Nakon dovoljno vremena provedenog u lancu opskrbe, jedna stvar postane savr\u0161eno jasna: prognoza nikada ne\u0107e biti sto posto to\u010dna. Ne postoji algoritam, model ili softver koji mo\u017ee predvidjeti potra\u017enju bez gre\u0161ke. Ipak, razlika izme\u0111u uspje\u0161nog i neuspje\u0161nog upravljanja zalihama le\u017ei upravo u tome koliko ozbiljno tvrtka pristupa mjerenju to\u010dnosti prognoze i, \u0161to je jo\u0161 va\u017enije, \u0161to \u010dini s dobivenim podacima. Svjedo\u010dio sam situacijama gdje su tvrtke dr\u017eale zalihe za 60 dana za artikle s konstantnom dnevnom prodajom, dok su im istovremeno nedostajali sezonski proizvodi jer nitko nije analizirao koliko prognoza odstupa od stvarne potra\u017enje. Problem nije u tome \u0161to prognoza nije savr\u0161ena, ve\u0107 u tome \u0161to se njezina pogre\u0161ka ne mjeri sustavno. To\u010dnost prognoze nije teorijski koncept, ve\u0107 operativni alat koji izravno pokazuje gdje gubite novac zbog vi\u0161ka zaliha, a gdje propu\u0161tate prodaju zbog nedostatka proizvoda. Ve\u0107ina tvrtki koristi neki oblik prognoziranja, ali manje od polovice sustavno mjeri njegovu to\u010dnost na razini pojedina\u010dnog artikla (SKU), gdje se i donose odluke o nabavi. Podatak da je to\u010dnost na agregatnoj razini 90 posto mo\u017ee izgledati impresivno na sastanku uprave, ali ne govori ni\u0161ta o operativnoj stvarnosti. Unutar tog prosjeka, jedan artikl mo\u017ee imati odstupanje od 5 posto, a drugi 70 posto. Zato je klju\u010dno definirati na kojoj razini i za koje vremensko razdoblje mjerite to\u010dnost. Mjese\u010dna prognoza na razini kategorije proizvoda korisna je za financijsko planiranje, ali za svakodnevno upravljanje zalihama potrebna vam je tjedna ili dnevna to\u010dnost na razini SKU-lokacija.<\/p>\n
Postoji nekoliko klju\u010dnih metrika za mjerenje to\u010dnosti prognoze, a svaka od njih ima svoje prednosti i nedostatke. Naj\u010de\u0161\u0107e kori\u0161tena metrika je MAPE (Mean Absolute Percentage Error) jer je intuitivna i lako razumljiva menad\u017ementu kao postotak odstupanja. Me\u0111utim, MAPE ima zna\u010dajan nedostatak: kod artikala s malom ili isprekidanom potra\u017enjom mo\u017ee proizvesti nerealno visoke postotke pogre\u0161ke. Ako ste prognozirali prodaju dva komada, a prodali jedan, MAPE \u0107e pokazati pogre\u0161ku od 50 posto, \u0161to zvu\u010di alarmantno, iako je apsolutno odstupanje samo jedan komad. Zbog toga je za sporoobrtne artikle puno prikladnije koristiti MAD (Mean Absolute Deviation), koji mjeri prosje\u010dno apsolutno odstupanje u jedinicama. Alternativa je ponderirani MAPE (Weighted MAPE), gdje artikli s ve\u0107im volumenom prodaje imaju ve\u0107i utjecaj na ukupni rezultat. U jednom projektu, prelazak s klasi\u010dnog MAPE-a na ponderirani MAPE potpuno je promijenio percepciju problema. Prosje\u010dna pogre\u0161ka pala je s 45 posto na 22 posto za artikle koji su \u010dinili 80 posto ukupnog prometa. Odjednom je postalo o\u010dito da problem nije bio u najprodavanijim artiklima, ve\u0107 u \u0161irokom repu asortimana koji je stvarao statisti\u010dki \u0161um. Druga va\u017ena metrika je Forecast Bias (pristranost prognoze), koja pokazuje sustavni smjer pogre\u0161ke. Ako prognoza redovito precjenjuje potra\u017enju, imat \u0107ete kroni\u010dni vi\u0161ak zaliha. Ako je sustavno podcjenjuje, suo\u010davat \u0107ete se s \u010destim nesta\u0161icama. Cilj je posti\u0107i bias blizu nule, \u0161to zna\u010di da su prevelike i premale prognoze podjednako raspore\u0111ene.<\/p>\n
