DE ROL VAN TOPMANAGEMENT BIJ FORECASTING. -Een pragmatische aanpak-

Maat: px
Weergave met pagina beginnen:

Download "DE ROL VAN TOPMANAGEMENT BIJ FORECASTING. -Een pragmatische aanpak-"

Transcriptie

1 DE ROL VAN TOPMANAGEMENT BIJ FORECASTING -Een pragmatische aanpak- Versie 1.0 juli 2015

2 1 Managements samenvatting In dit white-paper laten we zien wat de manager moet weten over Forecasting. We behandelen geen formules maar veelal inzichten. Deze inzichten resulteren in de volgende levenslessen over Forecasting. Elke forecast is fout Voorspellen is moeilijk, zeker de toekomst. De forecaster moet een marktkenner zijn met een gedegen kennis van statistiek of een statisticus met kennis van de markt. Sales/Marketing en/of Productmanagement zijn eindverantwoordelijk voor de forecast! Het MT bepaalt welke (forecast) aandacht aan welke producten wordt gegeven. Bij minder dan 30 bruikbare getallen kunnen we niet forecasten. Producten die niet elke week een afzet kennen, kunnen we niet voorspellen. Het hanteren van bonussen leidt tot onregelmatige afzet. Vraagdecompositie maakt een onderscheid tussen bekende en onbekende vraag. Kwantumkorting leidt tot ongewenste opslingerverschijnselen in de keten. Kwantitatieve modellen gaan er vanuit dat een datapatroon niet verandert! Kwantitatieve modellen hebben maar een heel beperkt voorspelvermogen. De gemiddelde voorspelfout is een weinig zeggende accuracy-meting. De MAD is een goede accuracy-meting voor het Management. Bias is een belangrijke performance indicator. Bias moeten we vermijden! Nieuwsgierig geworden naar het hoe en waarom van deze leefregels? Dan nodig ik u graag uit om verder te lezen.

3 2 De rol van Top Management in Forecasting Een goede verkoopvoorspelling maakt het leven een stuk gemakkelijker. In praktijk blijkt dit helaas een stuk ingewikkelder. Dit heeft enerzijds te maken met de twee principes van forecasting. Elke forecast is fout en Voorspellen is moeilijk, zeker de toekomst En anderzijds zijn er een aantal organisatorische complicaties (bijvoorbeeld wie maakt de voorspelling en wie is er verantwoordelijk voor?);hoe maken we een forecast en hoe meten we de kwaliteit van de voorspelling? Omdat voorspellen op zijn minst een veredeld in een glazen bol kijken lijkt of iets dat veel weg heeft van een black box wil Top Management vaak (ongewild) een beetje afstand nemen van dit proces. En dat is jammer! Hoewel het MT echt niet de details hoeft te weten hoe een forecast tot stand komt, kunnen zij het resultaat wel degelijk op een positieve manier beïnvloeden. Juist door de achtergronden te kennen van het voorspelproces en door bepaalde zaken te faciliteren. In dit white paper kijken we vanuit een MT invalshoek naar het proces. Voor een meer uitgebreide inleiding zie Durlinger [2014]. De rol van het MT is juist groter geworden, omdat er nu voldoende betaalbare software op de markt gekomen is om voorspellingen te maken. Het rekenwerk door de forecaster is sterk afgenomen door deze software, maar het interpreteren van uitkomsten is des te belangrijker geworden. We kijken voornamelijk naar de forecast van producten in Groothandels omgevingen en eindproducten in Productie-omgevingen. van Achtereenvolgens worden de volgende punten behandeld. Par. 1 Waarom voorspellen we? Par. 2 Wie maakt de voorspelling en wie is de eigenaar? Par. 3 Welke producten kunnen we voorspellen? Par. 4 Hoeveel bruikbare data hebben we nodig? Par. 5 Onderscheid voorspelbaar onvoorspelbaar Par. 6 Welke modellen zijn beschikbaar? Par. 7 Hoe goed is een voorspelling en hoe meten we dat? Par. 8 Literatuur En heeft u niet veel tijd, dan kunt u zich beperken tot de levenslessen 1 Waarom voorspellen we? In elke onderneming wordt voorspeld en vaak een groot aantal maanden vooruit. Business-plannen zijn hier een mooi voorbeeld van. Vaak probeert men 18 maanden vooruit voorspellingen te doen over omzetten en cashflows. Omdat het hier om geaggregeerde gegevens gaat is de eenheid meestal geld. In specifieke omgevingen zoals de procesindustrie worden ook wel eens tonnen (staal) of hectoliters (bier) gebruikt. Voor Strategische en Lange termijnbeslissingen (zie Durlinger [2015,1] kan deze aggregatie en eenheid zeker zinvol zijn. Op kortere termijn ligt dat wat anders. Bij S&OP-achtige beslissingen wil men toch al graag naar families gaan kijken of productgroepen, waarbij de definitie van zo n familie of groepen niet gemakkelijk is. Op kortere termijn moet er zelfs op SKU-niveau

4 3 voorspeld worden. Wanneer we bijvoorbeeld op korte termijn naar capaciteitsbenutting willen kijken of naar productievolgordes, en zeker wanneer we veiligheidsvoorraden voor de diverse producten willen gaan berekenen. Deze zijn in sterke mate afhankelijk van de kwaliteit van de forecast. Maar hier voelt de leer al een probleem komen opdagen. Als er een groot assortiment voorspeld moet worden of wanneer de levertijd lang is. Wanneer de vraag naar shampoo bijvoorbeeld 1000 flessen per maand is maakt het nogal wat uit of je maar 2 soorten shampoo hebt of 200. Een groot assortiment betekent een versnippering van de vraag en gaat meteen gepaard met een lagere forecastaccuracy. Een tweede factor die problemen veroorzaakt is de levertijd. Wanneer de levertijd bijvoorbeeld 26 weken is, omdat de producten uit China moeten komen, dan moeten we een inschatting hebben van de vraag, 26 weken vooruit. Tenzij de vraag stabiel is, levert dit nooit goede resultaten op. Een van de redenen dat Zara zijn redelijk stabiele producten (witte T-shirts) uit Bangladesh haalt, maar ook de snel wisselende collecties uit Europa of Noord-Afrika. In dit paper beperken we ons tot het voorspellen van de afzonderlijke SKU s (eindproducten). 2 Wie maakt de voorspelling en wie is de eigenaar? Alle vakliteratuur is heel duidelijk over wie de voorspelling moet maken. Dit kan alleen maar Sales zijn of Product Management. In ieder geval iemand die de markt goed kent (of zou moeten kennen). Maar hoe stellig de theorie ook is, in praktijk zien we dat het zelden zo geregeld is. De reden is zoals zo vaak verbazend simpel. Compton e.a. [1990] stelden heel duidelijk. De forecaster moet een marktkenner zijn met een gedegen kennis van statistiek of een statisticus met kennis van de markt. Beiden zijn praktisch onvindbaar. We moeten blijkbaar op zoek naar een schaap met 5 poten of we moeten taken verdelen. Misschien moeten we de forecast laten maken door een statisticus op basis van statistische modellen en deze ter goedkeuring voorleggen aan de salesdeskundige. Uit de literatuur blijkt dat op korte termijn de statistische forecast op basis van forecastmodellen betere resultaten geeft dan de salesexpert. Voor langere termijnvoorspellingen is dat juist andersom. Daar scoort juist de salesdeskundige weer beter. De lezer voelt al dat een samenwerking tussen de twee vakgebieden betere resultaten moet opleveren. En dat is ook zo: deze zogenaamde consensus forecast, een combinatie van de statistische forecast en de marktforecast blijkt het beste. Maar hoe de voorspelling ook tot stand komt, sales of productmanagement zijn de eindverantwoordelijke! Zij moeten hun handtekening onder de voorspelling zetten. Wallace, Stahl [2004] geven hier enkele duidelijke voorbeelden van. Deze tweedeling tussen statisticus en sales komt nog eens terug in de volgende paragraaf. Maar de eerste les voor het MT is: Sales/Marketing en/of Productmanagement zijn eindverantwoordelijk voor de forecast! 3 Welke producten kunnen we voorspellen? Welke producten gaan we nu voorspellen en op welke manier? Een vraag die zeker opportuun is als we een portfolio hebben van tienduizenden SKU s. Moeten we dan voor elke SKU een voorspelmodel bepalen, vervolgens de parameters gaan bepalen en kijken welke combinatie de beste forecast geeft? En vervolgens ook nog bijhouden of parameters en/of model een update nodig hebben? Uw antwoord zal natuurlijk zijn: maar daar hebben we software voor. En daar heeft u een punt, ware het niet dat u toch tegen de software moet zeggen of u akkoord gaat met de voorstellen van het model. U kunt natuurlijk op alles ja zeggen met alle gevolgen van dien. En misschien vallen deze

