Herkent u tenminste één van de volgende situaties?

• De forecast wordt bewust laag gehouden zodat we beter kunnen presteren dan het plan;
• De forecast wordt bewust hoog gehouden om het budget te blijven volgen ondanks de scherp gewijzigde markt omstandigheden;
• De forecast wordt bewust te hoog gehouden omdat productie toch altijd te weinig produceert;
• De voorspelling wordt bewust laag gehouden om het einde jaar voorraadtarget te kunnen halen;
• Management correcties in de forecast om het budget te halen;
• De forecast wordt bewust te hoog gehouden om product allocatie naar de klant te kunnen garanderen?

Zo ja, dan is het onderstaande artikel iets voor u.

Menselijk gedrag grote impact

Vanuit de supply chain functie wordt veel aandacht besteed aan het verbeteren van de vraagvoorspelling. Maar vaak wordt de kwaliteit van de vraagvoorspelling niet verbeterd door de techniek verder te verfijnen of het proces te verbeteren. Menselijk gedrag rondom de forecast heeft namelijk dikwijls een grotere impact op de kwaliteit van de forecast. Hoe vaak wordt de forecast niet kunstmatig te laag gehouden om aan het einde van het jaar het plan te kunnen overschrijden om de goede sier te kunnen maken of om aan het einde van het jaar de scherpe voorraad targets te kunnen halen’! Anderzijds wordt de voorspelling vaak bewust te hoog gehouden om aan het budget te kunnen blijven voldoen ondanks dat men vaak al weet dat dit niet gehaald gaat worden; ‘die grote order komt echt volgende maand.

Redenen voor forecast manipulatie

In dit artikel worden de belangrijkste redenen van forecast manipulatie uiteengezet en worden elf manieren aangegeven hoe dit gedrag gestopt kan worden. Dit is gebaseerd op een onderzoek onder de 40 leden van het High-Tech en Electronics netwerk voor forecasting en planning waarvan de resultaten op 14 juni gepresenteerd zijn.

Verkeerde beloningstructuur

Als we kijken naar de redenen van de forecast aanpassing dan kunnen die op verschillende gebieden liggen. De belangrijkste reden is het niet op elkaar afgestemd zijn van de doelstellingen, incentives en beloningen. Bij veel bedrijven is het halen van de bonus afhankelijk van het realiseren van de sales target.

Dit leidt op twee momenten tot het spelen van spelletjes. Ten eerste, op het moment dat het budget vastgesteld wordt zal de forecast naar beneden bijgesteld worden om het budget haalbaar te maken (‘sandbagging’). Ten tweede, op het moment dat het budget is vastgesteld zal het gedrag erop gericht zijn dit te realiseren. Het naar voren halen van orders aan het einde van het kwartaal is hiervan een duidelijk voorbeeld.

Het gebruik van de forecast voor verschillende doeleinden vanuit de verschillende functionele gebieden is een tweede reden waarom de vraagvoorspelling bewust aangepast wordt. In die gevallen waar de productbeschikbaarheid beperkt is, kan de account manager ervoor kiezen om zijn voorspelling bewust (te) hoog te houden om zo ervoor te zorgen dat zijn klanten wel beleverd kunnen worden.

Politieke redenen

Bewuste manipulatie van de cijfers komt ook voor wanneer de voorspelling om politieke redenen opzettelijk wordt aangepast. De forecast kan bijvoorbeeld bewust hoog gehouden worden om aandeelhouders, banken of investeerders tevreden te houden. De laatste reden is dat het management, op basis van haar ervaring, besluit een management correctie toe te passen om ervoor te kunnen zorgen dat de doelstelling toch gehaald kan worden.

Management en verkopers grootste manipulators

Uit de interviews blijkt dat het management en de verkopers de belangrijkste veroorzakers zijn van deze bijstellingen. Uit alle hierboven genoemde redenen zijn (1) het verzekeren van productbeschikbaarheid voor de klanten en (2) het aanpassen van de forecast om het budget te blijven halen de belangrijkste redenen om de vraagvoorspelling te manipuleren.

Elf tips om forecast manipulatie te voorkomen

De belangrijkste vraag is echter hoe kunnen we dit gedrag tegengaan?? In het onderzoek zijn een elftal tactieken onderzocht die gebruikt kunnen worden om manipulatie van de vraagvoorspelling te bestrijden. In de rest van dit artikel worden deze tactieken in volgorde van effectiviteit weergegeven. De eerst genoemde tactiek is volgens de respondenten uit de hightech bedrijfstak het meest effectief gebleken en de laatste het minst effectief.

1. Management moet veranderingen toelaten

Wanneer top management een consensus forecasting proces echt ondersteunt, staat zij het niet toe dat de vraagvoorspelling om oneigenlijke redenen aangepast wordt. De respondenten gaven wel aan dat dit, ondanks het feit dat het de meest effectieve manier was, ook het moeilijkst te implementeren is omdat het management zich over het algemeen ook schuldig maakt aan de manipulatie. Het laten zien van de financiële consequenties van de kunstgrepen is vaak een goede manier om dit gedrag om te buigen.

