Resumé

Denne artikel undersøger, på baggrund af en survey foretaget i perioden 3. maj til 25. maj 2001, hvorledes planlægningsansvarlige i danske virksomheder forecaster. Vi har konfronteret forecasting- og SCM-teorien med praksis for derigennem at undersøge, hvilke forecastingmetoder der anvendes, og hvilke faktorer der influerer på brugen af forecasting-metoder. Der er blevet identificeret mønstre i måden, hvorpå der forecastes, på baggrund af visse situationsbetingede faktorer såsom størrelse, antallet af kunder, antallet af leverandører, virksomhedstyper og produktionsstrategi.

Artiklen præsenterer indledningsvis den konceptuelle
ceptuelleforståelse af forecasting igennem en
præsentation af forecasting og de dertilhørende
modeller. Derefter introducerer vi en Supply
Chain Managementtilgang til forecasting, som
er baseret på anvendelse af tidsserieanalyser,
analyse af eksterne faktorer og udveksling af
data mellem forsyningskcedens aktører. Det
andet afsnit i artiklen præsenterer resultaterne
af undersøgelsen, herunder en præsentation af
undersøgelsesdesignet, en diskussion af de
anvendte forecasting-metoder og en identifikation
af mønstre i anvendelsen a f/orecastingmetoder.
Vi afslutter med et referat og fremlæggelse
af emner for videre studier.

Introduktion og undersøgelsesproblem

Hvordan forecaster planlægningsansvarlige? En opfattelse af Supply Chain Management som en integreret ledelsesdisciplin af forretningsprocesserne fra slutkunde gennem leverandører, der forsyner produkter, services og informationer, til værdiskabelse for slutkunderne (Cooper, Lambert & Pagh, 1997 og Senary & Skjøtt-Larsen, 2001), indikerer væsentligheden af at kunne forudsige kundernes efterspørgsel bedre. På baggrund af en stigende anvendelse af Pull-orienterede supply chainsystemer som erstatning for den traditionelle Push-orientering kan forecasting anvendes til at minimere volatilitet i efterspørgslen i forsyningskæden og dermed eliminere en mulig Bullwhip-effect (Lee, Padmanabhan & Wang 1997). Fisher et al (1994) redegør for, at et præcist forecast forbedrer koblingen mellem efterspørgsel og udbud i en "uforudsigelig verden".

Konceptuel ramme

Forecasting-konceptet

Schroeder (1993, s. 353) definerer forecastingsom
værende kunsten og videnskabenom
at kunne forudsige fremtiden.
Forecasts bliver anvendt til at minimere
usikkerheden omkring fremtiden (Armstrong2001,
s. 2). Hanke and Reitsch (1998,
s. 2) fremhæver forecasting som værende et

"educated guess about the future" og anbefaler
ledere og beslutningstagere at anvende forudsigelsesvaerktojerog

perfremfor at benytte sig af usikre og intuitivemetoder.
Makridakis og Wheelwright
(1989, s. 3) redegor for, at det var i
1960'ernes organisationer, at forecastingbegrebettog
sin begyndelse, og at de globalemarkedsvilkar
har pafort forecastingdisciplinenen
stadig storre betydning.

Forecasting-metoder

Forecasting-metoder er af Armstrong (1983)
defmeret som vaerende eksplicitte procedurer
for oversaettelse af informationer om
omgivelserne og en virksomheds angivne
strategi i form af statements om de fremtidige
resultater. Mere overordnet kan forecasting
betragtes som evnen til at identificere
valide inputs for en virksomheds eller
en forsyningsksedes styring af eftersporgselen
ved at skelne mellem den afhaengige og
den uafhaengige eftersporgsel (Chase,
Aquilano & Jacobs, 2001, s. 434). Samme forfattere
udtaler ligeledes, at en perfekt forudsigelse
af fremtiden er umulig, grundet
de mange usikkerhedsfaktorer en virksomhed
bliver pavirket af. Trods dette bor beslutninger
vedr. forecasting ikke negligeres,
men eventuelt bringes op pa et hojere organisatorisk
niveau for at opna adgang til
relevant information og derigennem forbedre
forecastet (Armstrong/Coloppy 2002).

