o plánovanie nákupu pre maloobchod je potrebné poznať umiestnenie a veľkosť predajnej plochy. Pretože nie každé umiestnenie predajne je rovnako atraktívne pre zákazníkov.

Tak isto je dôležité vedieť ako veľká je predajňa, pretože zväčša platí, že do veľkých predajní sa robia väčšie nákupy, napr. víkendové, na sviatok a podobne. Väčšie predajne majú širší sortiment. Menšie predajne zase majú sortiment užší, ale zase sa nachádzajú bližšie k bydlisku zákazníka. Zákazník nemusí toľko cestovať. V prípade, že plánujeme dopyt vo veľkoobchode, alebo výrobe, tak nie je tento aspekt dôležitý.

A teraz opačný pohľad na situáciu. Pokiaľ sú zákazníci identifikovaní, spravidla veľkoobchod, tak skúmanie dopytu pomenovaných zákazníkov je veľmi dôležité. Samozrejme nie je to možné takto striktne deliť, pretože aj v sfére maloobchodu sú často využívané vernostné systémy a máme možnosť poznať zákazníka lepšie. V tomto prípade má táto informácia väčší zmysel pre marketing – oslovenie zákazníka priamo s nejakou ponukou.

Aké nástroje sa používajú?

Samozrejme tak ako všade, produktov je veľa. Od tých jednoduchších, ktoré používajú štatistické metódy a rôzne podoby interpolácií, až po systémy, ktoré využívajú umelú inteligenciu a strojové učenie.

Pri výbere takého riešenia treba byť obozretný a zaujímať sa o to ako tieto systémy pracujú. Je lepšie ak takýto systém má lepšiu matematiku ako grafické znázornenie. V mnohých prípadoch je populárne čo je „pekné“ a nejde sa do hĺbky. Ale priznajme si, keď si kupujete auto koľkí s Vás študujú detailné technické špecifikácie výrobcu a konštrukciu.

Z tých skutočne profesionálnych riešení odporúčam sa zaoberať riešeniami na báze MS SQL 2016 Enterprise Edition. Do popredia sa presadzujú riešenia na báze cloud riešení Azure od spoločnosti Microsoft.

Čo s výsledkami prognóz?

Výsledky prognóz môžeme použiť dvoma hlavnými spôsobmi. Prvá úroveň je strategická, teda výstupy sú určené pre pracovníkov oddelenia nákupu a zásobovania, či už v oblasti obchodu, alebo výroby. Vtedy výsledné riešenie musí mať dobré používateľské spracovanie a výstupy prezentované buď v MS Excel, alebo lepšie v MS Power BI.

Viac sa dočítate na: Analytické systémy BI

Druhou možnosťou je poskytnúť dáta o predpovedi predaja podnikovému informačnému systému (ERP) a ten pokiaľ zabezpečuje funkcionalitu nákupu tovaru, tak tieto dáta môže použiť na spočítanie potrebného množstva na nákup. Zvyčajne pri plánovaní nákupu je treba zohľadniť faktory ako je aktuálna zásoba na sklade, tovar, ktorý je objednaný a je na ceste, dobu za akú je dodávateľ schopný tovar dodať, obchodné balenia tovaru …

Následne spracovaním týchto údajov je možné navrhnúť množstvo na objednanie a to vložiť do nákupných objednávok pre dodávateľa.

Čo získame?

Zavedením procesu predikcie dopytu získame systém plánovania nákupu, ktorý nám umožní aizovať a spresniť množstvo tovaru, ktoré potrebujeme nakúpiť. Tým sa ľudský faktor posunie z pozície výkonnej do pozície kontrolnej. Tak isto získame riešenie, ktoré zabezpečí zefektívnenie nákupu, zvýšenie obrátky tovaru, eliminuje ležiaky a priaznivo ovplyvní CASH FLOW podniku.