5 4 gevolgen wel mee. Het komt er in feite op neer dat u bepaalde producten inderdaad goed gaat bekijken en andere producten inderdaad maar aan de computer overlaat of gewoon niet voorspelt. Ik ben bang dat we anders een batterij forecasters moeten gaan opleiden. Ze zijn namelijk niet in die getale aanwezig. We moeten gaan schiften. Een methode zou zijn om alleen de belangrijkste producten te voorspellen, de zgn A-producten (zie Durlinger [2014,2] met voldoende waarnemingen en een voldoende omzet of marge. Aan de andere kant van het portfoliospectrum vinden we C- producten. Dit zijn producten met een lage omzet of marge. Stel bijvoorbeeld dat u van een product 100 stuks per jaar verkoopt met een verkoopprijs van 0,75 en een marge van 25%. Wat zou de meerwaarde zijn wanneer u weet dat de gemiddelde afzet 8,33 per maand of 2 stuks per week is? Elke minuut die u aandacht geeft aan dit product zal de marge drastisch doen afnemen. Hier moeten we eenvoudige technieken gebruiken of zelfs geen. We gaan hier werken met eenvoudige seriegroottes, gebaseerd op een schatting van de jaarvraag en met hoge veiligheidsvoorraden. We krijgen dan zoiets als één of twee keer per jaar bestellen met een veiligheidsvoorraad van 3 maanden. En opnieuw een forecast-leefregel: Het MT bepaalt welke (forecast) aandacht aan welke producten wordt gegeven De tweede regel is om te kijken naar het aantal data. Hebben we minder dan 30 bruikbare data ter beschikking dan gaat het feestje ook niet door. We kijken in paragraaf 4 waarom 30. En dus is leefregel twee: Bij minder dan 30 bruikbare getallen kunnen we niet forecasten. En dan hebben we bij forecasten nog zoiets als het nullenprobleem. Hiermee bedoelen we het aantal perioden zonder vraag. Dat kan in de voorspelwereld een betrouwbaarheidsprobleem met zich meebrengen. Een aantal perioden zonder vraag is van invloed op het gemiddelde, maar nog belangrijker; op de variantie. En dat heeft meteen weer consequenties voor de betrouwbaarheid van de forecast en de hoogte van de veiligheidsvoorraad. Dus moeten we ook hier een leefregel verzinnen. We kunnen bijvoorbeeld zeggen dat een product elke week een vraag gehad moeten hebben, of als we alleen maar maanddata hebben, elke maand een afzet. We kunnen dan niet voorspellen, tenzij we misschien vakantieweken met een lage vraag kunnen elimineren uit het proces of een zomermaand. Dat is eigenlijk hetzelfde als een uitschietercorrectie, waarbij we bepaalde data niet willen meenemen in de berekeningen. Dit geeft meteen de derde leefregel: Producten die niet elke week een afzet kennen, kunnen we niet voorspellen Zoals elke leefregel zijn ook hier uitzonderingen, maar het moeten wel uitzonderingen blijven en het MT mag hier zijn licht over laten schijnen. De enige uitzondering op deze regel is dat we bij minder afzetgegevens, deze afzet wel min of meer kennen in hoeveelheid en timing. Misschien weten we van een product wel dat de vraag in mei komt, maar niet wanneer in mei. In dat geval zou je de vraag kunnen positioneren op de eerste van de maand. En tenslotte is er nog een leefregel die te maken heeft met de onregelmatigheid van de vraag. In principe kunnen we elke product voorspellen, maar het blijft dan wel de vraag wat die voorspelling waard is. We hebben hierboven al aangegeven dat grote variaties in afzetgegevens funest kunnen zijn voor de forecast. Om nu te voorkomen dit iedereen iets gaat vinden over groot halen we een veel gebruikte maat voor onregelmaat tevoorschijn. In de voorraadtheorie noemen we een

6 5 afzetpatroon met een variatie-coëfficiënt (standaardafwijking / gemiddelde) van kleiner dan 0,5 een regelmatige vraag. Dat wil zeggen dat het gemiddelde helemaal geen gekke voorspelling is. En we kunnen de leefregels met elkaar combineren. In tabel 2 geven we aan wanneer het m.i. zin heeft om veel tijd in het voorspellen te steken. Belangrijkheid A B C Regelmatige vraag JA JA/NEE NEE Onregelmatige vraag maar bekend JA JA/NEE NEE Onregelmatige vraag en onbekend JA JA/NEE NEE Tabel 2 Wanneer is het zinvol om veel tijd in voorspellen te steken? Uit bovenstaande tabel blijkt dus dat we C-producten blijkbaar niet willen voorspellen. Hiermee bedoelen we dat we geen aandacht aan dit soort producten willen besteden en de forecast de vorm zal hebben van: we gaan het volgend jaar x stuks verkopen. In Durlinger [2014,2] kijken we naar de bijbehorende voorraadstrategieën. 4 Hoeveel bruikbare data hebben we nodig? We kunnen kwantitatieve modellen gebruiken als we voldoende (lees 30) bruikbare data ter beschikking hebben. Dit lijkt veel en als we alleen maar maandelijkse afzetcijfers hebben praten we over 2,5 jaar gegevens. Dit is een van de redenen om weekcijfers te gebruiken. En ik zou dan uitgaan van minstens één jaar historie, liefst twee. Als we echter met seizoenspatronen te maken hebben spreekt de theorie van minstens 5 à 6 maal de lengte van het seizoen. In praktijk komt dat neer op 5 à 6 jaar gegevens en dat kan, zeker voor producten met een korte levenscyclus een probleem worden. Dat wil niet zeggen dat we niet meer kunnen voorspellen, maar we kunnen de klassieke modellen niet meer gebruiken. Vaak vragen mensen waarom 30 getallen en niet 10 of 50. Daar kan een ingewikkelde statistische afleiding voor gegeven worden of een pragmatische. U hoopt natuurlijk op het tweede en u heeft geluk. We gebruiken de analogie van de Groene Dwerg. Het Groene Dwerg probleem Stel u ligt na een uitgebreid diner met het MT in uw bed. s Nachts wordt u om 3 uur wakker en ontwaart in de hoek van de kamer een vagelijk bekend figuur. Plots gaat de deur open en er verschijnt een groene dwerg. De vagelijk bekende figuur stelt u voor het volgende probleem: de groene dwerg is een representant van het Groene Dwergenvolk en de prangende vraag is: Wat is de gemiddelde lengte van een groene dwerg? U kunt nog juist ontwaren dat de dwerg tot de deurklink reikt en u weet dat de klink zich op 1 meter hoogte bevindt. En opnieuw de dwingende vraag: Wat is de gemiddelde lengte van een Groene Dwerg? Hoe moet u dat nou weten? U heeft er nog nooit een gezien. Plots doemt een discussie op bij de laatste MT vergadering toen zij de Sales Manager vroegen hoeveel hij van een nieuw te introduceren ging verkopen. Brrr, effe niet aan denken maar concentreren op de vraag. De lezer mag hetzelfde doen en daarna doorgaan naar de volgende bladzijde.

7 6 Het goede antwoord is 1 meter. Maar waarom? U heeft natuurlijk gelijk dat u niks weet van Groene Dwergen, dus zult u een aanname moeten doen. U nam ook geen genoegen met het antwoord van de Sales Director dat hij eigenlijk niet genoeg informatie had. (En opeens weet u ook waarom de figuur u zo vagelijk bekend voorkomt). Was het trouwens gemakkelijker geweest als het een bospygmee was geweest in plaats van een Groene Dwerg? Hoogstwaarschijnlijk wel al heeft u er nog nooit een in werkelijkheid gezien. Wat u graag zou weten is hoe de lengte bij de Groene Dwergen verdeeld is. Is die ook normaal verdeeld, of zijn ze allemaal even groot of zit er nog een gekke verdeling achter. U heeft geen flauw idee, maar de kans dat dit een normale Groene Dwerg is, zal groter zijn dan dat een Reuze Groene Dwerg in uw slaapkamer staat. Of juist een Lilliputter Groene Dwerg. En ook als alle Groene Dwergen even groot zouden zijn, zou u goed zitten. Dus hoe u het ook went of keert, 1 meter is het beste antwoord met de informatie die u nu bezit. Maar het leven zit mee, de deur gaat opnieuw open en een tweede Groene Dwerg treedt binnen. Deze blijkt ongeveer 1.20 te zijn. Wat is nu uw antwoord? Het blijft moeilijk maar misschien is een lengte van 1.10 meter een redelijk antwoord. En dat is ook zo. Vervolgens komen een derde en een vierde en een vijfde dwerg binnen. En de lengte ligt allemaal zo tussen de 1 meter en 1.20 m. Nummer 6 is wat kleiner maar nummer 7 t/m 17 vertonen weer de vertrouwde lengte. Dwerg 18 is wat groter, maar de volgende 10 weer tussen 1 meter en 1.20 m. U weet wel genoeg; het zou wel heeeeel vreemd zijn als de volgende dwergen allemaal 1.50 zouden zijn of 0,75 meter. Dit hele gebeuren is een pragmatische uitleg van het statement: minstens 30 waarnemingen. En kunt u dan niets zeggen als u maar 10 of 20 waarnemingen heeft? Natuurlijk wel, maar de waarde van de voorspelling die u maakt op basis van die 10 of 20 waarnemingen zou weleens heel laag kunnen zijn. 5. Voorspelbare vraag en onvoorspelbare vraag Zoals eerder gezegd moeten we geen overspannen verwachtingen hebben van voorspellingsmethoden. Een van de veronderstellingen die het MT vaak onbewust maakt, is te denken dat de afzet naar een product zomaar uit de lucht komt vallen en daarmee de hele forecast overhoop gooit. Of misschien wil Sales ons dat laten geloven. Dit kan misschien wel eens gelden voor C-producten waarbij een spot-klant toevalligerwijs veel van een van onze C-producten komt afhalen. Voor A-producten kan dat bijna niet gelden. De vraag naar A-producten moet regelmatig zijn, het zijn immers fast-movers met veel afzet, verdeeld over veel momenten. Tenminste vanuit theoretisch oogpunt, vanuit praktisch oogpunt lijkt het er toch vaak op. Tijd om eens beter te kijken naar een paar verstorende factoren in het datapatroon. Sommigen worden veroorzaakt door de buitenwereld, maar er zijn er ook een paar die we over ons zelf afroepen. Vraag decompositie Als we naar de afzet van een A-product kijken, zien we vaak grote pieken ondanks dat we een regelmatig afzetpatroon zouden veronderstellen. Één van de boosdoeners kan het bestelgedrag van een aantal grote klanten zijn. Deze grote klanten hebben vaak een rationeel bestelgedrag waarover nagedacht is, dat echter kan leiden tot vreemde verschijnselen. Kijken we eens naar onderstaand afzet patroon van product AAA.