Forecasting-metoder kan karakteriseres
pa mange mader, eksempelvis som kvalitative
metoder, tidsserieanalyser og kausale
metoder (Ballou 1992), eller som subjektive
vs. objektive metoder, naive vs. kausale
metoder og lineaere vs. klassifikationsmetoder
(Armstrong 1983). Et alternativ til disse
karakteristikker er praesenteret i figur 1
med udgangspunkt i Makridakis and
Wheelwright (1989, s. 14) klassifikation.

"Judgemental methods" er baseret på
individuelle og aggregerede metoder, der
tilstræber at forudsige noget om fremtiden.
"Technological methods" refererer til langtidsorienterede
økonomiske og sociale
emner. Gruppen "Quantitative methods"
bygger på matematiske beregninger på
historiske data. Der eksisterer en lang
række modeller, der forecaster på baggrund
af historiske salgsdata. Nogle mere komplicerede
end andre. Dog har det vist sig, at
trods den større præcision i mere raffinerede
teknikker som Box-Jenkins, Holt-Winters
anvender danske virksomheder kun mere
simple forecasting-teknikker (Østergaard,
1993). Denne undersøgelse vil derfor kun
omhandle anvendelsen af simplere metoder:
(se tabel 1).

Fra et pragmatisk ledelsesperspektiv vil anvendelsen af henholdsvis kvantitative og kvalitative metoder til forecasting afhænge af mange faktorer, heriblandt markedet, virksomheden opererer på, udsving i om-

sætningen, tidshorisonten for forecastet,
graden af detaljeringen, antallet af enheder,
der skal forecastes, eksisterende forecastingprocedurer,
mønstret i den anvendte data,
omkostninger, graden af præcision og tilgangen
til applikationer og software, der kan
understøtte processen (Hanke fßeitsch, 2001,
Makridakis and Wheelwright, 1989, s. 27-28).

Forecasting i et Supply Chain Managementperspektiv

Chopra/Meindl (2001, s. 68) definerer outputtet af et forecast som "basis for alle strategiske og planlægningsrelaterede beslutninger i en ucerdikcede". Med dette udgangspunkt vil forecasting kunne forbedre en virksomheds beslutningsgrundlag på følgende områder:

Produktion - bedre planlægning, bedre
lagerstyring og bedre overordnet planlægning

• Marketing - bedre ressourceudnyttelse
ifm. salg, bedre produktintroduktioner

• okonomi - bedre materielle investeringer,
bedre budgetplanlaegning

• Personale - bedre ressourceplanlsegning,
bedre udnyttelse af arbejdsstyrken

I en forsyningskaede bor beslutninger relateret til ovenstaende omrader ideelt set traeffes pa tvaers af kaeden og dens organisationer. Dette er dog langtfra altid tilfaeldet, hvilket understreger eksistensen af to vaesentlige problemstillinger - Forresterog/eller Bullwhip-effekten (Forrester 1958 eller Lee/Padmanabhan/Wang 1997; se figur 2) og forecasting af aggregerede produktgrupper.

Figurens udsving opstår gennem "støj" og afvigelser i kommunikationen imellem de implicerede virksomheder, hvilket bevirker en negativ indflydelse på præcision i den

enkelte forsyningskaedeaktors forecast. Et
praktisk eksempel herpa er illustreret ved
DeLuca og Swoyer (1999), der har analyseret
sig frem til at, mellem 8 og 10% af alle hyldemetermed
produkter fra Procter &
Gamble pa et tidspunkt har staet tomme
grundet forkerte forecast og ukorrekt forstaelseaf

En måde at reducere dette på er ved at
forbedre forecastet med hyppige og mere
nøjagtige opdateringer (Lee, Paradmanab,
Whang 1994) eller ved at etablere fuldstændig
datagennemsigtighed i hele kæden,
hvorved hvert led i kæden har adgang til
samtlige forecasts og produktionsdata. En
alternativ mulighed ligger i at investere i
bedre kommunikationskanaler imellem
kædens parter og derved forbedre selve forecast-processen,
evt. således at data
omkring efterspørgslen kommer fra kundernes
kunder og ikke blot fra det nærmeste
led i kæden. Resultatet heraf er, at forsyningskæden
vil være i stand til at eliminere
det akkumulerende udsving i forecastene
og dermed eliminere Forrestereffekten.