2. ‘Verloren verkopen zijn verloren verkopen’

De forecast die aan het einde van de maand niet gerealiseerd is, wordt als verloren beschouwd en uit het systeem verwijderd. Hiermee voorkom je het zogenaamde bulldozer effect; het voor je uit schuiven van niet geconsumeerde forecast tot het einde van het jaar. Aan het einde van het jaar blijkt het dan toch niet gerealiseerd te zijn waardoor vaak onnodig veel voorraad opgebouwd is.

3. Neutraal orgaan verantwoordelijk voor de voorspelling

Wanneer een neutraal orgaan (bijvoorbeeld ‘de master planning afdeling”) verantwoordelijk gemaakt wordt voor de prognose kan deze de informatie die vanuit verschillend functioneel perspectief aangeleverd is op een objectieve manier vertalen in een gemeenschappelijke vraagvoorspelling.

4. Forecast veranderingen meten en monitoren

Via de FVA meting (Forecast Value Add) wordt de toegevoegde waarde van elke stap in het vraagvoorspellingsproces gemeten. Hierdoor kan de bias herkend worden en kunnen correctieve maatregelen genomen worden.  

5. Een robuust proces optuigen

Het proces zodanig opzetten dat iedereen zijn bijdrage kan leveren aan het genereren van de vraagvoorspelling lijkt een open deur. Het is een van de eerste stappen die je kunt zetten om te komen tot een forecast zonder bias. Wanneer het voor iedere functionele afdeling mogelijk is om zijn mening te geven gedurende het proces, is de kans kleiner dat de voorspelling na het proces alsnog veranderd wordt. De moeilijkheid voor de hightech industrie is dat het zoeken van consensus tijd vergt. Door de snel veranderende marktsituatie is er vaak behoefte aan ‘snelle’ en efficiënte processen die snelle besluitvorming mogelijk maken.

6. De voorspelling ontkoppelen van het budget of de bedrijfsdoelstellingen

Wanneer doelstellingen en targets niet rechtstreeks gekoppeld zijn aan het operationele plan, is een belangrijke reden van manipulatie al weggenomen. Dit kan gedaan worden door de targets bijvoorbeeld topdown vast te stellen op basis van criteria als marktaandeel of procentuele omzet groei. Voor de rapportage kan gedacht worden aan het in verschillende meeteenheden weergeven van target en prognose (euro’s versus volumes) of te praten over een verschillende horizon (jaar versus 3 maanden).

7. De forecast betrouwbaarheid meten

Het meten en analyseren van de betrouwbaarheid van de voorspelling maakt het mogelijk om de effecten van de bias in te schatten. Dit kan er toe leiden dat de men bewuster wordt van de gevolgen, vooronderstellingen en aanpassingen in de voorspelling.

8. De forecast betrouwbaarheid belonen

Het belonen van de forecast betrouwbaarheid werd als niet erg effectief beschouwd. De respondenten gaven aan dat het moeilijk is om de accuraatheid van de forecast tot het nivo van de individuele medewerker te bepalen en dat het een forse inspanning vergt om het gewenste effect te behalen.

9. Bedrijfscultuur?

Een directe relatie tussen een bedrijfscultuur die gekenmerkt wordt door verantwoordelijkheid, vertrouwen en eerlijkheid en het ontbreken van forecast manipulatie is niet aangetroffen. Zelfs in organisaties waar eerlijkheid zeer hoog gewaardeerd is, kan de forecast nog om oneigenlijke redenen aangepast worden.

10. Verkoop verantwoordelijk maken voor de voorraad

Als verkoop verantwoordelijk gehouden zou worden voor de voorraadhoogtes zou er minder incentive zijn om de forecast aan te passen, het is echter de ervaring van de respondenten dat dit niet effectief is omdat de eerste prioriteit van de verkoopafdeling toch ligt in het maximaliseren van de verkopen.

11. Statistiek gebruiken

Een manier om te komen tot een neutrale vraagvoorspelling is het gebruik van statistieken. Door het volatiele karakter van de hightech bedrijfstak werd het genereren van een statistische forecast als moeilijk beschouwd en is manueel ingrijpen bijna onvermijdelijk waardoor de deur naar manipulatie weer vol opengezet wordt.

In dit artikel is uiteengezet dat het voorkomen van politiek gekleurde vraagvoorspellingen voornamelijk effectief gedaan kan worden doordat (1) het management dit gewoonweg niet toelaat, (2) de niet geconsumeerde voorspelling te laten vervallen, (3) een neutraal orgaan aan te stellen en die verantwoordelijk te stellen voor het genereren van de forecast en (4) te meten en monitoren door wie welke veranderingen in de forecast zijn aangebracht. Het volledige onderzoek kan bij de auteur worden opgevraagd.