In dit onderzoek wordt een framework gepresenteerd die intelligentie uit externe leidende indicatoren kan meenemen in verkoopvoorspellingen op een tactisch planningsniveau. Deze verkoopvoorspellingen zijn belangrijk omdat hiermee beslissingen worden genomen zoals productieplanning, voorraadbeheer en cash flow. Op een middellange tactische horizon zijn diverse macro-economische dynamieken van belang, en zullen verschillende landen een apart vraagpatroon hebben door hun economische situatie. Macro-economische indicatoren zijn veelal publiek beschikbaar, maar door hun omvang is manuele selectie zeer moeilijk.
Het voorgestelde framework kan zeer grote dataset (Big Data) gebruiken als input, en selecteert de meest relevante leidende indicatoren volledig automatisch. Ook wordt het leidende effect van iedere indicator individueel geselecteerd. Door dit framework kunnen supply chain managers inzicht krijgen in de meest relevante macro-economische indicatoren voor hun bedrijfsverkoop data. Dit kan hen dan helpen bij het nemen van operationele beslissingen. Dit onderzoek valideert de voorgestelde methodologie op drie real life case studies. Op een tactisch niveau presteert het framework beter dan zowel industrie benchmark modellen als traditionele modellen die externe leidende indicatoren kunnen beschouwen. Hiernaast wordt de impact van dit framework geëvalueerd op voorraad niveau, om de impact in een bedrijfscontext te kwantificeren. De voorgestelde aanpak leidt tot betere service levels en lagere voorraad posities. | |