Statistiek gevaarlijk middel

Als wiskundig ingenieur ben ik van huis uit gecharmeerd van een kwantitatieve onderbouwing van besluiten. Statistiek is hierbij een krachtig maar tevens gevaarlijk middel. Om te beginnen een voorbeeld van buiten de logistiek. In de onderstaande grafiek staat de ontwikkeling van de Nederlandse staatschuld over de jaren heen (gegevens uit Wikipedia).

Grafiek 1: de ontwikkeling van de staatschuld

Uit de de blauwe punten blijkt een duidelijk lineair verband in de vorm van een rechte lijn y = ax + b, waarvan de de parameters a en b met behulp van lineaire regressie eenvoudig in Excel kunnen worden berekend. Hierdoor kan voor 2010 een onderbouwde verwachte waarde worden berekend door 2010 in te vullen in de formule y = 6.9711 * 2010 - 13696 hetgeen een verwachte waarde geeft van € 316 miljard voor 2010.

Statistisch gezien moet echter rekening worden gehouden met de (on)betrouwbaarheid van deze verwachte waarde. Om precies te zijn geldt dat de verwachte waarde zich met 95 procent waarschijnlijkheid zal bevinden tussen de € 264 miljard en de € 368 miljard, i.e. een bandbreedte van maar liefst € 100 miljard oftewel 40 procent ten opzichte van een ondergrens van € 264 bij dit ogenschijnlijk mooie plaatje!

Beperkingen in de logistiek

Weinig lezers zullen mijn voorspelling van € 316 miljard in het voorbeeld serieus nemen omdat de resultaten uit het verleden in deze roerige tijden geen garantie geven voor de toekomst, nog afgezien van de grote statistische bandbreedte van het voorspellingsinterval bij dit toch duidelijke lineaire verband. Toch is dit precies wat iedereen doet als men bij een produkt of component een voorspelling probeert te maken naar de toekomst op basis van de vraag uit het verleden.

Vijf overwegingen 

Statistical forecasting is per definitie een extrapolatie van het verleden naar de toekomst. In de praktijk worden de cijfers uit het verleden echter door zeer veel in- en externe factoren "vervuild", zodat naast de vraag ook de vervuiling wordt mee-geëxtrapoleerd. Meer in zijn algemeenheid zou ik de volgende ervaringsfeiten en theoretische overwegingen met betrekking tot statistical forecasting mee willen geven:
 

1. De echte vraag wordt bepaald door de markt en door de concurrentie op die markt. Geen van beiden zijn bekend met een nauwkeurigheid die de betrouwbaarheid van forecasting enigszins ondersteunt.  Uw vraag kan bijvoorbeeld sterk beinvloed worden door allerlei variabelen, zoals (tijdelijke) tekorten of juist overschotten bij u dan wel uw concurrenten.
     
2. Het is per definitie de vraag in hoeverre het verleden een representatieve basis geeft voor een voorspelling van de toekomst. Ieder produkt heeft bijvoorbeeld een bepaalde levenscyclus en uit de vraag in de aanloopfase zult u weinig betrouwbare informatie kunnen halen voor de vervolg fases, omdat er wellicht tekorten zijn geweest bij de aanloop, of omdat de advertising te laat begon, of ....... 
    
3. Financiële variabelen zoals koersverschillen, budgetten van u en uw concurrenten, de wereldeconomie maar ook het sluiten of openen van fabrieken en heel veel andere financiele variabelen zijn slecht voorspelbaar maar hebben tegelijkertijd een grote invloed op uw vraag.
    
4. Klanten bestellen per batch en verpakkingseenheid, zodat er opslingereffecten ontstaan (Forrester- of Bullwhip-effecten)
    
5. Producten en productfamilies hebben vaak te maken met cyclische dan wel seasonal demand. Er zijn echter een paar jaren historie nodig om een patroon goed vast te kunnen leggen, maar over zo'n lange tijd zullen de producten noch de markt stabiel zijn. Daarbovenop hebben alle statische methoden, ook de geavanceerde, notoir veel moeite met seasonality, zodat ook hier geen betrouwbaarheid is te verwachten.
        

Juiste inzet statistical forecasting

Het bovenstaande is geenszins een pleidooi om dan maar geen gebruik te maken van statistiek om te voorspellen. Integendeel, ook als het verleden geen garanties biedt voor de toekomst moet er gepland worden en moet men zich verlaten op de gegevens die er beschikbaar zijn. Ik heb het zelf eerder met redelijk succes kunnen toepasen in een VMI-omgeving bij SHV-gas (Primagaz en Liquigas), waar het product zelf (gas) niet aan verandering onderhevig en ook de toepassingen (verwarming, koken, barbeque, pallettrucks) zeer stabiel zijn, al fluctueert ook hier de temperatuur, de markt en het seizoen.
   

Forecasting alleen niet genoeg

Mijn advies is enkel dat forecasting van alleen aantallen niet genoeg is. Naast de forecast in aantallen heeft men voor S&OP en voorraadbeheersing ook een systeem en vooral een proces nodig dat naast de statistiek ook de financiële consequenties en (on)mogelijkheden en ook de visie van de mensen uit de markt (in aantallen én in waarde!) in de besluitvorming betrekt. Uit deze gecombineerde  forecast kan het management dan vervolgens multi-disciplinair één planning definieren. Deze keuze kan dan vervolgens door de volledige organisatie tot de volgende ronde (of tot de volgende geauthoriseerde wijziging) als één team uitgevoerd wordt, zonder dat iedere discipline zijn eigen functionele forecast voor eigen doeleinden gebruikt en ieder dus dwars over het speelveld zou spelen. Hiermee is de gekozen planning dus ook niet noodzakelijk betrouwbaarder, maar hij is wel het gevolg van een gedegen beslissingsproces én hij wordt integraal door de gehele organisatie als één team uitgevoerd.

Proces installeren

De kern en de uitdaging in de praktijk is dan ook niet zozeer om inhoudelijk op basis van statistiek te proberen om de betrouwbaarheid van de vraag te verbeteren. De uitdaging is juist om een proces te installeren (waar statistiek een onderdeel van kan zijn) dat leidt tot een integrale business- en voorraadplanning die omgaat met de onvermijdelijke onzekerheid die het echte leven met zich meebrengt.