8 Afzetl Afzet Afzet Afzet Product AAA Weeknummer Figuur 1 Afzet product AAA Het lijkt nergens op. Geen enkel forecast-programma kan hier iets zinvols van maken. Maar het wordt anders wanneer we beseffen dat ook bij afzetpatronen vaak de regel opgaat. Een paar klanten zijn verantwoordelijk voor een groot deel van de afzet. Als we nu de klantenvraag van de twee grootste klanten eens isoleren van de rest. Dit doen we in de onderstaande figuur Afzet Product AAA 2 grootste klanten Weeknummerl Klant 2 Klant 1 Figuur 2 Afzet twee grootste klanten En zie, de grote klanten afzonderlijk blijken een mooi regelmatig afzetpatroon te hebben. Als we die eens uit het afzonderlijk patroon halen houden we ruis over zoals te zien is in figuur Afzet Product AAA na vraagdecompositie Weeknummer Figuur 3 Afzet Product AAA na vraagdecompositie

9 8 Die ruis is perfect voorspelbaar met een software pakket. Als we het vraagpatroon van de grote klanten kennen is het grootste deel van de ellende opgelost. Maar dan moeten we dit wel kennen! Vraagdecompositie maakt een onderscheid tussen bekende en onbekende vraag Voor bestaande klanten is contact tussen wederzijdse logistieke afdelingen vaak al genoeg om dit soort repeterende patronen te onderkennen. Ook Sales moet een rol spelen bij het vroegtijdig signaleren van een hoge afzet. Het kan niet zo zijn dat een klant opeens een grote order plaatst. En de grote order is het bruggetje naar de volgende paragraaf. De grote order We kennen hem allemaal; de plotselinge grote order die opeens door de Verkoop Binnendienst ontvangen is en (helaas) meteen doorgezet is en (helaas) vlug uitgeleverd is. Omzet is immers omzet. Maar het resultaat kan ook zijn dat de voorraad helemaal leeggetrokken is waardoor andere, misschien heel trouwe klanten, niets meer kunnen krijgen. Een situatie, die in sommige gevallen lang kan duren wanneer de leverancier het betreffende product niet meteen kan leveren. Iets wat we natuurlijk niet graag zien, maar hoe kan een medewerker binnendienst nou zien dat er een grote order geplaatst wordt? Een mogelijkheid om een paar beslisregels te bepalen die een boodschap triggeren die zegt: niet meteen accepteren. Een beslisregel zou kunnen zijn: de klant ordert een halve maand afzet of meer. Een andere zou kunnen zijn: de klant ordert x maal zijn normale order grootte. Maar ook het tijdstip kan een rol spelen. Een grote order aan het begin van de maand kan anders beoordeeld worden dan eentje aan het einde van de maand. Of een combinatie natuurlijk. Het uiteindelijke resultaat van de beslisregel moet zijn dat de Binnendienst niet elke dag opgezadeld wordt met tientallen vlaggetjes. Maar geen enkel vlaggetje per week zou ook vreemd zijn. Deze twee verstoringen hebben hun oorsprong in de buitenwereld, maar er zijn ook verstoringen die we zelf veroorzaken. We behandelen er twee: De begging salesman oftewel het bonusprobleem Een groot aantal ondernemingen belonen hun Salesforce met bonussen. Als men na verloop van een kwartaal, halfjaar of jaar een bepaalde omzet haalt ontvangt men een bonus. Dit leidt in de laatste weken voor het verstrijken van de bonus-periode tot vreemde taferelen. Om de bonus zeker te stellen worden vaak toekomstige orders naar voren getrokken en wordt de laatste week van de periode een topweek. De verkopen in de weken aan het begin van de periode zakken in. Hierdoor wordt er een soort seizoen gecreëerd; hoge verkopen aan het einde van een periode, lage verkopen aan het begin van een periode. En dit terwijl de verkopen onder dit bonus syndroom een regelmatig karakter zouden hebben. Daarnaast zal het ook nog geld kosten. Klanten zullen niet zo maar orders eerder plaatsen. Al met al leidt dit tot de volgende leefregel: Het hanteren van bonussen leidt tot onregelmatige afzet Een andere, ogenschijnlijk verkoopbevorderende maatregel heeft een soortgelijk effect. Het kwantumkorting probleem Een andere maatregel, die een ongewenst effect heeft op het afzetpatroon is de kwantumkorting. Verkopers bieden een betere prijs wanneer een klant in één keer meer afneemt. Het (nadelige) effect laten we zien in figuur 4a en 4b.

10 9 In de linker figuur zien we de afzet van 3 klanten, die elk elke week respectievelijk 30,20 en 10 stuks afnemen. Vervolgens introduceert Verkoop kwantumkorting waardoor het voor de klanten voordelig wordt om 60 stuks tegelijkertijd af te nemen. Het resultaat zien we in de rechter figuur 4b. Figuur 4a Voor kwantumkorting Figuur 4b Na kwantumkorting En het mag duidelijk zijn wat er gebeurt en dit geeft weer een leefregel: Kwantumkorting leidt tot ongewenste opslingerverschijnselen in de keten En ondanks alles kan het toch voorkomen dat we in het afzet patroon uitschieters tegenkomen, die we eigenlijk niet kunnen verklaren. Deze moeten we ook uit de data verwijderen, omdat ze een groot effect hebben op de variantie van de voorspelfout. Ik verwijs de lezer graag naar Durlinger [2014,1]. 6 Wat is de achtergrond van forecast modellen? Er zijn twee soorten modellen: kwalitatieve modellen en kwantitatieve modellen. De kwantitatieve modellen vallen weer uiteen in causale modellen en tijdreeksanalysemodellen, zoals te zien is in figuur 4. Voorspellings - methoden Kwalitatieve methoden Kwantitatieve methoden Tijdreeksanalyse Causale modellen Figuur 5 Forecast modellen De kwantitatieve modellen gebruiken we als we voldoende bruikbare getallen hebben (zoals besproken in par. 4) en de kwalitatieve modellen als we niet genoeg getallen hebben. Dit zijn methodieken als marktonderzoek, morphologische analyse of gutfeeling. Gevoel en kennis van de markt is belangrijk, maar vaak o zo moeilijk. Drama s in het voorspellen van de toekomstige vraag vallen in deze categorie. Bekend zijn de foutieve inschatting van de vraag naar de Ford Edsel (kostte Ford bijna de kop), de Senseo (de vraag was veel hoger dan verwacht) en nog wat van dit (achteraf) komische vergissingen. Voor de korte termijn echter niet bruikbaar. Wij beperken ons tot de kwantitatieve modellen ook wel statische modellen genoemd. Maar helaas zijn er een heel stel modellen beschikbaar. Variërend van eenvoudig zoals het gemiddelde of modellen waar u gepromoveerd voor moet zijn in de econometrie. Al deze kwantitatieve modellen hebben een belangrijke eigenschap, die nog wel eens vergeten wordt: Kwantitatieve modellen gaan er vanuit dat een datapatroon niet verandert!

11 10 Of misschien nog gekker: Kwantitatieve modellen hebben maar een heel beperkt voorspelvermogen Dat betekent dus dat deze modellen niet kunnen voorspellen wanneer een vraag plotseling toe- of afneemt. Of dat aandelenkoersen plotseling omhoog of omlaag gaan. Maar gelukkig wil ingewikkelder niet zeggen dat de modellen beter presteren. Daarom stel ik een pragmatische keuze voor. Eerst kijken we naar het datapatroon. In de praktijk hebben we te maken met 5 soorten datapatronen zoals weergegeven in figuur 6. stationair a trend b seizoen c Figuur 6 Datapatronen seizoen + trend d Het eerste patroon (a) is een zogenaamd stationair vraagpatroon. Bij een stationair vraagpatroon beweegt de vraag zich rond een gemiddelde, waarbij dit gemiddelde gedurende de tijd niet (of slechts heel weinig verandert). De methoden die men hier kan gebruiken zijn eenvoudig. Een tweede vraagpatroon (b) is die waarbij de vraag een trend vertoont (positief of negatief). Ook de voorspelmethoden voor dit patroon zijn nog redelijk eenvoudig. Een derde vraagpatroon (c) is een patroon waar een seizoen in zit. Kerstartikelen of tuinmeubelen zijn een duidelijk voorbeeld. De methodieken die bij deze patronen horen zijn al ingewikkelder. Het vierde patroon (d) is eigenlijk een combinatie van het tweede en derde patroon. Het gaat hier om data waar zowel een trend als een seizoen in zit. Hier vinden we de meest complexe modellen. En dan kennen we nog producten met een chaotisch of lumpy patroon. Een hele tijd niks en dan weer een afname en weer een tijdje niks. Typische voorbeelden vinden we in de spare-parts omgevingen. En de vraag naar deze spare-parts is praktisch onvoorspelbaar. Dat moeten we ons als MT realiseren. Maar als we eenmaal het datapatroon herkend hebben (en soms is dat toch een beetje lastig), kiezen we een model dat voor die klasse bestemd is. Bij een stationair patroon moet u bijvoorbeeld denken aan gemiddelde, voortschrijdend gemiddelde of gewogen gemiddelde. Welk model maakt niet zo veel maar uit. Zolang het model maar geschikt is voor het datapatroon. Dus seizoensmodellen voor datapatronen met een seizoen en trendmodellen voor data met een trend. 7. Hoe goed is een voorspelling en hoe meten we dat? Het maken van een voorspelling is één, het maken van een goede voorspelling is twee. Hier moeten we helaas geen overdreven verwachtingen van hebben. Zoals hierboven beschreven is het maken van voorspellingen voor de afzonderlijke SKU s geen sinecure. De eerste beslissing die het MT moet nemen bij het evalueren van voorspellingen is het definiëren van de grondslag. Een veel gebruikte, maar onjuiste definitie is de gemiddelde voorspelfout. Een klein voorbeeld in tabel 3.

