Nachfrageprognosen im Schweizer Markt erstellen

Was eine Nachfrageprognose leisten soll

Eine Nachfrageprognose schätzt, welche Produkte Kundinnen und Kunden wann, wo und in welcher Menge nachfragen. Legen Sie zuerst fest, welche Entscheidung sie unterstützen soll: etwa Lagerbestände, Beschaffung oder Produktionskapazität.

Gehen Sie in dieser Reihenfolge vor: Ziel und Prognosezeitraum festlegen, Verkaufsdaten aufbereiten, Einflussfaktoren ergänzen, Prognoseebene wählen und die Vorhersage mit tatsächlichen Verkäufen vergleichen. So wird aus der Schätzung eine Grundlage für die Planung.

Vergangene Verkäufe bilden den Ausgangspunkt, reichen allein aber oft nicht aus. Saisonale Schwankungen, regionale Vorlieben und Werbeaktionen können die Nachfrage ebenfalls beeinflussen.

Mit der Prognose sollen Überbestände und Fehlmengen vermieden, Lager- und Transportkosten gesenkt und Produkte verfügbar gemacht werden, wenn Kundinnen und Kunden sie benötigen.

Einflussfaktoren erkennen statt nur Verkaufszahlen fortschreiben

Schritt 1: Führen Sie historische Verkaufszahlen mit internen und externen Faktoren zusammen, die den Absatz beeinflussen können. Dazu zählen Wetterbedingungen, Feiertage, Konkurrenzpreise, regionale Kaufgewohnheiten und Werbeaktionen.

Schritt 2: Ordnen Sie die Daten so, dass sie zur geplanten Entscheidung passen, etwa nach Produkt, Standort und Zeitraum. Prüfen Sie, ob Aktionen oder andere Einflussfaktoren in den Verkaufsdaten erkennbar sind.

Predictive Analytics kombiniert historische Daten, externe Einflüsse und Kundenverhalten. KI und maschinelles Lernen können grosse Datenmengen analysieren und Muster erkennen, die bei einer reinen Fortschreibung vergangener Verkäufe verborgen bleiben.

Integration von Predictive Analytics in die Nachfrageprognose

Die richtige Prognoseebene wählen

Schritt 3: Wählen Sie die zeitliche Auflösung passend zur Entscheidung. Prognosen können monatlich, wöchentlich, täglich oder stündlich erstellt werden; entscheidend ist, welchen Planungsprozess sie unterstützen sollen.

Frische Lebensmittel mit kurzer Haltbarkeit können tagesgenaue Prognosen für einzelne Produkte an einzelnen Standorten erfordern, damit Verderb vermieden wird. Bei Konsumgütern helfen detaillierte Prognosen, Verkaufs- oder Werbeinformationen abzubilden.

Bei Artikeln mit geringer Umschlagshäufigkeit ist eine Tagesprognose je Produkt und Standort oft ungenau. Fassen Sie solche Vorhersagen für die Planung über Produkte oder Zeiträume hinweg zusammen.

Für die Produktion kann eine granulare Prognose den Bedarf an Rohmaterial und die Produktionskapazität sichtbar machen. Der Materialeinsatz lässt sich auf die benötigten Produktmengen beziehen.

Von der Prognose zur Bestandsauffüllung

Bestandsauffüllung bedeutet, Produkte im Lager wieder aufzustocken. Ziel ist, die Kundennachfrage möglichst ohne Lieferengpässe und Überbestände zu decken.

Ein zum strategischen Ziel passender Lagerbestand kann dazu beitragen, seltener Rabatte zu gewähren und mehr Artikel zum Originalpreis zu verkaufen. Zugleich kann weniger Betriebskapital im Lager gebunden sein.

Drei Vorgehensweisen sind die Top-off-Methode, regelmässige Bestandsauffüllung und das Ausbalancieren von Lagerbeständen. Bei der Top-off-Methode wird in verkaufsschwachen Zeiten für die Hauptsaison aufgefüllt; regelmässige Bestellungen erfolgen in festen Intervallen auf Prognosebasis.

