Forecast Value Added (FVA)
Forecast Value Added (FVA) beschreibt die systematische Messung, ob einzelne Schritte innerhalb eines Forecast-Prozesses die Prognosequalität tatsächlich verbessern oder verschlechtern.
Dabei wird analysiert, welchen Beitrag beispielsweise:
- statistische Forecasts
- Vertriebsanpassungen
- Marktinformationen
- Managementkorrekturen
- Konsensrunden im S&OP
zur finalen Prognose leisten.
Der Grundgedanke ist einfach: Nicht jede manuelle Anpassung macht einen Forecast besser.
Die Messung des FVA ist insbesondere dann wichtig, wenn Prognosen in mehreren Schleifen diskutiert und angepasst werden. Oft entsteht dabei erheblicher Aufwand, ohne dass sich die Prognosegüte messbar verbessert.
Forecast Value Added schafft die notwendige Transparenz:
- Welche Planungsschritte echten Mehrwert schaffen
- Wo eventuell sogar systematische Verschlechterungen entstehen
- Welche Meetings oder Abstimmungen tatsächlich wirksam sind
Damit wird FVA zu einem wichtigen Instrument für die Weiterentwicklung von S&OP-Prozessen. Gerade in etablierten S&OP-Organisationen entsteht dadurch häufig die überraschende Erkenntnis, dass mehr Abstimmung nicht automatisch bessere Planung bedeutet.
Der ursprüngliche akademische Ansatz des Forecast Value Added bewertet dabei primär, ob einzelne Prozessschritte die statistische Prognosegüte verbessern oder verschlechtern. Typischerweise werden dafür Kennzahlen wie Forecast Accuracy, MAPE oder Bias verwendet.
Aus Sicht der Supply Chain greift diese Betrachtung allerdings häufig zu kurz.
Eine höhere Prognosegenauigkeit ist kein Selbstzweck. Entscheidend ist vielmehr, ob sich durch die Planung die operative und wirtschaftliche Performance verbessert, beispielsweise durch:
- geringere Bestände
- höhere Lieferbereitschaft
- weniger Obsoleszenz
- stabilere Produktionsprogramme
- geringere Sonderfrachten
- weniger Nervosität in der Supply Chain
- niedrigere Gesamtkosten
Genau hier liegt in der Praxis häufig die eigentliche Herausforderung: Ein Forecast kann statistisch „besser“ werden, ohne dass sich die operative Supply Chain verbessert — teilweise sogar im Gegenteil.
So kann beispielsweise:
- eine aggressive Glättung den MAPE verbessern, gleichzeitig aber Fehlteile bei Nachfragespitzen erzeugen,
- ein bewusst höher geplanter Vertriebsforecast formal die Prognosegüte verschlechtern, gleichzeitig jedoch Lieferausfälle verhindern,
- oder eine höhere Forecast Accuracy zu häufigeren Planänderungen und damit zu mehr Instabilität in Produktion und Beschaffung führen.
Forecast Value Added sollte deshalb nicht isoliert als statistische Kennzahl verstanden werden. Wesentlich wichtiger ist die Frage, ob ein Planungsschritt tatsächlich zur Verbesserung der gesamten Supply-Chain-Performance beiträgt.
Unser Tipp:
Verwenden Sie den statistischen Forecast als Referenz
Die Messung des FVA funktioniert nur mit einer neutralen Ausgangsbasis. Der statistische Forecast bildet dabei den Vergleichsmaßstab für alle späteren Eingriffe.
Messen Sie Prognosefehler konsistent
Unterschiedliche Kennzahlen führen schnell zu Diskussionen. Sie sollten deshalb einen klaren Standard für die Messung der Prognosequalität definieren. Dafür sollten Sie nicht die in der Praxis beliebte Kennzahl MAPE verwenden, sondern besser MAE oder RMSE. Zum besseren Verständnis sei hier auf die aufschlussreichen Veröffentlichungen von Nikolaus Vandeput hingewiesen.
Achten Sie nicht nur auf Genauigkeit, sondern auch auf Lieferbereitschaft und Bestände
Manche Unternehmen entwickeln hochkomplexe Kennzahlen zur Messung der Prognosegüte. Das kann nicht nur die Komplexität steigern, sondern führt irgendwann auch dazu, dass niemand mehr richtig versteht, wie der Wert zustande kommt.
Wichtiger noch: Der eigentliche Zweck einer guten Prognose besteht nicht darin, eine möglichst hohe Forecast Accuracy zu erzielen. Ziel ist vielmehr, die gewünschte Lieferbereitschaft mit möglichst wenig Bestand und möglichst geringen Kosten sicherzustellen.
Für dieses Ziel spielt nicht nur die Prognosegenauigkeit eine Rolle, sondern auch die Qualität der Sicherheitsbestandsdimensionierung. Eine hohe Prognosegüte kombiniert mit einem ungeeigneten Sicherheitsbestand kann zu geringerer Lieferbereitschaft und höheren Beständen führen als eine etwas schlechtere Prognose mit passend ausgelegtem Sicherheitsbestand.
Verwenden Sie FVA primär zur Identifikation von Ineffizienzen im Prognoseprozess
Forecast Value Added sollte aus unserer Sicht weder als Disziplinierungsinstrument noch als isolierte Zielgröße für kontinuierliche Optimierung verstanden werden.
In der Praxis wird häufig schnell der Punkt erreicht, an dem der Aufwand zur weiteren Verbesserung der Prognosegenauigkeit in keinem sinnvollen Verhältnis mehr zum tatsächlichen Nutzen steht.
Nach unserer Erfahrung ist es kontraproduktiv, Forecast Value Added oder Prognosegenauigkeit als Instrument zur Kontrolle einzelner Personen zu verwenden. Dies führt regelmäßig dazu, dass sowohl die Akzeptanz der Kennzahl als auch die Qualität des gesamten Planungsprozesses leiden.