12 11 Week Realiteit Forecast Tabel 3 In bovenstaand voorbeeld is de gemiddelde voorspelfout gelijk aan 0, maar we kunnen moeilijke zeggen dat de forecast perfect is. Het probleem is dat de plussen en minnen elkaar opheffen. De fouten middelen elkaar uit en dat willen we eigenlijk niet. Dus een nieuwe leefregel: De gemiddelde voorspelfout is een weinig zeggende accuracy-meting De MAD (Mean Absolute Deviation) Dus een betere methode is om de plussen en minnen weg te laten en alleen maar te kijken naar de gemiddelde (absolute) afwijking. In ons geval zitten we er 10 keer twéé stuks naast; dus de gemiddelde (absolute) afwijking is 10/10 = 1. Dit getal noemt men ook de MAD (Mean Absolute Deviation) en erg populair in de Angelsaksische wereld. Deze MAD geeft ook een idee over hoe goed de voorspelling is. In ons geval zitten we er 1 naast op een gemiddelde van 10. Oftewel; we zitten er 10% naast en dat is erg goed! En wederom een leefregel: De MAD is een goede accuracy-meting voor het Management Wanneer we op SKU op weekniveau voorspellen is het al erg goed als we de MAD onder de 30% weten te houden! Deze twee opmerkingen (SKU en weekniveau) leiden tot een tweede vaak gemaakte fout, die te maken heeft met het aggregatie niveau. Op welk aggregatieniveau voorspellen? Als we op korte termijnniveau voorspellen is het aggregatieniveau vaak laag. We voorspellen op SKUniveau om veiligheidsvoorraden te bepalen of misschien op familieniveau voor MPS doeleinden. Maar aggregeren is vaak moeilijk als het om veiligheidsvoorraden gaat. We kunnen misschien wel een redelijke schatting geven over het aantal herenfietsen dat we in 2015 gaan verkopen (in aantallen of geld), maar dat ligt heel anders als we een voorspelling willen maken voor het aantal blauwe hybride-stadsfietsen in week 33. Het eerste is gemakkelijker en zullen we veel beter kunnen. Zeker als we het in euro s doen. Daar gaat het gemiddelde ons juist helpen. Dus voor korte termijnvoorspellingen hebben we niets aan voorspellingen op familie- (of nog hoger) niveau en op lange termijnniveau hebben we geen voorspellingen op SKU nodig. De Bias de systematische fout We maken nog eens een forecast in tabel 4 Week Realiteit Forecast Tabel 4 En we zitten er opnieuw gemiddeld twéé stuks naast, maar op een andere manier dan in ons eerste voorbeeld. In dit geval is de forecast elke keer te laag. En dat is niet wat je normaliter van een forecast verwacht. Als je 10 keer voorspelt verwacht je eigenlijk dat je er gemiddeld 5 keer onder zit

13 12 en 5 keer er boven. Maar niet dat je er structureel boven of onder zit. Dit structurele onder- of overschatten van de vraag noemen we Bias en moet zoveel mogelijk vermeden worden. Maar het voordeel van Bias is dat we het vaak gemakkelijk kunnen oplossen (zie ook Durlinger [2014,1]). Dus: 8 Organisatie Bias is een belangrijke performance indicator. Bias moeten we vermijden! Wat moet het management nu op korte termijn gaan doen. Uit het voorafgaande is duidelijk dat het forecast-proces het belangrijkste is. Al eerste moet men Sales verantwoordelijk en eigenaar maken van de forecast: een sine-qua-non. Als dit niet vastgelegd is zal elk forecastproces gedoemd zijn te mislukken. Een tweede belangrijke organisatorische maatregel is het faciliteren van gesprekken tussen supplychain specialisten van de eigen onderneming met klant en leverancier. Op deze manier ontstaat heel snel een mogelijkheid tot vraagdecompositie en het voorkómen van de grote orders. Vaak worden dit soort gesprekken niet op prijs gesteld door in- en verkoop omdat men bang is voor financiële consequenties. Echter deze gesprekken hebben alleen als doel, planningen op elkaar af te stemmen, waarbij men alleen over aantallen praat en tijdstippen. Ook hier geldt dat we alleen structurele verbeteringen kunnen bereiken als deze gesprekken plaatsvinden. Ten derde moet het management definiëren hoe men de voorspellingen gaat evalueren. Men kan voorspellingen voor de belangrijkste SKU s evalueren, maar ook voor de diverse medewerkers. Invoeren van een MAD criterium voor de belangrijkste SKU s is een mogelijke stap. Het management moet zich realiseren dat een MAD van minder dan 30% op SKU-weekniveau een goed resultaat is. Literatuur Compton J.C., S.B. Compton [1990] Succesfull Business Forecasting Liberty Hall Durlinger P.P.J. [2014,1] Productie en Voorraadbeheer Voorspellingsmethoden Durlinger Consultancy, Durlinger P.P.J. [2014,2] Productie en Voorraadbeheer Voorraadbeheer Durlinger Consultancy, Durlinger, P.P.J. [2015] De rol van Top-management in Voorraadbeheer Durlinger Consultancy, Wallace, T.F., R.A. Stahl [2004] Sales Forecasting A New Approach T.F. Wallace & Company, USA, 2004

Wanneer Slaat Een Voorspelling Ergens Op? Elke voorspelling is fout?!

Wanneer Slaat Een Voorspelling Ergens Op? Elke voorspelling is fout?! Wanneer Slaat Een Voorspelling Ergens Op? Elke voorspelling is fout?! Ir. Paul Durlinger 11 maart 2016 1 1 Wanneer slaat een voorspelling ergens op? Introductie - Dat voorspellen niet zo gemakkelijk is

Nadere informatie

VEILIGHEIDSVOORRADEN BEREKENEN

VEILIGHEIDSVOORRADEN BEREKENEN VEILIGHEIDSVOORRADEN BEREKENEN 4 Soorten berekeningen 12 AUGUSTUS 2013 IR. PAUL DURLINGER Durlinger Consultancy Management Summary In dit paper worden vier methoden behandeld om veiligheidsvoorraden te

Nadere informatie

Interne & externe servicegraad

Interne & externe servicegraad Interne & externe servicegraad Een benadering voor managers Ir. Paul P.J. Durlinger 27-12-2012 / WP.01.2012 / V.01 0 Inleiding Een van de doelen van een voorraadhoudende onderneming is het realiseren van

Nadere informatie

ESLog Supply Chain Management Blok 8

ESLog Supply Chain Management Blok 8 ESLog Supply Chain Management Blok 8 Voorraadbeheer Inhoud: - Vraagvoorspelling - Aggregatieniveau en voorspellingshorizon - Keuze voorspellingsmethode - Bedrijfskolom locaties voorraden - Afhankelijke

Nadere informatie

Hoe krijg ik in vredesnaam mijn voorraad omlaag?

Hoe krijg ik in vredesnaam mijn voorraad omlaag? Hoe krijg ik in vredesnaam mijn voorraad omlaag? Een benadering voor managers Ir. Paul P.J. Durlinger 31-12-2012 / WP.11.2012 / versie 1.0 Eerder verschenen als expert artikel in Logistiek.nl Hoe krijg

Nadere informatie

WAT ALS DE EOQ NIET KAN?

WAT ALS DE EOQ NIET KAN? WAT ALS DE EOQ NIET KAN? Een aantal seriegrootte-bepalingen voor onregelmatige vraag 1 JULI 2012 IR. PAUL DURLINGER Durlinger Consultancy Management Summary In dit paper behandel ik enkele seriegroottebepalingen

Nadere informatie

ZO BEPAAL JE VOORRAAD- EN BESTELKOSTEN! Een pragmatische aanpak

ZO BEPAAL JE VOORRAAD- EN BESTELKOSTEN! Een pragmatische aanpak ZO BEPAAL JE VOORRAAD- EN BESTELKOSTEN! Een pragmatische aanpak Ir. Paul Durlinger September 2013 Zo bepaal je voorraad- en bestelkosten! Voorraad- en bestelkosten helpen de onderneming een gefundeerde

Nadere informatie

Productie en Voorraadbeheer 1: - Forecasting -

Productie en Voorraadbeheer 1: - Forecasting - 20 14 Productie en Voorraadbeheer 1: - Forecasting - Paul Durlinger Durlinger Consultancy 24-2-2014 Inhoudsopgave 3 Forecasting 3 3.0 Inleiding 3 3.1 Data-correctie 9 3.1.0 Inleiding 9 3.1.1 Datacorrectie

Nadere informatie

Een groot Assortiment kost geld?!