Den anden problemstilling relateres til
virksomhedens forecasting af flere forskellige
ligeproduktgrupper. En virksomhed såvel
som en forsyningskædes konkurrencedygtighed
vil afhængige af evnen til at tilpasse
sig kundens behov, hvorved nødvendigheden
af kundetilpassede produkter opstår.
Resultatet heraf er, at den producerede
mængde skal modsvare den aggregerede
mængde af afsatte produktgrupper, hvilket
skaber behov for at forecaste afsætningen
af de enkelte produktgrupper såvel som
den aggregerede sum. Dette komplicerer alt
andet lige forecastingprocessen.

Ved at føre en postponement-strategi,
hvor virksomheden tilstræber at udføre den
egentlige kundetilpasning til det senest
mulige tidspunkt i produktionen, vil forecastingen,
der vedrører mængden produceret
forud for kundetilpasningen, kunne forsimples,
idet der kun skal forecastes på den
aggregerede sum af segmenterne. Fejl i et
forecast for enkelte segmenter vil således
have en relativ mindre betydning i forhold
til den aggregerede sum. Kompleksiteten af
at skulle forecaste den afsatte mængde af
de enkelte segmenter for derigennem at
komme frem til den aggregerede sum vil
ifølge Forrester-effekten kunne minimeres
ved investering i informationskanaler, der

muliggør tæt kommunikation med downstreamaktører. Herigennem kan der opnås viden om kundernes forecasts og dermed også deres forventede indkøb af de forskellige

Nøgleordet for optimering af forecastet på baggrund af de to problemstillinger bliver derfor, at de tidligere omtalte tidsseriemodeller og de kvalititave metoder skal kombineres med dataudveksling på tværs af forsyningskæden (Helms, Ettkin, Chapman,

Forecasting baseret på en supply chain tilgang

Baseret pa den prsesenterede teori og den omhandlede terminologi vil vi nu praesentere en strategisk forecastmetode for hele forsyningskasden. Denne metode er opbygget omkring a) anvendelsen af historiske data i tidsseriemodeller og anvendelsen af viden omkring eksterne faktorer, der kan influere pa et af forsyningskaedens medlemmer (uafhaengigt af den naturlige indflydelse fra kaedens ovrige parter) og b) udvekslingen af information set i relation til den holistiske tankegang, Supply Chain Management bygger pa.

Overordnet set resulterer forsyningskædebetragtningen i en optimering og forbedring af effektivitet og konkurrenceevne hos hver enkelt af forsyningskædens parter. Denne logik følger den såkaldte kæde af forecasts præsenteret af Kappauf & Talbot (1982, s. 492)

Forecasting i danske virksomheder - resultater af undersøgelsen

Undersøgelsesdesign

I henhold til undersøgelsens formål var populationen for undersøgelsen danske virksomheder. For at højne validiteten af undersøgelsen blev virksomheder med en omsætning på mindre end 1 mio. om året og mindre end 20 ansatte frasorteret, idet disse ikke blev vurderet egnede til at besvare spørgeskemaet. Grundet tidsbegrænsninger valgte forfatterne at distribuere spørgeskemaet via e-mail, hvilket yderligere be-

grænsede populationen til virksomheder
med en e-mailadresse registreret i den
anvendte virksomhedsdatabase

(Dun&Bradstreet). Disse kriterier begrænsede
den oprindelige population til 3331 virksomheder.

En pilottest af spørgeskemaet var essentiel for at finde frem til, om spørgsmålene reelt målte det, der var tilsigtet. Ligeledes var pilottesten afgørende for at validere ordvalget i spørgeskemaet for undgå eventuelle misforståelser, der kan lede til forkerte konklusioner af undersøgelsen. En lille gruppe på 10 planlægningsansvarlige fra virksomheder, der var repræsentative i forhold til populationen, blev derfor præsenteret for spørgeskemaet for at tilkendegive eventuelle uklarheder i spørgeskemaet. Spørgeskemaet blev herefter tilrettet pilottestens bemærkninger.