Beim Ausbalancieren werden Lagerbestände laufend anhand von Verkaufsdaten angepasst. Automatisierte Auffüllsysteme können den Lagerbedarf vorhersagen, Nachbestellungen auslösen und Bestände neu abgleichen.

Vergleich von Auffüllstrategien für den Schweizer Einzelhandel

Prognosegüte prüfen und Omnichannel mitdenken

Schritt 4: Vergleichen Sie die prognostizierten Mengen mit den tatsächlichen Verkäufen. Halten Sie Abweichungen fest und passen Sie Modelle oder Parameter an.

Nutzen Sie die Prognose für Entscheidungen entlang der Lieferkette, etwa für die Auffüllung von Filialen und Vertriebszentren sowie für die Kapazitäts- und Ressourcenplanung.

Onlineshop und Filiale können sich gegenseitig beeinflussen: Aktionen im Onlineshop oder Lieferverzögerungen in einer Filiale können Nachfrage zwischen den Kanälen verschieben. Eine getrennte Planung kann deshalb zu Doppelzählungen oder übersehenem Bedarf führen.

Schweizer Datenquellen als Fundament nutzen

Das Bundesamt für Statistik (BFS) ist das nationale Kompetenzzentrum der öffentlichen Statistik und ein zentraler Knotenpunkt im Datenökosystem der Schweiz. BFS-Daten ergänzen unternehmenseigene Absatzdaten um den regionalen und wirtschaftlichen Kontext.

Für Preisinformationen bietet die BFS-Statistik den Landesindex der Konsumentenpreise (LIK), den Produzenten- und Importpreisindex sowie den Baupreisindex. Der LIK misst die Preisentwicklung der von privaten Haushalten in der Schweiz konsumierten Waren und Dienstleistungen; der Produzenten- und Importpreisindex erfasst Ab-Werk-Preise in der Schweiz produzierter Güter und Ab-Zoll-Preise importierter Produkte.

Die BFS-Statistik «Stand und Entwicklung» liefert Angaben zur Bevölkerung. Die Wertschöpfungsstatistik basiert auf einer jährlichen Stichprobenerhebung bei Unternehmen des sekundären und tertiären Sektors.

Ergänzend stellt das BFS in Zusammenarbeit mit dem Bundesamt für Zoll und Grenzsicherheit (BAZG) Ergebnisse zum Aussenhandel bereit. Auf data.bfs.admin.ch sind BFS-Datensätze nach statistischen Themen auffindbar; je nach Datensatz stehen Tabellen sowie maschinenlesbare Daten in CSV- oder JSON-Form und ein API-Zugang zur Verfügung.

Schweizer Datenquellen für Nachfrageprognosen

Werkzeuge auswählen und einführen

Prüfen Sie bei der Auswahl, ob ein Werkzeug die benötigte Granularität von monatlich bis stündlich unterstützt, sich an Warenwirtschaft und Auffülllogik anbinden lässt und den manuellen Aufwand im Team begrenzt. Auch die Akzeptanz bei den Mitarbeitenden zählt.

Als Anbieter-Kandidaten lassen sich RELEX Solutions für Einzelhandel und Konsumgüter sowie Centric Software für den Modehandel prüfen. Vergleichen Sie ihre Eignung anhand der benötigten Prognoseebene, Datenintegration und Bestandsauffüllung.

Für die Prognose kommen Predictive Analytics sowie KI und maschinelles Lernen zur Analyse grosser Datenmengen und Mustererkennung infrage. Das Verfahren sollte historische Daten, externe Einflüsse und Kundenverhalten gemeinsam berücksichtigen können.

Testen Sie die Prognose zunächst für eine Produktgruppe oder Region. Vergleichen Sie die Vorhersagen mit den tatsächlichen Verkäufen und passen Sie Modelle oder Parameter an, bevor Sie die Lösung breiter einsetzen.

Bei automatisierter Auffüllung nutzt das System die Prognose, um Nachbestellungen und Bestandsabgleiche für Produkte auszulösen. Prüfen Sie die Prognose laufend, damit die Planung die Verfügbarkeit in den Regalen unterstützt.

Vorteile und Herausforderungen automatisierter Auffüllsysteme