Een groot Assortiment kost geld?! Een groot Assortiment kost geld?! Een 1-stappen plan voor Managers Ir. Paul P.J. Durlinger 28-12-212 / WP.5.212 / Versie 1. . Inleiding Wat betekent een groot assortiment voor de winstgevendheid van uw

Nadere informatie

Infaseren en Uitfaseren

Infaseren en Uitfaseren Infaseren en Uitfaseren Een benadering voor managers Ir. Paul P.J. Durlinger 14-10-2012 / WP.08.2012 / Versie 1.0 0. Inleiding Het is een bekend fenomeen bij vele ondernemingen. Het assortiment lijkt nog

Nadere informatie

Statistiek voor Managers

Statistiek voor Managers Statistiek voor Managers Een 10-stappen plan voor Managers Ir. Paul P.J. Durlinger 10-10-2012 / WP.06.2012 0 Inleiding Statistiek is een woord dat bij velen onder u gemengde gevoelens zal oproepen. Toch

Nadere informatie

Oplossing: Vertalen van strategisch plan naar concrete en meetbare afdelings- en persoonlijke doelstellingen.

Oplossing: Vertalen van strategisch plan naar concrete en meetbare afdelings- en persoonlijke doelstellingen. Planning, budget en forecast 1/ Planning budgetting yearplan Een onderneming heeft haar langetermijndoelstellingen en strategie bepaald. Ze heeft die ook vertaald naar belangrijke KPI s, waaronder concurrentie,

Nadere informatie

INHOUD Verantwoording 1 De macht van de situatie 2 Koester je zeurende collega 19 3 De calculerende medewerker 4 Respect!

INHOUD Verantwoording 1 De macht van de situatie 2 Koester je zeurende collega 19 3 De calculerende medewerker 4 Respect! INHOUD Verantwoording 7 1 De macht van de situatie 11 We hebben de neiging te denken dat we zelf bepalen wat we doen, maar in werkelijkheid worden we ook gestuurd door allerlei omstandigheden. 2 Koester

Nadere informatie

Inhoud. 1 Inleiding 9 1.1 Voor wie is dit boek? 9 1.2 Doelstelling 11 1.3 Aanpak 11 1.4 Opzet 13

Inhoud. 1 Inleiding 9 1.1 Voor wie is dit boek? 9 1.2 Doelstelling 11 1.3 Aanpak 11 1.4 Opzet 13 Inhoud 1 Inleiding 9 1.1 Voor wie is dit boek? 9 1.2 Doelstelling 11 1.3 Aanpak 11 1.4 Opzet 13 2 Tevredenheid en beleid 15 2.1 Het doel van tevredenheid 16 2.2 Tevredenheid in de beleidscyclus 19 2.3

Nadere informatie

COLUMN VERBINDEND EN ONDERWIJSKUNDIG LEIDERSCHAP NATIONAAL ONDERWIJSDEBAT 9 OKTOBER 2008 HARRIE AARDEMA, CONCEPT 071008

COLUMN VERBINDEND EN ONDERWIJSKUNDIG LEIDERSCHAP NATIONAAL ONDERWIJSDEBAT 9 OKTOBER 2008 HARRIE AARDEMA, CONCEPT 071008 Ik zie mijn inleiding vooral als een opwarmer voor de discussie. Ik ga daarom proberen zo veel mogelijk vragen op te roepen, waar we dan straks onder leiding van Wilma Borgman met elkaar over kunnen gaan

Nadere informatie

Hoe Goed Doet Mijn Leverancier Het? Logistiek Gezien- Over Leveranciers Betrouwbaarheid

Hoe Goed Doet Mijn Leverancier Het? Logistiek Gezien- Over Leveranciers Betrouwbaarheid Hoe Goed Doet Mijn Leverancier Het? Logistiek Gezien- Over Leveranciers Betrouwbaarheid Ir. Paul P.J. Durlinger 5-Maart 2016 1 Management summary: In dit paper kijk ik naar enkele logistieke KPI s, om

Nadere informatie

Voorspel uw toekomstige. afzet met Sales & Operations Planning. Rene van Luxemburg. Ilja Kempenaars

Voorspel uw toekomstige. afzet met Sales & Operations Planning. Rene van Luxemburg. Ilja Kempenaars Voorspel uw toekomstige Rene van Luxemburg Ilja Kempenaars afzet met Sales & Operations Planning Break-out sessie Break-out sessie S.&.O.P. & Forecasting Forecast Pro applicatie Effectief? Ja! Duur? Nee!

Nadere informatie

PromotieRegie. Complete ondersteuning van het promotieproces. De tool waarmee u uw promoties doelmatig plant

PromotieRegie. Complete ondersteuning van het promotieproces. De tool waarmee u uw promoties doelmatig plant PromotieRegie Complete ondersteuning van het promotieproces De tool waarmee u uw promoties doelmatig plant PromotieRegie Complete ondersteuning van uw promotieproces De concurrentie binnen supermarkten

Nadere informatie

Netwerkdiagram voor een project. AOA: Activities On Arrows - activiteiten op de pijlen.

Netwerkdiagram voor een project. AOA: Activities On Arrows - activiteiten op de pijlen. Netwerkdiagram voor een project. AOA: Activities On Arrows - activiteiten op de pijlen. Opmerking vooraf. Een netwerk is een structuur die is opgebouwd met pijlen en knooppunten. Bij het opstellen van

Nadere informatie

WAT IS MIJN VOORRAAD EIGENLIJK WAARD? 5 financiële evaluatie-methodes

WAT IS MIJN VOORRAAD EIGENLIJK WAARD? 5 financiële evaluatie-methodes WAT IS MIJN VOORRAAD EIGENLIJK WAARD? 5 financiële evaluatie-methodes Ir. Paul Durlinger Augustus 2014 Management samenvatting In dit paper geven we aan hoe we een beter beeld kunnen krijgen van de kwalitatieve

Nadere informatie

DE ROL VAN TOPMANAGEMENT IN VOORRAADBEHEER. -Een pragmatische aanpak-

DE ROL VAN TOPMANAGEMENT IN VOORRAADBEHEER. -Een pragmatische aanpak- DE ROL VAN TOPMANAGEMENT IN VOORRAADBEHEER -Een pragmatische aanpak- Ir. paul durlinger Augustus 2014 De rol van Topmanagement in Voorraadbeheer Managementsamenvatting- Voorraadhoogte en servicegraad naar

Nadere informatie

Examen VWO. wiskunde A1,2 (nieuwe stijl)

Examen VWO. wiskunde A1,2 (nieuwe stijl) wiskunde A1,2 (nieuwe stijl) Examen VWO Voorbereidend Wetenschappelijk Onderwijs Tijdvak 1 Dinsdag 1 juni 13.3 16.3 uur 2 4 Voor dit examen zijn maximaal 87 punten te behalen; het examen bestaat uit 21

Nadere informatie

Business Case Beverages Group Verkiezing Supply Chain Professional 2011

Business Case Beverages Group Verkiezing Supply Chain Professional 2011 Business Case Beverages Group Verkiezing Supply Chain Professional 2011 Patrick Gunther 11 April 2011 Business Case Patrick Gunther April 2011 1 1. Inleiding Deze business case geeft een overzicht van

Nadere informatie

Samenvatting. Beginselen van Productie. en Logistiek Management

Samenvatting. Beginselen van Productie. en Logistiek Management Samenvatting Beginselen van Productie en Logistiek Management Pieter-Jan Smets 5 maart 2015 Inhoudsopgave I Voorraadbeheer 4 1 Inleiding 4 1.1 Globalisering........................................... 4

Nadere informatie

Folkert Buiter 2 oktober 2015

Folkert Buiter 2 oktober 2015 1 Nuchter kijken naar feiten en trends van aardbevingen in Groningen. Een versneld stijgende lijn van het aantal en de kracht van aardbevingen in Groningen. Hoe je ook naar de feitelijke metingen van de

Nadere informatie

Voorraad van Ist naar Soll

Voorraad van Ist naar Soll Voorraad van Ist naar Soll Een benadering voor managers Ir. Paul P.J. Durlinger 14-10-2012 / WP.03.2012 / Versie 1.0 0 Inleiding Op een kille lente ochtend staart Jan Evers, CEO van Smalltalk Logistics

Nadere informatie

Modelleren C Appels. Christian Vleugels Sander Verkerk Richard Both. 2 april 2010. 1 Inleiding 2. 3 Data 3. 4 Aanpak 3

Modelleren C Appels. Christian Vleugels Sander Verkerk Richard Both. 2 april 2010. 1 Inleiding 2. 3 Data 3. 4 Aanpak 3 Modelleren C Appels Christian Vleugels Sander Verkerk Richard Both 2 april 2010 Inhoudsopgave 1 Inleiding 2 2 Probleembeschrijving 2 3 Data 3 4 Aanpak 3 5 Data-analyse 4 5.1 Data-analyse: per product.............................