Dataindsamlingen skulle af tidsmæssige
og økonomiske årsager foregå via en
"email-out - e-mail return" metode, hvortil
Ruthner/Gibson (2001) rapporterer om en
forventet svarprocent på 5,7%. Der er flere
årsager til den relativt lave svarprocent.
Heriblandt kan nævnes, at respondenterne
ikke informeres om undersøgelsen forud
for modtagelse at spørgeskemaet, at
respondenter, der ikke har besvaret spørgeskemaet
ikke bliver kontaktet, og respondenter
kan være underlagt en IT-politik, der
forbyder dem at åbne elektroniske filer fra
ukendte afsendere. For at kunne opnå en
tilfredsstillende stikprøvestørrelse var det
således nødvendigt at distribuere spørgeskemaet
til relativt mange virksomheder.
Spørgeskemaet blev udsendt til samtlige,
3.331 virksomheder. Udsendelsen af spørgeskemaet
skete via e-mail og adresseret til
virksomhedernes planlægningsansvarlige.
Heraf kom 487 spørgeskemaer tilbage som
"undeliverable" og 122 respondenter tilkendegav,
at de ikke ønskede at medvirke i
undersøgelsen. 168 brugbare spørgeskemasvarende
til en svarprocent på 5.9 % - blev
returneret. Til sammenligning kan nævnes,
at Peder Østergaard i 1991 gennemførte en
undersøgelsen af større danske virksomhe-

ders anvendelse af Management Science Techniques herunder en række forecastingteknikker, hvor 258 brugbare spørgeskemaer blev returneret.

Profil af respondenterne

I tabel 2 er fordelingen af respondenterne
opsummeret.

Ud af i alt 168 planlægningsansvarlige
var over halvdelen af respondenterne
repræsenteret i form af større virksomheder
med en omsætning på over DKK 100
mio. Det var interessant at se, at hele 10
virksomheder er under grænsen på DKK 20
mio. Der blev desuden undersøgt, hvor stor
en del af virksomhedernes samlede omsæt-

ning de 5 største kunder aftager.

Dette med henblik pa at fa et billede af,
hvor hyppigt forekommende deter, at fa -
men store kunder - aftager storstedelen af
en virksomheds produkter, og om der derved
eksisterer et afhaengighedsforhold.
Resultatet heraf viste, at der er en klar
overvaegt af virksomheder, der har mange
og mindre kunder. Knap 25% af de adspurgte
virksomheder har fa og primaere kunder,
der aftager over 50% af produkterne.

Et lignende spørgsmål blev benyttet til at undersøge den mængde, virksomhedernes 5 største leverandører leverer for derigennem at vurdere, hvorvidt de primære leverandører har større potentiale som samar-

bejdspartnere, end de primære kunder har.

Under dette spørgsmål fordelte respondenterne
sig således, at over 50% af det
samlede indkøb ligger hos de fem største
leverandører hos 34% af respondenterne.
Der blev ligeledes spurgt til, hvilken type
virksomhed respondenten repræsenterede,
hvoraf der viste sig en klar overvægt af produktionsvirksomheder
i form af 56%.
Handels- og servicevirksomheder fordeler
sig herefter med henholdsvis 28% og 16%.
Størstedelen af respondenterne viste sig at
operere på 828-markedet i form af 89% i
forhold til kun 11% af respondenterne, der
opererer på B2C-markedet. Den sidste virksomhedskategorisering
i undersøgelsen
viste, hvorvidt en given virksomhed er
ordre- eller lagerproducerende. Udfaldet af
dette spørgsmål er, at knap 80% af virksomhederne
betragter sig selv som ordreproducerende.

På baggrund af respondenternes karakteristik
som værende overvejende større danske
produktions-virksomheder, må stikprøven
vurderes i ringe grad at være repræsentativ
i forhold til population, der ifølge
Dun & Bradstreet databasen skulle have
fordelt sig ligeligt mellem de angivne strata
i spørgsmålet om omsætning og medarbejderantal.
Undersøgelsesresultaterne skal
derfor ikke opfattes som en generalisering
af danske virksomheders metoder til forecasting,
men mere som en afdækning af
forecasting-tendenser blandt respondenterne.

Anvendte forecasting-metoder i danske virksomheder

Anuendelse af generelle forecasting-metoder
I undersøgelsen af hvilke forecastmodeller
og metoder, der bliver anvendt i danske
virksomheder, har vi indledt med et spørgsmål
om, hvorvidt der anvendes historiske
salgsdata til beregning af virksomhedens
forecast. 85% af respondenterne svarede
hertil, at der benyttes historiske salgsdata.
Dette betyder, at de resterende 15% enten
ikke benytter nogen former for tidsseriemodeller,
eller at de anvender tidsseriemo-

dellerne ved beregning af data på baggrund
af makro-, mikro- eller markedsmæssige
forhold.