Mjerenje to\u010dnosti prognoze samo je prvi korak. Prava vrijednost dolazi iz akcija koje poduzimate na temelju tih podataka. Glavni cilj je iskoristiti informacije o pogre\u0161ci kako biste pametnije upravljali sigurnosnim zalihama i cjelokupnim procesom planiranja. Artikli s niskom to\u010dno\u0161\u0107u prognoze i velikom varijabilno\u0161\u0107u potra\u017enje zahtijevaju vi\u0161u razinu sigurnosnih zaliha kako bi se osigurala dostupnost. S druge strane, proizvodi s visokom to\u010dno\u0161\u0107u prognoze omogu\u0107uju vam smanjenje sigurnosnih zaliha, \u010dime osloba\u0111ate kapital i smanjujete tro\u0161kove skladi\u0161tenja. Umjesto da primjenjujete istu logiku na cijeli asortiman, analiza to\u010dnosti omogu\u0107uje vam segmentaciju proizvoda i definiranje razli\u010ditih strategija upravljanja zalihama. Primjerice, za najprodavanije artikle (A-kategorija) s visokom to\u010dno\u0161\u0107u, cilj je odr\u017eati visoku razinu usluge uz minimalne zalihe. Za sporoobrtne artikle (C-kategorija) s nepredvidivom potra\u017enjom, mo\u017eda je isplativije dr\u017eati ne\u0161to vi\u0161e zaliha ili \u010dak razmisliti o modelu nabave po narud\u017ebi. Redoviti sastanci na kojima se analiziraju odstupanja prognoze klju\u010dni su za unaprje\u0111enje procesa. Na tim sastancima timovi iz nabave, prodaje i marketinga trebaju zajedno istra\u017eiti uzroke najve\u0107ih pogre\u0161aka. Je li odstupanje uzrokovala neplanirana marketin\u0161ka akcija? Je li konkurent imao veliku promociju? Je li do\u0161lo do neo\u010dekivanog poreme\u0107aja na tr\u017ei\u0161tu? Identifikacija temeljnih uzroka omogu\u0107uje vam da prilagodite budu\u0107e prognoze i smanjite ponavljanje istih gre\u0161aka. Na taj na\u010din, mjerenje to\u010dnosti prestaje biti samo reaktivan proces i postaje proaktivan alat za pobolj\u0161anje suradnje i dono\u0161enje boljih poslovnih odluka.<\/p>\n
Uspostava u\u010dinkovitog sustava za upravljanje to\u010dno\u0161\u0107u prognoze ne mora biti komplicirana, ali zahtijeva disciplinu i dosljednost. Proces se mo\u017ee svesti na nekoliko klju\u010dnih koraka koji \u010dine temelj za kontinuirano pobolj\u0161anje. Po\u010dnite s jasnim definiranjem \u0161to, kako i kada mjerite. To\u010dnost se mora pratiti na najni\u017eoj relevantnoj razini, a to je obi\u010dno SKU-lokacija, jer se na toj razini donose odluke o popunjavanju zaliha. Odaberite vremenski horizont koji odgovara va\u0161em poslovnom ciklusu, naj\u010de\u0161\u0107e na tjednoj ili mjese\u010dnoj bazi. Zatim implementirajte prave metrike za razli\u010dite segmente asortimana: koristite MAPE ili WMAPE za brzoobrtne artikle, a MAD za one sa sporijom i isprekidanom potra\u017enjom. Ne zaboravite pratiti i Forecast Bias kako biste otkrili sustavne gre\u0161ke u planiranju. Jednom kad je sustav mjerenja postavljen, uspostavite redoviti proces pregleda rezultata. To mo\u017ee biti dio postoje\u0107eg S&OP (Sales and Operations Planning) procesa ili zaseban sastanak posve\u0107en isklju\u010divo analizi prognoze. Cilj je stvoriti kulturu u kojoj se na pogre\u0161ke u prognozi ne gleda kao na neuspjeh, ve\u0107 kao na priliku za u\u010denje. Postavite si realne ciljeve za pobolj\u0161anje to\u010dnosti i pratite napredak tijekom vremena. Pove\u0107anje to\u010dnosti prognoze za samo nekoliko postotnih poena mo\u017ee rezultirati zna\u010dajnim smanjenjem tro\u0161kova dr\u017eanja zaliha i istovremenim pove\u0107anjem prodaje kroz bolju dostupnost proizvoda. Sljede\u0107i koraci mogu vam poslu\u017eiti kao vodi\u010d:<\/p>\n
