Forecasting en decision making in de praktijk



Forecasting - de naam zegt het al een beetje - is het maken van een bepaalde voorspelling. In ons geval betekent dat het maken van een voorspelling op basis van data. Deze forecasting gaat over de toekomstige vraag in de markt naar een bepaald product. Hierdoor kan de aanbieder beter inschatten welke benodigdheden hij moet inslaan om aan de verwachte vraag te voldoen. Door middel van een speciaal ontwikkeld model verzamelen wij alle achtergrond informatie, waardoor uiteindelijk automatisch de juiste beslissingen worden genomen. Dit noemen we ‘factual decision making’. Je haalt tenslotte pas de echte meerwaarde uit data als je daar betere (automatische) beslissingen op neemt. Dit is wat wij al jaren in praktijk brengen voor retailers. Hoe Veneficus dit voor elkaar krijgt? Ik leg het uit in deze blog!

De vier stappen naar factual decision making

Om de juiste beslissingen te maken gebruiken we de vier stappen in bovenstaand figuur. De eerste stap is observeren. Een voorbeeld: ik stel mijzelf ter observatie de vraag hoeveel pakjes boter ik de afgelopen week heb verkocht. Dit zijn de BI toepassingen . Om tot een automatische beslissing te komen, dien ik eigenlijk de volgende vraag te stellen: waarom verkoop ik dit aantal en hoeveel verkopen we als we een promotie met boter doen? Dit zijn de Analytics en zitten in de stappen diagnose & voorspellen. Je wil dit natuurlijk optimaliseren en daar komt het dirigerende om de hoek kijken: welke promotie moet ik doen en hoe groot? Door dit helder te hebben creëer je echt de meerwaarde voor een bedrijf!

Zo ook voor een retailer in het Fast Moving Consumer Goods (FMCG) segment. Databases met verkopen en promoties worden real time geüpdatet. Dagelijks worden nieuwe modellen geschat om de effectiviteit van promoties te verklaren én te voorspellen. Deze voorspellingen sturen een optimalisatie algoritme aan. Hierbij worden netjes logs bijgehouden en de uitkomsten worden automatisch gemonitord.

De voordelen voor retailers:

  • Begrijp en voorspel wat er zal gebeuren
  • Optimalisatie van resource planning wat leidt tot lagere kosten
  • Goede winstvoorspellingen voor de komende maanden/jaren
  • Klanttevredenheid vergroten door out-of-stock te minimaliseren
  • Voorkomen van capaciteitsproblemen
  • Maak beslissingen data-driven en blijf concurrenten voor
  • Kiezen van de beste promoties

Wat kunnen we voorspellen?

Met de juiste data en goede econometrische modellen voorspellen we van alles! Naast de effectiviteit van promoties in de komende weken voorspellen we bijvoorbeeld ook de reactie van klantgroepen op gerichte mailings of de optimale afbakhoeveelheid op de broodafdeling van supermarkten.



Hoe werkt het?

Op basis van historische data ontdekken we patronen om verkopen te voorspellen
per uur, dag of maand. Wanneer de data dit toelaat, worden voorspellingen
continu geüpdatet om snel in te spelen op veranderingen in verkopen. Door dit
geautomatiseerd en frequent doen ben je zeker van de juiste voorspellingen.



Data verkenning

Tegenwoordig worden we omringd door een enorme hoeveelheid data die kan helpen bij sales voorspellingen. Denk hierbij aan:
  • sensor data
  • data van de overheid
  • weer data
De toegang tot deze data en het opslaan ervan wordt met de dag makkelijker. Het combineren van interne en externe databronnenmaakt het mogelijk om sales beter te voorspellen.


Analyse

De match tussen: uw vraag, interne- en externe data, analyse modellen. Econometrische modellen selecteren en analyses runnen. Meer omzet, extra klanten, minder kosten en verhoogde efficiëntie.


Online tool

Beslissingen nemen op basis van feiten. Visualisaties geven u inzicht in de data of analyseresultaten. Inzichten kunnen met de hele organisatie gedeeld worden, of zelfs met de wereld. Controle over de totale analyseflow: data verkenning,
analyse, visuals, interactieve rapporten. Kennis over datagebruik, toegevoegde variabelen, code versies en model resultaten.

Joost van der Zon

Auteur: Joost

Functie: Partner

Terug