For at få et overblik over anvendelsen af de enkelte modeller, og hvorvidt der foretages en løbende justering af modellerne, har vi illustreret respondenternes besvarelser i figur 3 og tabel 3.

Som det fremgår af grafen, varierer
anvendelsen af de enkelte modeller markant.
De tre, der adskiller sig mest, er:
Glidende gennemsnit, Sæson-korrektion og
Løbende justering (Løbende justering regnes
ikke for en egentlig tidsseriemodel,
men indikerer, hvorledes respondenterne
anvender deres tidsseriemodeller). Disse tre
ligger på en anvendelsesgrad på knap 70%.
Samtidig viser figuren, at de mere avancerede
modeller bliver benyttet i et mindre
omfang. Multipel regression og eksponentiel
udligning ligger således på en anvendelsesgrad
på henholdsvis kun 10% og 17%.

Med henblik på at nuancere billedet af de anvendte forecasting-metoder har vi undersøgt, om mere kvalitative metoder for forecasting indgår i virksomhedernes forecastberegning. De undersøgte faktorer er: makroøkonomiske og mikroøkonomiske faktorer samt markedsmæssige forhold.

Det fremgår af Figur 4, at 64% af virksomhederne
benytter makroøkonomiske
faktorer i deres forecastberegninger. En
sådanne tilgang vil være relevant for brancher,
der er stærkt påvirket af den generelle
økonomiske trend i såvel Danmark som i
resten af verdenen. Samtidig anvender 67%
af respondenterne mikroøkonomiske faktorer.
Endelig bliver markedsundersøgelser
inddraget i høj grad med en score på 82%,
hvilket indikerer, at mange virksomheder,
samtidig med anvendelse af tidsseriemodeller,
benytter data fra markedsundersøgelser
ved den endelige beregning af
virksomhedens forecast.

Anuendelse af en Supply Chain tilgang
til forecasting

Den sidste og mest væsentlige forecasting-

metode i forhold til Supply Chain management er virksomhedernes dataudveksling med henholdsvis kunder og leverandører. De beskrivende resultater ses i tabel 5:

I modsaetning til anvendelsen af de generelle
modeller ved udarbejdelse af forecast
ses, at der i h.oj grad anvendes dataudveksling
ved udarbejdelse af forecast. Her ses,
at mellem 86-90% af respondenterne
udveksler data i et eller andet omfang
afhaengigt af typen af data. Der skal dog
tages hojde for, at de virksomheder, der
opererer pa B-2-C markedet, ikke umiddelbart
har samme mulighed for at udveksle

data med deres kunder, som virksomheder på 828 markedet. Disse virksomheder vil i højere grad kunne benytte sig af markedsundersøgelser. Vi vil senere behandle forskelle i graden af dataudveksling mellem de forskellige typer af virksomhed.

Forecasting tendenser

Trods disse relativt chokerende resultater
taget respondenternes karakteristik i
betragtning har de færreste amerikanske
virksomheder en bedre tilgang til forecasting
end undersøgelsens danske virksomheder
(Mentzer & Kahn, 1997).

Respondenter, der har angivet, at de
anvender en eller flere tidsseriemodeller
ved udarbejdelse af forecast, viser sig i en
Spearmans korrelationsanalyse uden undtagelser
i større udstrækning at inddrage en
eller flere af de øvrige faktorer (makro-,
mikro- og markedsundersøgelser). Ligeledes
udveksler respondenter, der bruger en
eller flere tidsseriemodeller, også i større
udstrækning data med kunder og leverandører.

Vi ledte desuden efter signifikante sammenhaenge
mellem respondenternes karakteristika
og deres anvendte forecastingmetoder.
Til dette formal foretog vi en
Kruskal-Wallis-test, og resultater heraf kan
ses i tabel 6.

Ud fra nedenstaende kan udledes:

• At planlaegningsansvarlige i detailvirksomheder
oftere inddrager makrookono-

miske faktorer end produktionsvirksomheder. Dette resultat verificeres ved, at der er signifikant forskel i anvendelsen af alle typer af dataudveksling med kunder og leverandorer mellem forskellige virksomhedstyper.

