Forecasting is dead, long live forecasting

Disclaimer: Dit is een automatische vertaling van een artikel dat origineel in het engels is geschreven. 

Vijftien ton chocolade produceren voor volgende maand, tweehonderd pallets diepvriesgroenten bestellen, een contract hedgen voor zoveel kubieke meter rubber. Beslissingen op basis van een forecast die in de kern een lopend gemiddelde is, of in het beste geval een wat geavanceerdere manier om een verwachting op één getal vast te pinnen. Maar slaat dat eigenlijk wel ergens op?

Forecasts in de vorm van één beste-gok getal verliezen hun relevantie; en eerlijk gezegd is dat al lang geen nieuws meer. Het probleem is dat het getal bijna altijd verkeerd is, en bijna altijd verkeerd op een manier die er toe doet. Eén klant zou met 50% kans 2.000 ton bestellen. Het systeem geeft een gemiddelde van 1.000 ton. Je produceert er 1.000. Bestelt de klant, dan kan je niet leveren. Bestelt hij niet, dan zit je met 1.000 ton voorraad die je nergens kwijt kan. In beide gevallen heeft de forecast je naar de verkeerde beslissing geleid.

De eerste fix is bekend: stap van puntforecasts over naar stochastische forecasts. In plaats van één getal levert het systeem een betrouwbaarheidsinterval; er is 95% kans dat de vraag tussen X en Y ligt. Dat is een echte verbetering, en bijna iedereen die in supply chain werkt is het daarover eens.

De verbetering die niemand gebruikt

Het grotere probleem is dat betere informatie zich vaak niet vertaalt in betere beslissingen. De reden is simpel. Planners hebben de tijd niet om voor elk product een betrouwbaarheidsinterval te lezen, uit te puzzelen wat dat operationeel betekent, en hun beslissing daarop aan te passen. Te veel SKU's, te veel constraints, te weinig uren op een dag.

Wat gebeurt er dan? Mensen vallen terug op wat ze kennen. Eenvoudige vuistregels. Een beetje extra voor die kritieke klant. Een buffer hier, een buffer daar. Het geavanceerde systeem wordt omzeild in naam van pragmatisme en ervaring. De nieuwe forecast is technisch accurater, maar de beslissingen blijven dezelfde als vroeger, en vaak slechter, want de buffers worden nu gestapeld bovenop een systeem dat al rekening hield met variabiliteit.

Kort samengevat: de waarde van stochastische forecasting zat hem precies in het kwantificeren van de afweging. In de praktijk wordt die waarde opgegeten door de tijd die nodig is om er aan te geraken.

De bottleneck is niet de forecast

Eens je dit scherp ziet, verandert de vraag. Het probleem is niet dat stochastische forecasts te ingewikkeld zijn. Het probleem is dat de planner de bandbreedte niet heeft om die forecasts te consumeren, product per product, week na week.

Dit is een herkenbaar patroon: een sterker werktuig, een organisatie die het niet kan gebruiken, waarde die op tafel blijft liggen. De reflex van de meeste bedrijven is om er nog een tool bovenop te zetten, typisch een chatbot of assistent rond het forecastingsysteem. De planner kan dan "vragen stellen" aan het systeem. Voilà, agentic supply chain.

Ik denk niet dat dit het antwoord is. Een chatbot vraagt nog altijd dat de planner degene is die de vragen stelt; de planner blijft dus de bottleneck. De bottleneck is gewoon één laag opgeschoven.

Push, geen pull

De interessante verschuiving is naar systemen waarin de agents zelf de vragen stellen. Een kleine groep agents scant continu de data, de forecasts en de signalen errond: notities van sales reps, klantcommunicatie, nieuws over input grondstoffen, weersverwachtingen. En koppelt pas terug naar de planner wanneer er iets is om over te beslissen. De planner stopt met de orkestratielaag voor de data te zijn en wordt de beslissingslaag aan het einde.

Concreet verandert dit wat een planner te zien krijgt. In plaats van "de forecast voor volgende maand is 1.000 ton", krijgt de planner iets als:

De vraag is bimodaal. Ofwel produceren we 2.000 ton en lopen we het risico op overschot als de grote klant niet bestelt, ofwel produceren we niets en riskeren we een stock-out als hij wel bestelt. Eén telefoontje van vijf minuten naar de account van die klant brengt de kans op 99% of 1%, waarna de keuze triviaal wordt.

Dat is een heel ander soort werk. Het is ook precies het soort werk waar mensen goed in zijn. Supply chain is toegepaste economie onder onzekerheid, en mensen zijn typisch slecht in intuïtief redeneren over onzekerheid. Voorgekauwde scenario's met kansen erbij dichten dat gat.

De onbenutte data zit grotendeels in tekst

Een tweede observatie, het apart vermelden waard. Een groot deel van de informatie die operationele beslissingen zou verbeteren, leeft niet in het ERP of het data warehouse. Het leeft in mailboxen. Notities van sales reps na een klantgesprek. WhatsApp-berichten met de account manager. Onderhandelingsdrafts. Antwoorden op RFQ's.

In de meeste organisaties is dat materiaal structureel onzichtbaar voor de planningssystemen. Niemand leest het systematisch; niemand koppelt het aan de SKU's waar het impact op heeft. Met agents en degelijke language models wordt het plots wel toegankelijk. De goudmijn die al een decennium onder het gebouw ligt, kan eindelijk worden ontgonnen.

Dit echt bouwen

Dit klinkt allemaal inspirerend, en zoals elke inspirerende technologiepitch is het vooral waar op de demo en vooral kapot in productie. De reden waarom de meeste agentic supply chain projecten zullen falen, is dezelfde reden waarom de meeste softwareprojecten falen: de data plumbing zit er niet, de integraties met de operationele tools ontbreken, en de gebruikers waren geen onderdeel van het ontwerp.

Het echte werk is saai en specifiek. Verbind de agents met de juiste systemen: ERP, planningstool, CRM, de mailbox van het sales team. Beslis welke beslissingen worden gepusht en welke niet. Co-design de interface met de planners die hem zullen gebruiken; niet in een workshop achteraf, maar tijdens de bouw. Krijg eerst iets dat werkt voor één productfamilie voordat je doet alsof het werkt voor het hele bedrijf.

Het goede nieuws, en dit is een echte verschuiving, is dat de kost van dit soort tooling op maat scherp gedaald is. Custom development was vroeger de reden waarom je generieke SaaS kocht. Die rekening verandert snel. Op maat gemaakte, fijn afgestelde tools, het soort dat tot voor kort voorbehouden was voor de grootste enterprises, zijn nu binnen bereik voor de mid-market.

De forecast was nooit het punt

Forecasting is niet dood in de zin dat demand modeling er niet meer toe doet. Dat doet het nog steeds. Maar de forecast was nooit het punt; de beslissing wel. Twee decennia lang hebben we doen alsof betere forecasts vanzelf zouden leiden tot betere beslissingen. Dat doen ze niet. Ze leveren gewoon meer getallen op.

Het interessante werk zit downstream van de forecast: de juiste scenario's pushen naar de juiste mensen op het moment dat ze die nodig hebben. De forecast is de input. De beslissing is het werk.

Het team bij Crunch heeft de afgelopen maanden uitgewerkt hoe echte implementaties van zulke systemen er moeten uitzien. Klinkt dit als iets dat je zou willen bouwen? Laat het ons weten.