Nadere informatie

Eindexamen wiskunde A1-2 vwo 2004-I

Eindexamen wiskunde A1-2 vwo 2004-I Examenresultaten Voor de invoering van de tweede fase bestonden de vakken wiskunde A en wiskunde B. In 2 werden deze vakken voor het laatst op alle VWO-scholen geëxamineerd. Bij het Centraal Examen wiskunde

Nadere informatie

Examen VWO 2015. wiskunde C. tijdvak 2 woensdag 17 juni 13.30-16.30 uur. Bij dit examen hoort een uitwerkbijlage.

Examen VWO 2015. wiskunde C. tijdvak 2 woensdag 17 juni 13.30-16.30 uur. Bij dit examen hoort een uitwerkbijlage. Examen VWO 2015 tijdvak 2 woensdag 17 juni 13.30-16.30 uur wiskunde C Bij dit examen hoort een uitwerkbijlage. Dit examen bestaat uit 22 vragen. Voor dit examen zijn maximaal 79 punten te behalen. Voor

Nadere informatie

Resultaten Onderzoek September 2014

Resultaten Onderzoek September 2014 Resultaten Onderzoek Initiatiefnemer: Kennispartners: September 2014 Resultaten van onderzoek naar veranderkunde in de logistiek Samenvatting Logistiek.nl heeft samen met BLMC en VAViA onderzoek gedaan

Nadere informatie

Critical Chain Project Management (CCPM) Een korte introductie

Critical Chain Project Management (CCPM) Een korte introductie Critical Chain Project Management (CCPM) Een korte introductie Inleiding Critical Chain Project Management is een methode om projecten te plannen en bewaken en is afgeleid van de management theorie Theory

Nadere informatie

Extra inkoopconditie Kommissiekorting/Keukenplanningskorting.

Extra inkoopconditie Kommissiekorting/Keukenplanningskorting. Extra inkoopconditie Kommissiekorting/Keukenplanningskorting. Simar automatisering, april 2014 - bijgewerkt juni 2014 Het komt met regelmaat voor dat apparatenleveranciers een extra korting verlenen bij

Nadere informatie

easyfairs Transport & Logistiek 2010

easyfairs Transport & Logistiek 2010 easyfairs Transport & Logistiek 2010 learnshop Voorraad reduceren met behoud van servicelevels! Henk Meulenbroeks / Kees van Oostrum EVO Bedrijfsadvies EVO Onze behartigt leden zijn de verantwoordelijk

Nadere informatie

Samenvatting. Doelstelling

Samenvatting. Doelstelling Samenvatting In 2003 hebben de ministeries van Justitie, Financiën, Binnenlandse Zaken en Koninkrijksrelaties en Algemene Zaken de afspraak gemaakt dat het ministerie van Justitie het voortouw zal nemen

Nadere informatie

Hoe word je succesvol in sales

Hoe word je succesvol in sales Hoe word je succesvol in sales Verkopen gaat niet vanzelf. Zeker niet in deze tijd. Toch zijn nog steeds veel verkopers erg succesvol. Dat komt niet door het product of de dienst die ze aanbieden, maar

Nadere informatie

TRADECLOUD SUPPLY CHAIN PLATFORM Voorspelbaar inkopen & produceren

TRADECLOUD SUPPLY CHAIN PLATFORM Voorspelbaar inkopen & produceren TRADECLOUD SUPPLY CHAIN PLATFORM Voorspelbaar inkopen & produceren LOREM IPSUM DOLOR SIT AMET [Bold 24pt] Hogere marges Kortere doorlooptijden Sneller reageren op marktveranderingen 1 2015 EXACT - EXACT

Nadere informatie

Beoordeling van investeringsvoorstellen

Beoordeling van investeringsvoorstellen Beoordeling van investeringsvoorstellen C2010 1 Beoordeling van investeringsvoorstellen Ir. drs. M. M. J. Latten 1. Inleiding C2010 3 2. De onderneming C2010 3 3. Investeringen G2010 3 4. Selectiecriteria

Nadere informatie

REKENVAARDIGHEID BRUGKLAS

REKENVAARDIGHEID BRUGKLAS REKENVAARDIGHEID BRUGKLAS Schooljaar 008/009 Inhoud Uitleg bij het boekje Weektaak voor e week: optellen en aftrekken Weektaak voor e week: vermenigvuldigen Weektaak voor e week: delen en de staartdeling

Nadere informatie

Het hoe en waarom van Personeelsgesprekken

Het hoe en waarom van Personeelsgesprekken Het hoe en waarom van Personeelsgesprekken Personeelsgesprekken Het personeelsgesprek (ook wel functioneringsgesprek) is een belangrijk instrument dat ingezet kan worden voor een heldere arbeidsverhouding

Nadere informatie

Onderzoeksrapport Transport & Logistiek

Onderzoeksrapport Transport & Logistiek Onderzoeksrapport Transport & Logistiek trends en ontwikkelingen op het gebied van ICT en managementinformatie in de sector transport en logistiek september 2011 Onderzoek naar rol van ICT in complexe

Nadere informatie

Onderzoeksrapport. Transport & Logistiek

Onderzoeksrapport. Transport & Logistiek Onderzoeksrapport Transport & Logistiek trends en ontwikkelingen op het gebied van ICT en managementinformatie in de sector transport en logistiek september 2011 Over Solipsis Al sinds 1984 is Solipsis

Nadere informatie

Examen VWO. Wiskunde A1,2 (nieuwe stijl)

Examen VWO. Wiskunde A1,2 (nieuwe stijl) Wiskunde A1,2 (nieuwe stijl) Examen VWO Voorbereidend Wetenschappelijk Onderwijs Tijdvak 2 Woensdag 18 juni 13.3 16.3 uur 2 3 Voor dit examen zijn maximaal zijn 88 punten te behalen; het examen bestaat

Nadere informatie

KLANTGERICHTHEID. klantgericht werken & ondernemen. rendabele klant. Sales Force Consulting Klantgerichtheid: klantgericht werken & ondernemen

KLANTGERICHTHEID. klantgericht werken & ondernemen. rendabele klant. Sales Force Consulting Klantgerichtheid: klantgericht werken & ondernemen KLANTGERICHTHEID klantgericht werken & ondernemen rendabele klant klantgerichtheid tevreden klant trouwe klant inleiding deze presentatie gaat over klantgerichtheid. Kort gezegd gaat klantgerichtheid over

Nadere informatie

Hoofdstuk 1 Voorraad. Hoofdstuk 2 Wat is logistiek?

Hoofdstuk 1 Voorraad. Hoofdstuk 2 Wat is logistiek? Hoofdstuk 1 Voorraad 1.1 Over het algemeen is er een grote voorraad in de apotheek aanwezig met veel verschillende geneesmiddelen in verschillende aantallen per geneesmiddel. Door welke twee factoren wordt

Nadere informatie

Hoofdstuk 26: Modelleren in Excel

Hoofdstuk 26: Modelleren in Excel Hoofdstuk 26: Modelleren in Excel 26.0 Inleiding In dit hoofdstuk leer je een aantal technieken die je kunnen helpen bij het voorbereiden van bedrijfsmodellen in Excel (zie hoofdstuk 25 voor wat bedoeld

Nadere informatie

CONSTANT ONDERHANDEN WERK ZORGT VOOR STABIELE DOORLOOPTIJDEN

CONSTANT ONDERHANDEN WERK ZORGT VOOR STABIELE DOORLOOPTIJDEN CONSTANT ONDERHANDEN WERK ZORGT VOOR STABIELE DOORLOOPTIJDEN Klanten verwachten tegenwoordig een grotere leverbetrouwbaarheid, tegen lagere kosten, met betere kwaliteit en dat allemaal tegelijk. Diegenen

Nadere informatie

Businessplan op een Bierviltje

Businessplan op een Bierviltje Businessplan op een Bierviltje Door Quirien Veldman, Syntens Ze zeggen wel eens: een businessplan moet zo simpel zijn dat het op een bierviltje past. Hoe kan dat als de businessplannen die de meeste ondernemers

Nadere informatie

Doe Gelukkiger. Marco Honkoop NLP coaching & training

Doe Gelukkiger. Marco Honkoop NLP coaching & training 1 Inhoudsopgave 1. Introductie... 3 2. Je goed voelen om niets... 5 2.1 Gevoel trainen... 6 2.2 Strategie goed voelen... 7 3. Goede beslissingen nemen... 9 3.1 Strategie goede beslissingen nemen... 10

Nadere informatie

Poolcoördinaten (kort)

Poolcoördinaten (kort) Poolcoördinaten (kort) WISNET-HBO update juli 2013 Carthesiaanse coördinaten In het algemeen gebruiken we voor de plaatsbepaling in het platte vlak de gewone (Carthesiaanse) coördinaten voor, in een rechthoekig

Nadere informatie

Ruimte, Ether, Lichtsnelheid en de Speciale Relativiteitstheorie. Een korte inleiding:

Ruimte, Ether, Lichtsnelheid en de Speciale Relativiteitstheorie. Een korte inleiding: 1 Ruimte, Ether, Lichtsnelheid en de Speciale Relativiteitstheorie. 23-09-2015 -------------------------------------------- ( j.eitjes@upcmail.nl) Een korte inleiding: Is Ruimte zoiets als Leegte, een

Nadere informatie

2010 Marco Honkoop NLP coaching & training

2010 Marco Honkoop NLP coaching & training 2010 Marco Honkoop NLP coaching & training Introductie Dit ebook is gemaakt voor mensen die meer geluk in hun leven kunnen gebruiken. We kennen allemaal wel van die momenten dat het even tegen zit. Voor

Nadere informatie

Nederlandse samenvatting

Nederlandse samenvatting 138 Uitstel van ouderschap De positie van de vrouw in de westerse maatschappij is de laatste tientallen jaren fundamenteel veranderd. Vrouwen zijn hoger opgeleid dan vroeger en werken vaker buitenshuis.

