When is forecast accuracy important in the retail industry? Effect of key product parameters
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2017-04-05
Department
Major/Subject
Operations and Service Management
Mcode
SCI3049
Degree programme
Master’s Programme in Industrial Engineering and Management
Language
en
Pages
56
Series
Abstract
Accurate forecasting is important for retail companies that want to minimize the capital that is tied in stocks while simultaneously ensuring adequate product availability for their customers. Forecasting processes are typically automated; however, time-consuming and costly manual corrections to forecasts are often made. Therefore, retailers would benefit from clear criteria for selecting products for which forecast accuracy has the greatest impact. In addition, quantifying the business impact of forecast accuracy could help retailers that are considering investments in advanced forecasting solutions. Furthermore, researched and clearly documented evidence about the importance of forecast accuracy could aid communication both within retail companies and with other players in the supply chain. For these reasons, the goal of this thesis is to identify the situations in which forecast accuracy is important and those in which it is not. This thesis utilizes real sales figures from a major European retailer and mathematical simulations to clarify when forecast accuracy is important. Approximately 7 million product locations were included in the thesis, and the data covered sales history for 24 months. With access to real product-specific sales data, the researcher was able to simulate the future using real sales figures from the past. In other words, it was possible to go a few years back in time and test the impact a certain forecast would have had. Using real sales and product data, it was possible to vary the key forecast and product location parameters and then to simulate the business outcome. The results of this study suggest clear principles for prioritizing product locations and quantify how much additional stock is needed to compensate for forecast errors. The results also reveal the impact of different product location parameters on the business importance of forecast accuracy. The sales volume of a product location proved to be the most important parameter, although relative batch size also had some importance. Average time to delivery plays a minor role in some cases, while relative sales standard deviation (STD) had only an insignificant effect. Based on the results of this thesis, retailers should consider focusing their efforts on improving the forecast accuracy of high-selling products and, to some extent, on products with small batch sizes. Average time to delivery deserves closer scrutiny only in cases with systematic forecast errors. Relative sales STD proved so marginal that retail managers could consider ignoring it.Tarkat ennusteet ovat tärkeitä vähittäiskaupan yrityksille, jotka haluavat minimoida varastoihin sitoutuneen pääoman, mutta samalla pitää riittävästi tuotteita saatavilla asiakkailleen. Ennustaminen on tyypillisesti pääosin automatisoitua, mutta ennusteisiin tehdään usein käsin kalliita ja aikaa vieviä korjauksia. Vähittäiskauppa hyötyisi selkeistä kriteereistä, joilla valita ne tuotteet, joille ennustetarkkuus on kaikkein tärkeintä. Ennustarkkuuden vaikutusten kvantifioiminen voisi olla höydyllistä myös silloin, kun vähittäiskauppa harkitsee investointeja edistyneempiin ennustemenetelmiin. Lisäksi selkeästi esitetty tutkimustieto ennustetarkkuuden merkityksestä edistäisi kommunikointia vähittäiskaupan toimitusketjussa. Näistä syistä tämän diplomityön tavoitteena on tunnistaa, milloin ennustetarkkuudella on merkitystä ja milloin ei. Diplomityön tavoitteen saavuttamiseksi hyödynnettiin yhden merkittävän eurooppalaisen vähittäiskauppaketjun myyntitietoja, joiden pohjalta tehtiin simulointeja. Data sisälsi noin 7 miljoonaa tuotelokaatiota, joiden myyntihistoriaa tarkasteltiin 24:n kuukauden ajalta. Toteutuneen myynnin avulla oli mahdollista mennä ajassa taaksepäin ja tutkia, millaisia vaikutuksia erilaisilla ennusteilla olisi ollut. Käyttäen todellista myynti- ja tuotedataa oli mahdollista simuloida ennuste- ja tuoteparametrien vaikutusta liiketoimintaan. Tämän tutkimuksen tulokset tarjoavat selkeän tavan priorisoida tuotelokaatioita ja kvantifioida sitä, kuinka paljon lisää varastoa tarvitaan ennustevirheen kompensointiin. Tulokset kuvaavat myös, miten eri tuotelokaatioparametrit vaikuttavat ennustevirheen liiketoiminnalliseen merkitykseen. Tärkeimmäksi parametriksi osoittautui myyntivolyymi ja verrattain tärkeä oli myös suhteellinen eräkoko. Keskimääräisellä ajalla seuraavaan toimitukseen oli jossain tilanteissa pieni vaikutus, mutta myynnin hajonnalla ei ollut merkittävää vaikutusta. Tulosten perusteella vähittäiskaupan kannattaisi keskittää ennustetarkkuuden parantamiseen tähtäävät panostukset tuotteisiin, joita myydään paljon, sekä jossain määriin tuotteisiin, joilla on pieni eräkoko. Keskimääräinen aika seuraavaan toimitukseen on tarkkailemisen arvoinen vain tilanteissa, joissa ennusteessa on systemaattista virhettä. Myynnin hajonnan vaikutus on niin pieni, että vähittäiskauppiaat voivat harkita sen jättämistä pois tarkastelusta.Description
Supervisor
Tanskanen, KariThesis advisor
Ala-Risku, TimoKeywords
forecasting, retail business, statistical methods, forecast accuracy