Was Bedarfsforecasting in der Frischeproduktion wirklich ausmacht.
WISSEN / DEMAND FORECASTING / DISPOSITION
Fünf Beiträge aus der Praxis - zu Prognosegüte, zur Wahl der richtigen Kennzahl und dazu, warum Forecasting selten am Modell scheitert. Geschrieben für Disposition, Supply Chain und Geschäftsführung in der Lebensmittelindustrie.
Woran erkennt man eine gute Absatzplanung? WAPE für Lebensmittelhersteller erklärt
Viele Unternehmen messen Ihre Prognosegüte nicht. Was WAPE ist, warum es die ehrlichste Kennzahl für die Disposition ist und welcher Wert "gut" bedeutet.
MAPE oder WAPE? Warum die Wahl der Metrik über ehrliche Zahlen entscheidet
Dieselbe Prognose, zwei Kennzahlen, unterschiedliche Ergebnisse.
Warum volumengewichtetes Messen die Realität abbildet und MAPE bei kleinteiligen Sortimenten den Fehler übertreibt.
Warum Forecasting in der Frischeproduktion an der Disposition scheitert, nicht am Modell
Ein technisch sauberes Modell ist kein laufendes System. Über die Lücke zwischen Theorie-WAPE und IST-WAPE - und warum der Disponenten Override ein Signal ist, kein Fehler.
Forecasting ohne neue Software: die Forecasting-Dienste von AWS und Google Cloud
Die großen Cloud-Plattformen enthalten bereits leistungsfähige Forecasting-Dienste. Was sie können, warum sie selten genutzt werden - und was "Einrichtung statt Software" konkret heißt.
01
02
03
04
05
Fehlergröße ist nur die halbe Geschichte: Bias, Quantil und die Wahl zwischen Fehlmenge und Abschrift
Ein Prognosefehler hat eine Größe — und eine Richtung. WAPE misst nur die Größe. Wer in der Frischeproduktion Überbestand und Stockout steuern will, muss die Richtung kennen und das Prognose-Quantil bewusst wählen. Genau das hat in der Disposition kaum jemand auf dem Schirm.