Zum Inhalt springen

Manuelle Forecast-Overrides im E-Commerce richtig einsetzen

Jannik SemmelhaackCEO & Founder, VOIDS

Ein manueller Forecast-Override ist eine begründete Anpassung der Basisprognose für einen festgelegten Zeitraum. Nutze ihn, wenn eine konkrete Information wie eine bestätigte Kampagne noch nicht in der Prognose steckt, und prüfe später, ob die Anpassung den Fehler tatsächlich verringert hat.

Von Jannik Semmelhaack, Gründer und CEO von VOIDS.

Wenn du in einer wachsenden Shopify-Marke für Operations, Einkauf oder Finance zuständig bist, begründe jede Anpassung der Basisprognose mit einer zusätzlichen Information. Meine Regel dafür: Die Annahme muss so konkret sein, dass du sie später prüfen und wieder beenden kannst.

Wann ist ein manueller Forecast-Override sinnvoll?

Ein sinnvoller Anlass ist eine neue Information über die Nachfrage. Dazu können ein bestätigter Aktionszeitraum oder eine geänderte Launch-Planung gehören. Prüfe zuerst, ob die Basisprognose diesen Effekt schon berücksichtigt. Sonst zählt dieselbe Kampagne zweimal.

Ein Vertriebsziel allein reicht als Begründung nicht aus. Halte Ziel und Erwartung getrennt: Das Ziel beschreibt, was die Marke erreichen will. Die Basisprognose beschreibt die erwartete Nachfrage unter den bisher dokumentierten Annahmen. Ein Override braucht zusätzliche Information, die diese Erwartung ändert.

Ein Lieferverzug gehört zunächst in die Beschaffungsplanung. Er verändert nicht automatisch die Nachfrage der Kunden. Prüfe bei fehlender Ware, ob die Verkaufsdaten die Nachfrage unterschätzen. Den passenden Schritt beschreibt der Beitrag Stockout-Bereinigung im Forecast. Ein Override ersetzt diese Datenprüfung nicht.

Was sagt die Forschung über manuelle Anpassungen?

Manuelle Anpassungen verbesserten die Genauigkeit im Durchschnitt in drei von vier untersuchten Lieferkettenunternehmen. Fildes, Goodwin, Lawrence und Nikolopoulos werteten dafür mehr als 60.000 Prognosen und Ergebnisse aus. Relativ größere Anpassungen führten tendenziell zu stärkeren durchschnittlichen Verbesserungen der Genauigkeit. Relativ kleine Anpassungen verschlechterten sie jedoch häufig. Erhöhungen verbesserten die Genauigkeit deutlich seltener als Senkungen und gingen häufiger in die falsche Richtung. Die Autoren deuteten das als allgemeinen Optimismus-Bias. Wie du wiederkehrende Über- oder Unterschätzungen erkennst, erklärt der Beitrag Forecast Bias im E-Commerce gezielt korrigieren.

Die Studie belegt damit weder, dass jede manuelle Anpassung hilft, noch dass sie generell schadet. Sie untersucht Lieferkettenunternehmen, nicht speziell Shopify-Marken. Für deine Entscheidung folgt daraus eine prüfbare Aufgabe: Vergleiche Basisprognose und angepasste Prognose mit demselben späteren Ist-Wert. Bewerte beide Varianten, statt eine erfolgreiche Anpassung nur an einer gut gelaufenen Kampagne festzumachen.

Wie dokumentierst du eine Anpassung?

Bewahre die Basisprognose unverändert auf. Ergänze die Anpassung daneben. Beim Überschreiben geht sonst die Vergleichszahl verloren, mit der du ihren Nutzen später prüfen willst. Die folgende Tabelle ist eine empfohlene Arbeitsvorlage, kein Bericht aus einem Kundenprojekt.

EintragWas du festhältst
SKU, Kanal und ZeitraumDie genaue Planungseinheit und die betroffenen Wochen.
BasisprognoseDie Menge vor der manuellen Änderung, mit Stand der Berechnung.
ZusatzinformationDen bestätigten Anlass und den zugehörigen Beleg, etwa einen Kampagnenplan.
AnpassungDie zusätzliche oder entfallende Menge und ihre Herleitung.
VerantwortungDie Person, die die Annahme bestätigt, und die Person, die die Planänderung freigibt.
Ende und PrüfungDas Ablaufdatum und den Termin, an dem Basisprognose und Anpassung mit dem Ist verglichen werden.

Meine Empfehlung ist, die Freigabe vor der ersten Änderung festzulegen. Für die Nachfrageannahme kann der Planungsverantwortliche entscheiden; Marketing bestätigt den Kampagnenanlass. Der Einkauf prüft eine daraus abgeleitete Bestellung. Finance sollte nach der internen Budgetregel hinzukommen, wenn sich die Kapitalbindung wesentlich ändert. So ist die Zuständigkeit klar, ohne eine Prognoseänderung mit einer Bestellfreigabe gleichzusetzen.

Wie sieht ein prüfbares Beispiel aus?