Kona\u010dni cilj nije posti\u0107i savr\u0161enu prognozu, jer to je nemogu\u0107e. Cilj je razumjeti prirodu i veli\u010dinu pogre\u0161ke te iskoristiti to znanje za dono\u0161enje pametnijih i profitabilnijih odluka o zalihama. Tvrtke koje sustavno mjere i analiziraju to\u010dnost svoje prognoze imaju ni\u017ee tro\u0161kove, vi\u0161u razinu usluge i ve\u0107u agilnost u prilagodbi tr\u017ei\u0161nim promjenama. To\u010dnost prognoze nije samo brojka u izvje\u0161taju, ve\u0107 temelj stabilnog i efikasnog lanca opskrbe.<\/p>\n","protected":false},"excerpt":{"rendered":"
To\u010dnost prognoze klju\u010d je efikasnog lanca opskrbe. Otkrijte kako mjeriti preciznost, smanjiti vi\u0161ak zaliha i donositi pametnije odluke u logistici i planiranju potra\u017enje.<\/p>\n","protected":false},"author":1,"featured_media":43507,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_kadence_starter_templates_imported_post":false,"_swpsp_post_exclude":false,"_kad_post_transparent":"","_kad_post_title":"","_kad_post_layout":"","_kad_post_sidebar_id":"","_kad_post_content_style":"","_kad_post_vertical_padding":"","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"_kad_post_classname":"","footnotes":""},"categories":[114,35,83,99],"tags":[624,604,847,844,100,623,838,842,306,244,848,103,325,252,845,597,846,841,22,843],"class_list":["post-43506","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai","category-poslovno-savjetovanje","category-skladiste","category-supply-chain","tag-abc-xyz-analiza","tag-data-driven-logistika","tag-dostupnost-proizvoda","tag-forecast-bias","tag-lanac-opskrbe","tag-logisticka-analitika","tag-logisticki-kpi-jevi","tag-mape","tag-optimizacija-lanca-opskrbe","tag-optimizacija-zaliha","tag-planiranje-nabave","tag-planiranje-potraznje","tag-predvidanje-potraznje","tag-prognoza-potraznje","tag-sop-proces","tag-sigurnosne-zalihe","tag-smanjenje-viska-zaliha","tag-tocnost-prognoze","tag-upravljanje-zalihama","tag-wmape"],"_links":{"self":[{"href":"https:\/\/www.innovalog-consulting.hr\/index.php\/wp-json\/wp\/v2\/posts\/43506","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.innovalog-consulting.hr\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.innovalog-consulting.hr\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.innovalog-consulting.hr\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.innovalog-consulting.hr\/index.php\/wp-json\/wp\/v2\/comments?post=43506"}],"version-history":[{"count":1,"href":"https:\/\/www.innovalog-consulting.hr\/index.php\/wp-json\/wp\/v2\/posts\/43506\/revisions"}],"predecessor-version":[{"id":43508,"href":"https:\/\/www.innovalog-consulting.hr\/index.php\/wp-json\/wp\/v2\/posts\/43506\/revisions\/43508"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.innovalog-consulting.hr\/index.php\/wp-json\/wp\/v2\/media\/43507"}],"wp:attachment":[{"href":"https:\/\/www.innovalog-consulting.hr\/index.php\/wp-json\/wp\/v2\/media?parent=43506"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.innovalog-consulting.hr\/index.php\/wp-json\/wp\/v2\/categories?post=43506"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.innovalog-consulting.hr\/index.php\/wp-json\/wp\/v2\/tags?post=43506"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}