Nadere informatie

Normering en schaallengte

Normering en schaallengte Bron: www.citogroep.nl Welk cijfer krijg ik met mijn score? Als je weet welke score je ongeveer hebt gehaald, weet je nog niet welk cijfer je hebt. Voor het merendeel van de scores wordt het cijfer bepaald

Nadere informatie

HDR- FOTOGRAFIE. Inleiding. Het digitale beeld - Bijlage

HDR- FOTOGRAFIE. Inleiding. Het digitale beeld - Bijlage HDR- FOTOGRAFIE Inleiding Wanneer je door de zoeker van je al dan niet spiegelreflex camera kijkt en een prachtige scène hebt waargenomen en vastgelegd, dan is er naderhand soms enige teleurstelling wanneer

Nadere informatie

Inleiding Logistiek, Hoofdstuk 7 13 april 2007

Inleiding Logistiek, Hoofdstuk 7 13 april 2007 Competenties Inleiding Logistiek Hoofdstuk 7 Interne logistieke planning II Na het bestuderen van dit hoofdstuk kun je vertellen: over voorraden: het ontstaan, gebruik, soorten, analyse en beheersing ervan;

Nadere informatie

De controller als choice architect. Prof. dr. Victor Maas Hoogleraar Management Accounting & Control Erasmus School of Economics

De controller als choice architect. Prof. dr. Victor Maas Hoogleraar Management Accounting & Control Erasmus School of Economics De controller als choice architect Prof. dr. Victor Maas Hoogleraar Management Accounting & Control Erasmus School of Economics Wat doet een controller? Hoofd administratie Boekhoudsysteem/grootboek/accountingregels

Nadere informatie

Control in een lean omgeving

Control in een lean omgeving 22-10-2014 1 Control in een lean omgeving Sandra Tillema en Martijn van der Steen Presentatie t.b.v. Lean Innovation Network 7 oktober 2014 s.tillema@rug.nl m.p.van.der.steen@rug.nl 22-10-2014 2 Inleiding

Nadere informatie

Bark Verpakkingen. Outsourcing Concept

Bark Verpakkingen. Outsourcing Concept Bark Verpakkingen Outsourcing Concept Outsourcing Bark Verpakkingen BV als uw partner in strategisch verpakkingsmanagement. De win-win relatie tussen 'outsourcing' en uw 'core business efficiency'. Met

Nadere informatie

12 gouden regels voor KPI s

12 gouden regels voor KPI s 12 gouden regels voor KPI s ITsmart Business Intelligence Whitepapers Over ITsmart ITsmart is al 10 jaar gespecialiseerd in Business Intelligence oplossingen. Business Intelligence (BI) is het vormgeven

Nadere informatie

WERKINSTRUCTIES VOOR HET MKB: HOE MAAK IK NOU EEN GOEDE FORECAST?

WERKINSTRUCTIES VOOR HET MKB: HOE MAAK IK NOU EEN GOEDE FORECAST? WERKINSTRUCTIES VOOR HET MKB: HOE MAAK IK NOU EEN GOEDE FORECAST? Introductie Goed forecasten is een skill die je niet zomaar beheerst. Wanneer je hier actief mee aan de slag gaat, zal je merken dat je

Nadere informatie

Hierin is λ de golflengte in m, v de golfsnelheid in m/s en T de trillingstijd in s.

Hierin is λ de golflengte in m, v de golfsnelheid in m/s en T de trillingstijd in s. Inhoud... 2 Opgave: Golf in koord... 3 Interferentie... 4 Antigeluid... 5 Staande golven... 5 Snaarinstrumenten... 6 Blaasinstrumenten... 7 Opgaven... 8 Opgave: Gitaar... 8 Opgave: Kerkorgel... 9 1/10

Nadere informatie

F reader. Het nieuwe ondernemen. is gewoon durven te veranderen!

F reader. Het nieuwe ondernemen. is gewoon durven te veranderen! F R I E N D S F reader Het nieuwe ondernemen. is gewoon durven te veranderen! Als we de berichtgeving van de laatste maanden mogen geloven staat de non food detailhandel voor een herstructureringsslag.

Nadere informatie

Van Bragt Informatiemanagement

Van Bragt Informatiemanagement 1 Strategic Grid - McFarlan Doel en werkwijze Het doel van het strategic grid zoals dat door McFarlan, McKenney en Pyburn is geïntroduceerd is de impact van ICT activiteiten uit te zetten ten opzichte

Nadere informatie

Verras uw business-collega s met een IT-sixpack

Verras uw business-collega s met een IT-sixpack Hybride-cloudaanpak Verras uw business-collega s met een IT-sixpack De CIO staat steeds meer onder druk: enerzijds vragen uw businesscollega s een s nellere en meer flexibele dienstverlening, anderzijds

Nadere informatie

Nieuwe Sales Forecast en Demand Planning op het HANA platform

Nieuwe Sales Forecast en Demand Planning op het HANA platform Nieuwe Sales Forecast en Demand Planning op het HANA platform Al meer dan tien jaar geleden lanceerde SAP APO, het supply chain planning systeem wat in vele bedrijven wereldwijd wordt gebruikt voor sales

Nadere informatie

Examen VWO. wiskunde A1

Examen VWO. wiskunde A1 wiskunde A1 Examen VWO Voorbereidend Wetenschappelijk Onderwijs Tijdvak 1 Woensdag 25 mei 13.30 16.30 uur 20 05 Voor dit examen zijn maximaal 83 punten te behalen; het examen bestaat uit 21 vragen. Voor

Nadere informatie

Grip op uw bedrijfscontinuïteit

Grip op uw bedrijfscontinuïteit Grip op uw bedrijfscontinuïteit Hoe omgaan met risico s 1 Grip op uw bedrijfsdoelstellingen: risicomanagement Ondernemen is risico s nemen. Maar bedrijfsrisico s mogen ondernemen niet in de weg staan.

Nadere informatie

WISKUNDE B -DAG 2002 1+ 1 = 2. maar en hoe nu verder? 29 november 2002

WISKUNDE B -DAG 2002 1+ 1 = 2. maar en hoe nu verder? 29 november 2002 - 0 - WISKUNDE B -DAG 2002 1+ 1 = 2 maar en hoe nu verder? 29 november 2002 De Wiskunde B-dag wordt gesponsord door Texas Instruments - 1 - Inleiding Snel machtverheffen Stel je voor dat je 7 25 moet uitrekenen.

Nadere informatie

wiskunde A havo 2016-II

wiskunde A havo 2016-II BMI, hoger dan je denkt Jarenlang nam in Nederland de gemiddelde lengte van volwassen mannen en vrouwen toe. Ook aan het einde van de vorige eeuw was dat nog zo: op 1 januari van het jaar 1981 waren Nederlandse

Nadere informatie

Meten: algemene beginselen. Harry B.G. Ganzeboom ADEK UvS College 1 28 februari 2011

Meten: algemene beginselen. Harry B.G. Ganzeboom ADEK UvS College 1 28 februari 2011 Meten: algemene Harry B.G. Ganzeboom ADEK UvS College 1 28 februari 2011 OPZET College 1: Algemene College 2: Meting van attitudes (ISSP) College 3: Meting van achtergrondvariabelen via MTMM College 4:

Nadere informatie

Klantonderzoek: statistiek!

Klantonderzoek: statistiek! Klantonderzoek: statistiek! Statistiek bij klantonderzoek Om de resultaten van klantonderzoek juist te interpreteren is het belangrijk de juiste analyses uit te voeren. Vaak worden de mogelijkheden van

Nadere informatie

Nederlandse samenvatting

Nederlandse samenvatting Nederlandse samenvatting Het is een uitdaging om ouderen te identificeren die baat kunnen hebben bij een interventie gericht op de preventie van beperkingen in het dagelijks leven op het moment dat dergelijke

Nadere informatie

Migrerende euromunten

Migrerende euromunten Migrerende euromunten Inleiding Op 1 januari 2002 werden in vijftien Europese landen (twaalf grote en drie heel kleine) euromunten en - biljetten in omloop gebracht. Wat de munten betreft, ging het in

Nadere informatie

Van de wedstrijdleider wordt wel verwacht dat hij weet waar hij mee bezig is en daarom hoort hij de achterliggende ideeën wel te kennen.

