70% van de grote bedrijven gaat voor AI-gebaseerde forecasting
Figuur: ©Gartner
Volgens onderzoeks- en adviesbureau Gartner zullen wellicht zeven op de tien grote ondernemingen tegen 2030 gebruikmaken van AI-gebaseerde forecasting om de vraag te voorspellen.
Zogenoemde ‘touchless forecasting’, waarbij handmatige invoer en menselijke interventies overbodig worden, biedt unieke schaalbare automatiseringsmogelijkheden binnen demand planning, aldus Gartner. Door gebruik te maken van onderliggende machine learning (ML)-technieken in plaats van traditionele statistische engines, kunnen ondernemingen met AI-gebaseerde forecasting touchless forecasting realiseren en extra waarde creëren met minder risico dat de nauwkeurigheid van de output afneemt.
“Op AI gebaseerde forecasting zorgt voor verbeterde strategische besluitvorming, snellere reacties op marktveranderingen en betere samenwerkingsworkflows”, zegt Jan Snoeckx, director analyst bij Gartners Supply Chain-afdeling. “Om een succesvolle acceptatie te bevorderen, moeten planningsmanagers het urgentie-aspect van touchless forecasting benadrukken en AI als een kernelement binnen hun technologiestrategieën plaatsen, in plaats van als een aanvullende optie.”
Jan Snoeckx benadrukt verder dat het voor een succesvolle implementatie van cruciaal belang is dat leidinggevenden in supply chain planning (SCP) een duidelijke strategie formuleren die laat zien hoe AI-ontwikkelingen het hele proces van demand planning kunnen transformeren, verder dan alleen basisforecasting.
AI-gebaseerde forecasting kan op een dynamische manier complexe patronen in tijdreeksgegevens herkennen, waardoor je frequenter en gedetailleerder kunt voorspellen. Het kan ook leren van verschillende datasets, wat nodig is om automatische voorspellingen te doen over nieuwe producten en promoties waarvoor weinig of geen historische data beschikbaar zijn (zie figuur 1).
Ondanks het potentieel ervan blijft het gebruik van touchless AI-forecasting voorlopig nog beperkt. Volgens Gartner wordt een bredere toepassing vaak belemmerd door een gebrek aan duidelijke visie bij SCP-leiders en aanhoudende uitdagingen op het gebied van de volledigheid, beschikbaarheid en toegankelijkheid van data. Bovendien kunnen de wijzigingen in processen die nodig zijn voor de implementatie op weerstand stuiten bij medewerkers die gewend zijn aan traditionele forecastmethoden.
Om op AI gebaseerde touchless forecasting te implementeren, raadt Gartner SCP-leiders aan dit vijfdelige plan te volgen:
1. Bepaal een strategie voor touchless forecasting. Analyseer de huidige samenwerkingsprocessen, individuele workflows, tijd die verloren gaat door het gebruik van traditionele methoden, en de gebruikte forecastingtools en -systemen. Identificeer vervolgens specifieke verbeterpunten en formuleer de businesscase;
2. Stel de parameters voor bedrijfsverandering vast. Identificeer de processen, workflows en metrics die opnieuw moeten worden gedefinieerd om touchless forecasting te ondersteunen, waardoor dit een bedrijfskritisch initiatief wordt dat sterk change management vereist;
3. Bepaal de strategie voor touchless data. Vertrouw niet uitsluitend op historische verkoopgegevens, maar ontwikkel een uitgebreide datastrategie die zowel interne als externe bronnen omvat. Het is essentieel om stakeholders, waaronder handelspartners, bij het proces te betrekken om de kwaliteit van de data, het beheer ervan en terugkerende feeds te waarborgen.
4. Stel een roadmap op voor technologische ondersteuning. De overgang naar AI-gebaseerde forecasting vereist investeringen in technologie en competenties, die ofwel intern kunnen worden opgebouwd, ofwel kunnen worden uitbesteed via supply chain planning-oplossingen, analytische platforms of forecasting-as-a-service-modellen. Organisaties moeten voor IT-ondersteuning zorgen en oplossingen evalueren op basis van de prestaties van de engine, de expertise van de leverancier en de afstemming op hun datastrategie.
5. Bereid de implementatie voor. Het succes van touchless forecasting hangt af van het vertrouwen van de organisatie in door AI gegenereerde resultaten. Dat vereist voortdurende communicatie over de inherente onzekerheid van forecasting. Leidinggevenden moeten ervoor zorgen dat ze de resultaten kunnen uitleggen, AI-forecasts vergelijken met eenvoudige modellen en de toegevoegde waarde benadrukken door middel van regelmatige analyses en rapportages.
Gartner klanten kunnen meer lezen in Achieve Scalable Productivity Gains With Touchless AI Supply Chain Forecasting. Niet-klanten komen meer te weten op 3 Actions to Improve Demand Planning.
