Karakter dan Tantangan Dalam Demand Forecasting

forecast 2Demand forecasting adalah ‘masalah’ klasik dalam dunia supply chain manajemen (SCM) yang mencakup sales, marketing, production, PPIC dan bahkan finance. Pengaruh dari forecast terhadap biaya dan efektifitas perusahaan sangat luas.  Di Jepang, Just in Time (JIT) menjadi dalah satu keuggulan kompetitif perusahan perusahaannya ketika harus bertarung dengan perusahaan Eropa dan America di tahun 90an. Tentunya JIT membutuhkan infrastruktur yang masih berada diluar jangkauan Negara kita. Kemacetan, disiplin dan tools dasar dari JIT pun masih jauh diluar jangkauan. Hal ini membuat akurat forecasting menjadi semakin penting dan sekaligus semakin sulit untuk diupayakan.

Kita semua kenal techniques forecasting baik yang qualitative sifatnya seperti: opini eksekutif, komposit sales force, ekspektasi konsumen dan customers, maupun yang bersifat quantitative seperti moving average, projeksi straight line, exponential smoothing, trend line analysis, simulation ataupun life cycle analysis.  Di dalam itu semua masih terdapat complex adaptive karakter dari organisasi dimana informal self-organizing, perbedaan kepentingan, pemahamam berbeda dan evolusi yang terus bergerak dengan cepat baik di dalam maupun pada competitive landscape organisasi tersebut membuat realita dan rencana kadang menjadi sangat berbeda.forecast

Tulisan ini tidak akan membicarakan teknik forecasting tapi kita akan coba untuk mengingat kembali principles dari forecasting.

1. Accuracy of forecasts: forecasts are always wrong.  Yang menjadi tantangan adalah seberapa besar kesalahan tersebut dan apakah rangenya masih masuk ke lingkup ‘acceptable error’. Acceptable error tentunya bergantung kepada banyak hal seperti besarnya perusahaan, standar industry, kemampuan perusahaan untuk berlaku adaptive terhadap perubahan yang terjadi di sekelilingnya. Target umum yang dipegang oleh perusahaan global adalah plus minus 10 % tetapi hanya beberapa yang mampu mencapai target tersebut.

2. Semakin panjang time horizon semakin besar kemungkinan forecasted data menjadi invalid.  Semakin jauh kedepan forecast dibuat semakin terbuka kemungkinan perubahan yang terjadi menumpulkan data yang ada. Kunci utamanya adalah potensi perubahan yang masih dapat kita bayangkan masih dapat kita prediksi.  Yang tidak terbayangkan tidak mungkin diprediksi.

3. Demand Elastisitas. Semakin elastis demand yang ada semakin sulit membuat data yang akurat. Jadi demand untuk product kebutuhan utama umumnya lebih mudah di prediksi dengan lebih tepat daripada yang misalnya demand untuk paket liburan.

4. Barriers to entry. Semakin sedikit dan kecil barrier to entry semakin sulit untuk mebuat forecast yang lebih akurat. Kompetisi baru yang bermunculan dan aktifitas yang mereka lakukan dapat dengan cepat merubah competitive landscape yang ada.

5. Dissemination of information. Semakin cepat informasi beredar semakin kecil pula kegunaan dari forecast yang akurat.  Kalau semua pemain di suatu industry mempunyai informasi mengenai pemain lainnya tidak ada competitive advantage yang dapat dicapai dari forecast yang tepat.

6. Aggregate versus disaggregate. Aggregate forecast untuk misalnya satu brand group mempunyai kesempatan untuk menjadi lebih depat daripada individual units seperti SKUs. Ini dikarenakan aggregate data umumnya tidak bergerak secepat data disaggregate. Data demographic misalnya tidak akan berubah terlalu cepat. Kita dapat memastikan dengan standar ‘acceptable error’ bahwa sekian juta bayi akan lahir di Indonesia dalam kurun waktu 5 tahun mendatang.  Kita dapat memastikan, tanpa adanya perubahan kondisi jalan dan perilaku, seberapa banyak kecelakaan yang terjadi disaat puncak mudik lebaran.  Dalam konteks produk konsumen over estimasi dalam prediksi dari aggregate forecast pada satu SKU/produk juga biasanya teratasi dengan dengan under estimasi dari SKUs dan/atau produk lainnya.

Dengan kenyataan yang ada umumnya perusahaan lebih condong menggunakan qualitative method untuk forecasting jangka pendek dan quantitative untuk forcasting jangka yang lebih panjang.  Oleh karena itu dalam beberapa decade terakhir Salesforce composite dan Executive Opinion menjadi methodologies pilihan utama sebahagian besar perusahaan di dunia. Naivee model (moving average) menempati urutan ketiga.

 

Posted in Indonesian, Knowledge & Beyond, Problematising Process, Rudolf's Articles.