Die folgenden Zahlen sind fiktiv. Eine Shopify-Marke erwartet für eine SKU in den Kalenderwochen 47 und 48 zusammen 500 Stück. Marketing bestätigt eine zusätzliche Aktion, die noch nicht in der Basisprognose steckt. Der Planungsverantwortliche setzt dafür eine begründete Annahme von weiteren 100 Stück an. Die angepasste Prognose beträgt 600 Stück.

Nach den beiden Wochen liegt die beobachtete Nachfrage bei 560 Stück; die Ware war durchgehend verfügbar. Der absolute Fehler der Basisprognose ist |560 − 500| = 60 Stück. Der absolute Fehler der angepassten Prognose ist |560 − 600| = 40 Stück. Die Anpassung hat den absoluten Fehler in diesem Beispiel um 20 Stück verringert.

Das zeigt den Rechenweg, keinen nachgewiesenen Kundeneffekt. Ein einzelner gelungener Fall reicht nicht als Freigabe für weitere Erhöhungen. Sammle auch erfolglose Anpassungen und vergleiche die Ergebnisse über mehrere abgeschlossene Entscheidungen. Der Beitrag Prognosegenauigkeit im Onlineshop messen erklärt die Auswertung. Prüfe dabei dieselbe SKU, denselben Horizont und denselben Stand der verfügbaren Information.

Die 600 Stück sind eine Nachfrageannahme, keine Bestellmenge. Für den Einkauf zählen zusätzlich verfügbarer Bestand, offene Bestellungen, Lieferzeit und Bestellregeln. Ein höherer Forecast legt weder einen Wareneingangstermin noch eine Liefermenge fest.

Welche Fehler solltest du vermeiden?

  • Eine bekannte Aktion doppelt zählen: Prüfe die bereits enthaltenen Effekte vor jeder Ergänzung.
  • Eine kleine Abweichung ohne neue Information glätten: Eine Änderung braucht einen Anlass, nicht nur den Wunsch nach einer ruhigeren Kurve.
  • Die Änderung nach dem Anlass weiterlaufen lassen: Beende die Annahme am dokumentierten Datum. Eine dauerhafte Änderung braucht eine neue Begründung.
  • Nur die angepasste Prognose auswerten: Ohne erhaltene Basisprognose fehlt der Vergleich. Ein niedriger Fehler beweist dann nicht, dass der Eingriff geholfen hat.

Für eine Marke ohne verlässliche SKU-Zuordnung oder verfügbare Bestandsdaten ist zuerst die Datenbasis dran. Wenn du nicht weißt, ob ein Nullverkauf auf fehlende Nachfrage oder fehlende Ware zurückgeht, lässt sich auch die Wirkung eines Overrides nicht sauber messen. Eine neue Software ersetzt diese Klärung nicht.

Wie passt das in die Planung mit VOIDS?

In VOIDS planst du Saisons, Kampagnen und Launches als sichtbare Forecast-Annahmen. Die Forecasting-Software verbindet Absatz, Bestand, Kampagnen, Produktlebenszyklus und saisonale Muster. Aus Forecast, Bestand, offenen Bestellungen und Lieferzeit entsteht anschließend die Grundlage für eine Nachbestellentscheidung.

Bringe für eine kostenlose Bestandsanalyse bei VOIDS eine SKU mit einer anstehenden Kampagne mit. Halte die bisherige Basisprognose, den Aktionszeitraum und die zusätzliche Nachfrageannahme bereit. Prüfe gemeinsam, wie die Annahme in die Planung eingeht und welche Bestellung sich unter deinen Bestands- und Lieferbedingungen daraus ergibt.

FAQ

Was passiert, wenn die Aktion verlängert wird?

Behandle die Verlängerung als neue Entscheidung. Halte den neuen Zeitraum und den bestätigten Anlass fest und prüfe, ob die Basisprognose die laufende Aktion inzwischen berücksichtigt. Übernimm den bisherigen Aufschlag nicht automatisch.

Soll ich kleine Anpassungen grundsätzlich verbieten?

Nein. Fordere auch für kleine Änderungen eine neue Information. Die Studie zeigt ein Risiko kleiner Eingriffe im untersuchten Datensatz, kein allgemeines Verbot und keine verlässliche Mengengrenze für dein Sortiment.

Kann ich mehrere Overrides auf dieselbe SKU anwenden?

Dokumentiere die Effekte getrennt und prüfe, ob sie sich überschneiden. Zwei Kampagnenannahmen dürfen nicht dieselben zusätzlichen Verkäufe beanspruchen. Der Planungsverantwortliche prüft die einzelnen Annahmen und gibt anschließend die gesamte angepasste Prognose für den gemeinsamen Zeitraum frei. So lassen sich Überschneidungen vor der Freigabe erkennen.

Quellen

Passende Lösung

VOIDS rechnet den Forecast jede Woche neu, je Artikel und Kanal, und bereinigt historische Stockouts. Forecasting-Software

Analytics-Cookies

Wir nutzen Google Analytics, Vercel Web Analytics und Microsoft Clarity (Sitzungsaufzeichnungen und Heatmaps deines Besuchs), um Inhalte und Conversion-Flows zu verbessern. Es werden keine Formularinhalte an Analytics gesendet.