Slimme voorraadplanning gebaseerd op state-of-the-art forecasts
Minder nee-verkopen.
Minder voorraad. Dat kan tegelijk.
De meeste voorraad ligt er niet voor de verwachte vraag, maar voor de onzekerheid daaromheen. Stocktimal voorspelt per SKU hoe groot die onzekerheid werkelijk is en berekent welke buffer nodig is. Niet op basis van vuistregels, maar op basis van het daadwerkelijke vraagpatroon. Daardoor kan de voorraad omlaag bij voorspelbare artikelen, terwijl grillige artikelen juist meer buffer krijgen. Het resultaat is een concreet bestelvoorstel: wat er besteld moet worden, hoeveel, wanneer en bij welke leverancier.
Het probleem
Bestellen is beslissen terwijl de vraag nog onzeker is.
Te weinig bestellen kost omzet. Te veel bestellen legt werkkapitaal vast en kan uiteindelijk tot afschrijvingen leiden. Precies daartussen wordt de marge gemaakt. Toch sturen veel bedrijven hun voorraad nog steeds aan met een paar simpele vuistregels.
De nee-verkoop waar de vertegenwoordiger over belt
Een hardloper is op. De klant wacht niet, maar bestelt bij een ander. Dat kost niet alleen die ene verkoop: misschien blijkt de concurrent ook prima te bevallen.
De spreadsheet die één iemand begrijpt
Met een veiligheidsvoorraad die in 2019 is ingesteld. Niemand weet nog waarom en of dat nog wel passend is vandaag.
Seizoenspatronen waar niemand tijd voor heeft
De vraag beweegt met seizoenen, acties en trends. Dat voor duizenden artikelen handmatig bijhouden is simpelweg niet te doen.
Waar het verschil zit
De meeste tools voorspellen één getal. Wij berekenen ook hoe onzeker dat getal is.
Vraag is grillig. Drie weken niets, dan ineens een pallet. Eén voorspeld getal laat die onzekerheid niet zien. Daardoor wordt de veiligheidsvoorraad vaak een vuistregel: te veel buffer op voorspelbare artikelen, te weinig op grillige.
Stocktimal modelleert per SKU niet alleen de verwachte vraag, maar ook de mogelijke afwijkingen daaromheen. Zo krijgt ieder artikel een buffer die past bij de gemeten onzekerheid. Minder voorraad hoeft daardoor niet automatisch meer nee-verkopen te betekenen.
Een verbetering van zo’n 30% in voorspelnauwkeurigheid kan in de praktijk enkele procenten extra omzet en fors minder vastgelegd werkkapitaal opleveren. Hoe groot dat effect precies is, verschilt per bedrijf.
Proces
Hoe het werkt
Stocktimal wordt ingericht op het huidige assortiment en de commerciële doelstellingen. De modellen worden gekalibreerd op de eigen vraagdata. Daarna worden periodiek — bijvoorbeeld wekelijks — de actuele vraag, voorraad en openstaande orders ingelezen. Stocktimal voorspelt de vraag, berekent de benodigde voorraad en bepaalt per SKU wat er wanneer besteld moet worden. Ook scenario’s zijn eenvoudig door te rekenen. Wat gebeurt er bij 10% meer vraag? Of als een leverancier twee weken later levert? De aangepaste situatie kan naast de oorspronkelijke planning worden gezet, zodat direct zichtbaar wordt wat er verandert en waarom.
Koppel de data
Verkoophistorie, actuele voorraad en openstaande orders. Via een koppeling of een upload, wat het beste past. Het ERP-systeem blijft gewoon de bron van waarheid.
Stocktimal voorspelt de vraag
Eerst bepalen we per SKU welk model het beste past bij de historische vraag. Daarna gebruikt Stocktimal dat model voor de voorspellingen, dat met nieuwe data op ieder moment kan worden bijgewerkt. Is er al een goede voorspelling beschikbaar? Dan kan die gewoon worden gebruikt.
Optimaliseer de voorraad
Stocktimal weegt de voorspelling af tegen servicedoelen, levertijden, kosten, minimale afnames en verpakkingseenheden. Daaruit volgt per SKU en leverancier de optimale bestelhoeveelheid en het bestelmoment.
Beoordelen, aanpassen, exporteren
Per regel is zichtbaar hoe het voorstel tot stand is gekomen. Pas aan waar nodig, keur de rest goed en exporteer naar CSV. Elke run blijft bewaard en kan later met dezelfde invoer opnieuw worden uitgevoerd.
Voor wie
Voor wie Stocktimal is gebouwd.
Stocktimal past goed als
- Er voorraad wordt gehouden van honderden tot enkele duizenden SKU’s, bijvoorbeeld in groothandel, food & beverage, e-commerce, retail of maakindustrie.
- Een flink deel van het assortiment onregelmatig verkoopt en standaard bestelregels daar slecht mee omgaan.
- Leverbetrouwbaarheid én werkkapitaal belangrijk zijn, maar de afweging daartussen nu nog grotendeels op ervaring en vuistregels gebeurt.
- De planningslogica vastgelegd en herhaalbaar moet zijn, in plaats van afhankelijk van de kennis van één persoon.
Stocktimal past minder goed als
- Er eigenlijk behoefte is aan een ERP, WMS of volledige S&OP-suite.
- Het bestelproces volledig geautomatiseerd moet verlopen, zonder menselijke beoordeling.
Waarom we het hebben gebouwd
Van onzekere vraag naar bestelling
Stocktimal is gebouwd door RAW Analytics. Al decennia bouwen we modellen die onzekerheid vertalen naar concrete beslissingen, onder andere voor grote banken en verzekeraars in Nederland.
Die kennis passen we nu toe op vraagvoorspelling en voorraadoptimalisatie. Daarbij bleek al snel dat één standaardaanpak niet werkt. Producten verschillen in voorspelhorizon, bestelvensters, levertijden, houdbaarheid en minimale afnames. En soms vraagt ook de voorspelling zelf om een andere aanpak.
Vanuit die behoefte hebben we Stocktimal gebouwd: flexibel genoeg om per product de juiste voorspelling en optimalisatie toe te passen, maar wel in één herhaalbaar proces.
Een gratis proefrun op het eigen assortiment
Eén export is genoeg: verkoophistorie, actuele voorraad en openstaande orders. Wij voorspellen de vraag per SKU en laten zien wat Stocktimal op basis daarvan zou bestellen — naast de daadwerkelijke bestellingen, met de verschillen toegelicht. De uitkomst blijft beschikbaar, ook als er geen vervolg komt. Geen koppeling, geen toegang tot het ERP en geen implementatietraject. Alleen één bestand.