- “Vul onze verkooppunten aan met DDMRP voor permanente producten, OK, maar zou je dit ook voor promotionele producten kunnen doen? ” krijgen we als vraag van onze klant.
- “Eh, ja, nou, nou, waarschijnlijk, eh, het zou moeten werken, ja, maar laten we er even over nadenken…”
Een jaar later, na meerdere simulaties op basis van de verkoophistorie en de uitvoering van tien promotiecampagnes, is de demonstratie er: het werkt heel goed, maar het model moet worden aangepast.
Hoe bereken je ADU (Gemiddeld dagelijks verbruik)?
De uitdaging in de Retail sector is om regelmatig de verkooppunten zo gelijkmatig mogelijk aan te vullen, en dus een dagelijkse ADU te hebben waarmee de grootte van de buffers per winkel kan worden aangepast.
Het is geen geheim, als het gaat om promotiecampagnes, heb je prognoses nodig. De tactiek die we hebben toegepast is om de grootte van de winkelbuffers te baseren op voorspellingen, voor en tijdens de eerste dagen van de promotie. Na een paar dagen schakelen we over op 50% voorspelling en 50% historisch sinds het begin van de promotie. Een week voor het einde schakelen we terug naar de prognose. Terwijl in een industriële omgeving de ADU vaak over een lange periode, bijvoorbeeld 12 weken, wordt afgevlakt, berekenen we het in dit geval over maximaal 14 dagen.
Waarschuwing: de voorspelling wordt niet vastgesteld op winkelniveau, maar wordt uitgevoerd op een geaggregeerd niveau, land of regio, en uitgesplitst naar winkel door middel van relatieve gewichten om de ADU van de dag aan te passen. Vergeet niet dat hoe gedetailleerder een prognose is, hoe minder accuraat deze is, uit onze ervaring blijkt dat het genereren van prognoses op winkelniveau niet relevant is.
Hoe definiëren we de grootte van de buffers?
De buffers zijn voornamelijk geconditioneerd door vier elementen: hoe vaak de winkel wordt aangevuld in relatie tot de hub, de transporttijd, de variabiliteit van de vraag en de hoeveelheid visuele merchandising.
