S&OP: vergeet niet de prijs van producten

Voor veel supply chain professionals is de prijs van producten een vast gegeven. Niet voor Blue Ridge, leverancier van supply chain software. Tijdens het op op 17 maart gehouden SCM-webinar over demand shaping legt deze nieuwkomer op de Europese markt uit hoe de prijs kan worden ingezet om zowel de vraag als het aanbod te beïnvloeden. ‘Bij voorraadtekort maakt aanpassing van de prijs het mogelijk om servicelevels te halen. 90 procent heeft daar nog nooit over nagedacht.’

Door Marcel te Lindert

Bovenaan het investeringslijstje van supply chain professionals staat sales & operations planning (S&OP): het proces waarin vraag en aanbod op elkaar worden afgestemd. Binnen veel bedrijven vervult S&OP een cruciale rol, waarbij supply chain en commercie met elkaar om tafel zitten en samen plannen maken. Een factor die ze daarbij steevast over het hoofd zien, is de prijs van producten. Daarmee missen ze een belangrijke vrijheidsgraad, stelt Maarten Baltussen van Blue Ridge. ‘De prijs heeft invloed op de balans tussen vraag en aanbod. Wie die niet meeneemt, verliest optimalisatiemogelijkheden.’

Blue Ridge is een Amerikaanse leverancier van supply chain software met tools voor het berekenen van de prijselasticiteit. Wat is de beste prijs voor een nieuw product? Wanneer moet een product worden afgeprijsd? Wat is de beste prijs bij een promotie en hoe beïnvloedt dat de vraag? ‘Denk ook aan scenarioplanning. Kies je voor een scenario dat gericht is op maximale omzet of op maximale winst? En wat is het gevolg daarvan voor de supply chain?’, aldus Baltussen, die verantwoordelijk is voor de vorig jaar geopende Europese vestiging van Blue Ridge.

Dynamic pricing

Iedereen die wel eens online een vliegticket of hotelkamer boekt, kent het begrip dynamic pricing. In de retail wordt daarmee vooralsnog weinig gedaan, stelt Baltussen. ‘Ik ken geen winkels waar de prijs wordt bepaald door het moment waarop ik boodschappen ga doen. Wel hebben we het afgelopen jaar gezien dat online verkoop een stuk belangrijker is geworden. In het onlinekanaal is de prijs van de concurrent opeens een stuk belangrijker. Veel retailers kijken daarnaar. Als de concurrent bijvoorbeeld een promotie opstart, kan dat gevolgen hebben voor het eigen prijsbeleid.’

Dat prijsbeleid is echter vaak gericht op maximalisatie van de omzet. Of beter gezegd: het vergroten van de vraag. Maar dat heeft geen zin als daar geen aanbod tegenover staat. Baltussen introduceert daarom het begrip ‘demand shaping’. ‘Dat is het beïnvloeden van de vraag naar een speciaal product met het doel om die vraag in lijn te brengen met het geplande aanbod. Demand shaping is dus wat anders dan demand management. En prijs is één van de factoren die we kunnen gebruiken bij demand shaping.’

‘Intelligent prediction’

Wie op die manier naar prijzen kijkt, ontdekt nieuwe mogelijkheden voor optimalisatie. Denk aan het verhogen van de prijs van artikelen waaraan een tekort in de supply chain bestaat. Het verhogen van de prijs laat de vraag dalen, wat voorkomt dat bedrijven ‘nee’ moeten verkopen en hun service levels niet halen. ‘90 procent van de bedrijven heeft nooit bij die mogelijkheid stilgestaan, laat staan dat ze die in praktijk hebben gebracht. En de prijs kan natuurlijk ook worden ingezet om overtollige voorraden te voorkomen. Supply chain professionals moeten zich realiseren dat prijs geen vast gegeven hoeft te zijn.’

Bij Blue Ridge begint demand shaping met ‘intelligent prediction’, dat verder gaat dan statistische forecasting. Belangrijk element is bijvoorbeeld het vermogen om te leren. ‘Stel dat je dezelfde promotie wilt opzetten als vorig jaar. Gebruik je dan dezelfde forecast als vorig jaar? Of check je ook wat in werkelijkheid de afwijking was van de forecast? Als je die informatie niet gebruikt in je forecast voor dit jaar, heb je niets geleerd. Dat geldt ook voor de omstandigheden toen en nu. Was er vorig jaar ook een groot sportevenement? Was het toen ook mooi weer? Met software is het mogelijk om dat allemaal automatisch in de vraagvoorspelling mee te nemen.’

Wetenschap

Blue Ridge maakt gebruik van nieuwe geavanceerde algoritmes. Cliff Isaacson, verantwoordelijk voor productstrategie, geeft de deelnemers aan het webinar uitleg over ‘autoregressive forecasting’ en ‘neural network forecasting’, de technieken die zijn bedrijf inzet voor snellopers. Die uitleg is nodig omdat planners vaak niet al te veel vertrouwen hebben in een nieuwe tool. ‘We moeten aantonen dat deze tools daadwerkelijk voordeel opleveren. Dat ze het leven gemakkelijker maken en planners in staat stellen te focussen op uitzonderingen. Intelligent prediction gaat over wetenschap, die we inzetten om planners beter te ondersteunen.’

Isaacson legt uit dat nieuwe algoritmes nodig zijn op terreinen waar statistische forecasting geen oplossing biedt: die van de langzaamlopers. ‘Het is logisch dat veel retailers de focus leggen op snellopers, maar in veel sectoren is juist de longtail met langzaamlopers cruciaal voor succes. Denk aan spare parts of auto-onderdelen. Twee van de drie bedrijven worstelt met die langzaamlopers. Waarom? Omdat het onvoorspelbaar is wanneer een onderdeel moet worden vervangen en besteld. Bij snellopers kun je seizoenspatronen herkennen, maar niet bij spare parts waarvan er maar één of twee per jaar de deur uit gaan.’

Intelligente min/max-niveaus

Wat bedrijven met spare parts vaak doen, is werken met de gemiddelde vraag. Met als gevolg dat ze zitten opgescheept met veel te veel voorraad. ‘Wij gebruiken een techniek die we ‘intermittent demand forecasting’ noemen. Er is meestal niet doorlopend vraag naar spare parts. Daarom kijken wij onder meer naar de frequentie waarin orders binnenkomen. Dat leidt tot een forecast die 4 tot 8 procent accurater is. Dat lijkt niet veel, maar kan een grote impact hebben als het gaat om het bedrag dat in voorraad moet worden geïnvesteerd.’

De volgende vraag is hoe de voorraad langzaamlopers het beste kan worden aangevuld. Dat is allesbehalve eenvoudig, aangezien veel leveranciers een minimale bestelhoeveelheid hanteren. Blue Ridge heeft daarvoor een oplossing met de naam ‘intelligent min/max’. ‘De vraag is hoe je de vrachtwagen opvult met andere artikelen. Als je dat niet slim doet, zit je opnieuw met hoge voorraden’, stelt Isaacson. Baltussen herhaalt dat uitleg over deze oplossingen belangrijk is. ‘Elke oplossing die niet uitlegt waarom een specifiek algoritme is gebruikt, is de verkeerde oplossing. Mede daarom geven wij altijd aan hoe betrouwbaar een uitkomst is. Is de betrouwbaarheid laag? Dan moeten we die uitkomst weglaten.’