Forecasting: Hvor kan danske virksomheder blive bedre?
Fra månedlige rutiner til ugentlige indsigter: Sådan kan virksomheder bruge bedre data, samarbejde og hyppigere check-ins til at styrke deres prognoser.
En nylig undersøgelse fra SCM.dk viser, at mange danske virksomheder stadig arbejder med månedlige forecasts og simple metoder som ”sidste år plus justeringer”. Det kan være tilstrækkeligt i stabile perioder, men er ikke nok i et marked præget af usikkerhed og hurtige svingninger i behovet.
Erfaringer fra AGR viser, at det er muligt at arbejde mere agilt. Selvom mange AGR-kunder vælger at lade forecastmotoren køre månedlige beregninger, logger næsten alle brugere ind dagligt for at følge med i ting, der skal ageres på. Her kan de udnytte AGR systemets afvigelsesrapporter til hurtigt at se, om prognoserne fungerer – og om der er noget, der skal reageres på.
Hvor er udfordringerne?
- Opdateringsfrekvens
Ifølge SCM-panelet opdaterer de fleste virksomheder kun forecasts én gang om måneden. Det skaber risiko for at reagere for sent. AGR’s erfaring er, at den månedlige beregning kan være et godt fundament – men at den reelle styrke ligger i, at brugerne tjekker ind dagligt (og i visse tilfælde ugentligt), ser afvigelserne og handler på dem med det samme. - Datakvalitet og brug af flere datakilder
Dårlige eller ufuldstændige data er stadig en hæmsko. AGR fremhæver vigtigheden af at rense og kvalitetssikre historiske data og samtidig inddrage kvalitative salgsinput fra markedet og kvantitative data som kampagneplaner og øvrig markedsinformation om fremtiden. - Manglende samarbejde på tværs af funktioner
Silotænkning er et kendt problem. Forecasts bør udvikles i samarbejde mellem salg, marketing, supply chain, indkøb og økonomi/controlling. Det giver mere realistiske forecasts og sikrer, at beslutninger træffes på et fælles grundlag. - Metodevalg: Fra simple til avancerede modeller
Mange virksomheder anvender stadig enkle algoritmer. Best practice er at kombinere baseline-metoder med mere avancerede teknikker som tidsserieanalyse, regressionsmodeller og i stigende grad maskinlæring – afhængigt af virksomhedens modenhed og datagrundlag.
Hvad kan virksomheder gøre for at blive bedre?
- Kombinér faste cyklusser med hyppige check-ins: Brug månedlige beregninger som fundament, men tjek for afvigelser dagligt og ugentligt, så en udvikling opdages i tide.
- Prioritér datakvalitet: Sørg for at data er af god kvalitet. Supplér kvantitative data med kvalitative input.
- Formaliser samarbejdet internt: Etabler tværorganisatoriske S&OP-processer, hvor relevante afdelinger mødes regelmæssigt.
- Udvikl metoderne: Raffinér de simple værktøjer, som Excel giver mulighed for, med avancerede teknikker og algoritmer.
- Brug forecast som læringsværktøj: Evaluer forecasts mod faktiske resultater, og justér løbende.
Konklusion
SCM.dk’s undersøgelse viser, at der stadig er et stort forbedringspotentiale. Virksomheder, der bevæger sig væk fra månedlige rutiner og i stedet kombinerer dem med daglig og ugentlig opfølgning, får et klart forspring.
AGR’s erfaring viser, at selv når motoren kører månedligt, kan virksomheder, der tjekker ind dagligt og ugentligt og bruger afvigelsesrapporter aktivt, opnå langt bedre resultater: mere præcise forecasts, mindre lagerbinding, højere servicegrad og større evne til at reagere på markedets udsving.