Van de wedstrijdleider wordt wel verwacht dat hij weet waar hij mee bezig is en daarom hoort hij de achterliggende ideeën wel te kennen. Butlerwedstrijden 1. Inleiding Sinds de invoering van de computer bij het uitrekenen van bridgetoernooien is de Butler rekenmethode steeds populairder geworden. De Butlermethode voor het uitrekenen van

Nadere informatie

Februari 2012 Workshop Eviont

Februari 2012 Workshop Eviont Het Brein heeft een doel nodig! Februari 2012 Workshop Eviont Het Brein heeft een doel nodig! Inhoudsopgave INHOUDSOPGAVE...2 LEESWIJZER...3 INLEIDING...4 STAP 1: HET KADER...5 STAP 2: STATE, GEDRAG EN

Nadere informatie

Drijfveren en verkopen

Drijfveren en verkopen Drijfveren en verkopen 5.6 Verkopen Een heel andere manier van omgaan met de drijfveren heeft te maken met de omgang met de buitenwereld. Dit boek gaat over drijfveren in de praktijk, met de nadruk op

Nadere informatie

De Dynamische Strategie Portefeuille DSP

De Dynamische Strategie Portefeuille DSP De Dynamische Strategie Portefeuille DSP Onderdeel van het beleggingsbeleid van Pensioenfonds UWV 1 Inhoudsopgave Waarom beleggen? 4 Beleggen is niet zonder risico s 4 Strategische beleggingsportefeuille

Nadere informatie

360 FEEDBACK 15/06/2012. Thomas Leiderschap Vragenlijst. Thomas Voorbeeld. Persoonlijk & Vertrouwelijk

360 FEEDBACK 15/06/2012. Thomas Leiderschap Vragenlijst. Thomas Voorbeeld. Persoonlijk & Vertrouwelijk 360 FEEDBACK 15/06/2012 Thomas Leiderschap Vragenlijst Thomas Voorbeeld Persoonlijk & Vertrouwelijk S Hamilton-Gill & Thomas International Limited 1998-2013 http://www.thomasinternational.net 1 Inhoud

Nadere informatie

Statistiek voor Natuurkunde Opgavenserie 4: Lineaire regressie

Statistiek voor Natuurkunde Opgavenserie 4: Lineaire regressie Statistiek voor Natuurkunde Opgavenserie 4: Lineaire regressie Inleveren: Uiterlijk 15 februari voor 16.00 in mijn postvakje Afspraken Overleg is toegestaan, maar iedereen levert zijn eigen werk in. Overschrijven

Nadere informatie

Haal het beste uit uw gegevens met geïntegreerde Business Intelligence

Haal het beste uit uw gegevens met geïntegreerde Business Intelligence Exact Insights powered by QlikView Haal het beste uit uw gegevens met geïntegreerde Business Intelligence Met Exact Insights zet u grote hoeveelheden data moeiteloos om in organisatiebrede KPI s en trends.

Nadere informatie

3D SUPPLY CHAIN VISIBILITY TRENDS & CHALLENGES IN THE HIGH TECH WORLD IR. EMILE VAN GEEL

3D SUPPLY CHAIN VISIBILITY TRENDS & CHALLENGES IN THE HIGH TECH WORLD IR. EMILE VAN GEEL 3D SUPPLY CHAIN VISIBILITY TRENDS & CHALLENGES IN THE HIGH TECH WORLD IR. EMILE VAN GEEL CONTENTS 1. trends in high tech supply chain management... 3 1. trends & uitdagingen... 3 2. omgaan met de huidige

Nadere informatie

Ontwikkelingen op de agrarische grondmarkt tot 1 juli 2004.

Ontwikkelingen op de agrarische grondmarkt tot 1 juli 2004. Ontwikkelingen op de agrarische grondmarkt tot 1 juli 2004. 1 In deze notitie wordt een beeld geschetst van de ontwikkelingen op de agrarische grondmarkt over de periode vanaf 1 januari tot 1 juli 2004.

Nadere informatie

Assertief op het werk

Assertief op het werk Carola van Dijk en Hans Elbers (red.) Assertief op het werk Ikke, ikke, ikke zonder dat de rest... INHOUD Voorwoord 7 Inleiding 9 1 Het verschil tussen subassertief, agressief en assertief gedrag 11 2

Nadere informatie

Quick-scan flexibiliteit

Quick-scan flexibiliteit Quick-scan flexibiliteit Hieronder leggen we u enkele stellingen voor die betrekking hebben op de omstandigheden en de markt waarin uw onderneming, divisie of business unit (dit kunt u zien als uw organisatie

Nadere informatie

De ijnmanager. Cartoons januari 2015. Luc Timmers

De ijnmanager. Cartoons januari 2015. Luc Timmers De ijnmanager Cartoons januari 2015 Luc Timmers Gezelligheid kent geen tijd Is het alweer 2015? Wat vliegt de tijd hé? Logisch toch? Ooit spaghetti de kop boven het maaiveld uit zien steken? Nou dan!

Nadere informatie

Vrouwen doen boodschappen, mannen aankopen Gezinspraak tijdens aankoopprocessen in families, maar rolpatronen traditioneel

Vrouwen doen boodschappen, mannen aankopen Gezinspraak tijdens aankoopprocessen in families, maar rolpatronen traditioneel Vrouwen doen boodschappen, mannen aankopen Gezinspraak tijdens aankoopprocessen in families, maar rolpatronen traditioneel Over gezinsaankopen wordt veel overleg gevoerd binnen families. Alle gezinsleden

Nadere informatie

Titelpagina ONDERZOEKSVERSLAG. Namen: Klas/groep: Cursusjaar: Begeleider: Beoordelaar:

Titelpagina ONDERZOEKSVERSLAG. Namen: Klas/groep: Cursusjaar: Begeleider: Beoordelaar: Titelpagina ONDERZOEKSVERSLAG Namen: Klas/groep: Cursusjaar: Plaats en datum: Begeleider: Beoordelaar: Amsterdam, mei 15 Inhoud INHOUD... 2 VOORWOORD... 3 1. INLEIDING... 4 PROBLEEMSTELLING... 4 ONDERZOEKSVRAGEN...

Nadere informatie

Adders onder het gras bij een gesplitste aankoop

Adders onder het gras bij een gesplitste aankoop Adders onder het gras bij een gesplitste aankoop De zgn. gesplitste aankoop van een onroerend goed door ouders en kinderen is een efficiënte manier om later veel successierechten te besparen. Nu de fiscus

Nadere informatie

SPSS Introductiecursus. Sanne Hoeks Mattie Lenzen

SPSS Introductiecursus. Sanne Hoeks Mattie Lenzen SPSS Introductiecursus Sanne Hoeks Mattie Lenzen Statistiek, waarom? Doel van het onderzoek om nieuwe feiten van de werkelijkheid vast te stellen door middel van systematisch onderzoek en empirische verzamelen

Nadere informatie

Wat is realiteit? (interactie: vraagstelling wie er niet gelooft en wie wel)

Wat is realiteit? (interactie: vraagstelling wie er niet gelooft en wie wel) Wat is realiteit? De realiteit is de wereld waarin we verblijven met alles wat er is. Deze realiteit is perfect. Iedere mogelijkheid die we als mens hebben wordt door de realiteit bepaald. Is het er, dan

Nadere informatie

Eindexamen wiskunde A1-2 havo 2007-I

Eindexamen wiskunde A1-2 havo 2007-I Marathon De marathon is een hardloopwedstrijd over een afstand van 42 km en 195 m. In september 2003 verbeterde de Keniaan Paul Tergat in Berlijn het wereldrecord op de marathon tot 2 uur, 4 minuten en

Nadere informatie

10 onmisbare vaardigheden voor. de ambtenaar van de toekomst. 10 vaardigheden. Netwerken. Presenteren. Argumenteren 10. Verbinden.

10 onmisbare vaardigheden voor. de ambtenaar van de toekomst. 10 vaardigheden. Netwerken. Presenteren. Argumenteren 10. Verbinden. 10 vaardigheden 3 Netwerken 7 Presenteren 1 Argumenteren 10 Verbinden Beïnvloeden 4 Onderhandelen Onderzoeken Oplossingen zoeken voor partijen wil betrekken bij het dat u over de juiste capaciteiten beschikt

Nadere informatie

Durft u het risico aan?

Durft u het risico aan? Durft u het risico aan? Hoe het uitkeringspercentage van de vernieuwde Nederlandse Lotto te schatten? Ton Dieker en Henk Tijms De Lotto is in Nederland een grote speler op de kansspelmarkt. Met onderdelen

Nadere informatie

Algemene escalatieberekening

Algemene escalatieberekening Algemene escalatieberekening G5010 1 Algemene escalatieberekening Redactiecommissie 1. Inleiding G5010 3 2. Uitgangspunten voor de escalatieberekening G5010 3 3. Berekening kostenescalatie G5010 4 4. Enkele

Nadere informatie

Eerst de beren dan de honing

Eerst de beren dan de honing 58 secondant #3/4 juli-augustus 2011 Resultaten van Veiligheidshuizen Eerst de beren dan de honing Illustratie: Hans Sprangers De Veiligheidshuizen vormden de afgelopen jaren een bron van onderzoek. Zo

Nadere informatie

Kengetallen. E-5 MPR-Kwaliteit. Inleiding. MPR 24 uur. 4 Betekenis van MPR 24 uur

Kengetallen. E-5 MPR-Kwaliteit. Inleiding. MPR 24 uur. 4 Betekenis van MPR 24 uur Kengetallen E-5 MPR-Kwaliteit Inleiding Via Melkproductieregistratie (MPR) worden gegevens over de melk-, vet en eiwitproductie van de veestapel verzameld. Deze gegevens zijn de basis van managementinformatie

Nadere informatie

28 Hoofdstuk 1. Time management. 29 1) Wat is time management? 30 2) Waarom heb je tijd tekort? 34 3) Het nut van time management

28 Hoofdstuk 1. Time management. 29 1) Wat is time management? 30 2) Waarom heb je tijd tekort? 34 3) Het nut van time management Inhoudsopgave Inleiding 3 Hoofdstuk 4. Grenzen bewaken 28 Hoofdstuk 1. Time management 4 1) Het belang van grenzen bewaken 29 1) Wat is time management? 5 2) Bekende valkuilen 30 2) Waarom heb je tijd

Nadere informatie