Stop met forecasten (2)

Dit is het tweede artikel in een serie van drie over business forecasting door gastblogger Freek Aertsen.

---

Het voorkomen van forecastmanipulatie

In deze blog posting worden de belangrijkste redenen van forecast manipulatie uiteengezet en worden 10 manieren aangegeven hoe dit gedrag gestopt kan worden.

Figuur 1 - Redenen tot aanpassingen

Als we kijken naar de redenen van de forecast aanpassing, dan kunnen die op verschillende gebieden liggen. De belangrijkste reden is het niet op elkaar afgestemd zijn van de doelstellingen, incentives en beloningen. Bij veel bedrijven is het halen van de bonus afhankelijk van het realiseren van de sales target.

Dit leidt op twee momenten tot het spelen van spelletjes. Ten eerste, op het moment dat het budget vastgesteld wordt, zal de forecast naar beneden bijgesteld worden om het budget haalbaar te maken (‘sandbagging’). Ten tweede, op het moment dat het budget is vastgesteld, zal het gedrag erop gericht zijn dit te realiseren. Het naar voren halen van orders aan het einde van het kwartaal is hiervan een duidelijk voorbeeld.

Het gebruik van de forecast voor verschillende doeleinden vanuit de verschillende functionele gebieden is een tweede reden waarom de vraagvoorspelling bewust aangepast wordt. In die gevallen waar de productbeschikbaarheid beperkt is, kan de account manager ervoor kiezen om zijn voorspelling bewust (te) hoog te houden om er zo voor te zorgen dat zijn klanten wel beleverd kunnen worden.

Bewuste manipulatie van de cijfers komt ook voor wanneer de voorspelling om politieke redenen opzettelijk wordt aangepast. De forecast kan bijvoorbeeld bewust hoog gehouden worden om aandeelhouders, banken of investeerders tevreden te houden.

De laatste reden is dat het management, op basis van haar ervaring, besluit een correctie toe te passen om ervoor te kunnen zorgen dat de doelstelling tóch kan worden gehaald.

Uit interviews onder 40 HighTech bedrijven blijkt dat het management en de verkopers de belangrijkste veroorzakers zijn van deze bijstellingen. Uit alle hierboven genoemde redenen zijn (1) het verzekeren van productbeschikbaarheid voor de klanten en (2) het aanpassen van de forecast om het budget te blijven halen de belangrijkste redenen om de vraagvoorspelling te manipuleren.

figuur 2 - Redenen om de forecast te manipuleren

De belangrijkste vraag is echter: hoe kunnen we dit gedrag tegengaan? In de rest van deze blog posting worden een aantal tactieken genoemd die deze manipulatie tegen kunnen gaan. De eerst genoemde tactiek blijkt in de praktijk het meest effectief en de laatste het minst effectief.

1. Management die veranderingen niet toelaat - Wanneer top management het forecasting proces echt serieus neemt, staat zij het niet toe dat de vraagvoorspelling om oneigenlijke redenen aangepast wordt. Ondanks dat dit de meest effectieve manier is, is dit ook het moeilijkst te implementeren. Met name omdat het management zich over het algemeen ook schuldig maakt aan de manipulatie. Het laten zien van de financiële consequenties van de kunstgrepen is vaak een goede manier om dit gedrag om te buigen.


2. Verloren verkopen zijn verloren verkopen - De forecast die aan het einde van de maand niet gerealiseerd is wordt als verloren beschouwd en uit het systeem verwijderd. Hiermee voorkom je het zogenaamde bulldozer effect: het voor je uit schuiven van niet geconsumeerde forecast tot het einde van het jaar. Aan het einde van het jaar blijkt het dan toch niet gerealiseerd te zijn waardoor vaak onnodig veel voorraad opgebouwd is.


3. De voorspelling wordt gemaakt door een neutraal orgaan - Wanneer een neutraal orgaan (bijvoorbeeld ‘de master planning afdeling”) verantwoordelijk gemaakt wordt voor de prognose, kan deze de informatie die vanuit verschillend functioneel perspectief aangeleverd is op een objectieve manier vertalen in een gemeenschappelijke vraagvoorspelling.


4. Het meten en monitoren en van forecast veranderingen - Via de FVA meting (Forecast Value Add) wordt de toegevoegde waarde van elke stap in het vraagvoorspellingsproces gemeten. Hierdoor kan de bias herkend worden en kunnen correctieve maatregelen genomen worden.


5. Het optuigen van een robuust proces - Het proces zodanig opzetten dat iedereen zijn bijdrage kan leveren aan het genereren van de vraagvoorspelling lijkt een open deur. Het is een van de eerste stappen die je kunt zetten om te komen tot een forecast zonder bias. Wanneer het voor iedere functionele afdeling mogelijk is om zijn mening te geven gedurende het proces, is de kans kleiner dat de voorspelling na het proces alsnog veranderd wordt. De moeilijkheid voor de hightech industrie is dat het zoeken van consensus tijd vergt. Door de snel veranderende marktsituatie is er vaak behoefte aan ‘snelle’ en efficiënte processen die snelle besluitvorming mogelijk maken.


6. De voorspelling ontkoppelen van het budget of de bedrijfsdoelstellingen - Wanneer doelstellingen en targets niet rechtstreeks gekoppeld zijn aan het operationele plan is een belangrijke reden van manipulatie al weggenomen. Dit kan gedaan worden door de targets bijvoorbeeld topdown vast te stellen op basis van criteria als marktaandeel of procentuele omzetgroei. Voor de rapportage kan gedacht worden aan het in verschillende meeteenheden weergeven van target en prognose (euro’s versus volumes) of te praten over een verschillende horizon (jaar versus 3 maanden).


7. Het meten van forecast betrouwbaarheid - Het meten en analyseren van de betrouwbaarheid van de voorspelling maakt het mogelijk om de effecten van de bias in te schatten. Dit kan er toe leiden dat men bewuster wordt van de gevolgen, vooronderstellingen en aanpassingen in de voorspelling.


8. Het belonen van forecast betrouwbaarheid - Het belonen van de forecast betrouwbaarheid wordt over het algemeen als niet erg effectief beschouwd. Het is moeilijk om de accuraatheid van de forecast tot het nivo van de individuele medewerker te bepalen en dat het een forse inspanning vergt om het gewenste effect te behalen.


9. Verkoop verantwoordelijk maken voor de voorraad - Als verkoop verantwoordelijk gehouden zou worden voor de voorraadhoogtes zou er minder incentive zijn om de forecast aan te passen, het is echter de ervaring dat dit niet effectief is omdat de eerste prioriteit van de verkoopafdeling moet liggen in het maximaliseren van de verkopen.


10. Het gebruiken van statistiek - Een manier om te komen tot een neutrale vraagvoorspelling is het gebruik van statistieken. Door het volatiele karakter van de hightech bedrijfstak werd het genereren van een statistische forecast als moeilijk beschouwd en is manueel ingrijpen bijna onvermijdelijk waardoor de deur naar manipulatie weer vol opengezet wordt.

In deze blog posting is uiteengezet dat het voorkomen van politiek gekleurde vraagvoorspellingen voornamelijk effectief gedaan kan worden doordat (1) het management dit gewoonweg niet toelaat, (2) de niet geconsumeerde voorspelling te laten vervallen, (3) een neutraal orgaan aan te stellen en die verantwoordelijk te stellen voor het genereren van de forecast en (4) te meten en monitoren door wie welke veranderingen in de forecast zijn aangebracht.

---

Benieuwd naar het laatste artikel in deze serie? Neem een RSS-feed of laat u per e-mail op de hoogte brengen.