At storrelse i form af omsaetning har en
betydning for inddragelse af salgsdata
udvekslet med kunderne.
Planlaegningsansvarlige i store virksomheder
(omsaetning pa over DKK 40 mio.)
udveksler signifikant flere salgsdata med
kunderne.

At storrelse i form af antallet af ansatte
har en betydning for anvendelse af eksponentiel

Planlaegningsansvarlige i store virksomheder
anvender denne forecastingmetode
signifikant mere end virksomheder i
mindre virksomheder.

Anvendelse af lineær regression spores
at være mere kritisk blandt B2C marked
end 828 markeds-operatører.

Interessant nok indikerer planlægningsansvarlige fra virksomheder, der er lagerproducerende, at de udveksler salgsdata med deres kunder.

Mønstre i metoder til forecasting på baggrund af situationsbetingede antagelser

Med henblik på at skabe et nuanceret bille de af respondenternes anvendte forecasting-metoder ud fra respondentens karakteristika vil de enkelte grupperingers

overordnede forecastingmetode blive fremhævet.
Til formålet er der opbygget en
model, der på en let og overskuelig måde
præsenterer undersøgelsens overordnede
resultater. Denne model tager udgangspunkt
i et pointsystem, hvor respondentens
besvarelse bliver omkodet til point, hvorefter
de akkumulerede points fra delspørgsmålene
i hver enkelt forecastingmetode
repræsenterer en samlet score. Således er
der givet en samlet pointscore i fire grupperinger
af spørgsmål: (se tabel 7).

Som det fremgår har de fire grupperinger
ikke samme minimum- og maksimumscore,
hvorfor den pågældende score i de følgende
figurer er et udtryk for den procentvise
score i forhold til maksimumværdien.
Eksempelvis vil en score på 6 i dataudveksling
med kunder resulterer i en score på
50% på denne akse. Dette betyder, at mindste
mulige score vil være 25% og maksimum
vil være 100%. Aksernes inddeling er
dog ændret til at gå fra 40% til 70% for at
kunne illustrere resultaterne bedst muligt.

Som det ses af figur 7, er der differencer mellem forskellige grupper. Baseret på en Kruskal-Wallis Test kan vi identificere signifikante forskelle (p<0.05). Det er vist med cirkler i figur 7.

Situationbetinget faktor # 1 - forecastingmetode
afhængig af virksomhedsstørrelse?

Figur 7a viser fordelingen af point for virksomhedernemed
en omssetning under
DKK 40 mio. henholdsvis over DKK 40 mio..
Det fremgar, at der er en tydelig forskel i
disse to gruppers grad af dataudveksling
bade med kunder og leverandorer.
Ligeledes fremgar det, at virksomheder
med storre omsaetning har en generelt
hojere dataudveksling. Derimod synes der
ikke at forekomme en storre forskel i scorenangaende
forecastmodeller og anvendelseaf
kvalitative metoder. Dette er et
interessant resultat, idet det udtrykker, at
udvikling af samarbejde med kunder og
leverandorer forst kommer med i virksornhedernesbetragtning,
nar de har opnaet en

vis størrelse. Fra et praktisk synspunkt kan
dette umiddelbart synes forståeligt, idet
opbygning af et samarbejde er ressourcekrævende(Ellram
& Cooper, 1993). Set fra et
teoretisk synspunkt synes det dog underligt,at
mindre virksomheder ikke benytter
sig af de fordele, der ligger i et øget samarbejdemed
både kunder og leverandører.
Herigennem vil mindre virksomheder uden
de store ressourcer hverken økonomisk
eller arbejdsmæssigt kunne høste store fordeleved
at benytte sig af hinandens ressourcer(Lee,
2000). Eksempelvis kunne en
mindre forsyningskæde nøjes med en centraliseretplanlægningsafdeling,

kædens samlede forecast bliver beregnet. Herved undgås det, at alle aktører i kæden skal bruge ressourcer på opbygning af en sådan funktion, og Forrester-effekten minimeres.

Situatioribetinget faktor # 2 - Forecastingmetode
afhoenger af feundestrufeturen?
En analyse af virksomheders kundestorrelsei
forhold til den anvendte forecastingmetoderhar
resulteret i figur 7b. Betragtes
figuren, er det interessant at se, at graden
af dataudveksling med kunder er langt
storre for de virksomheder, hvis fern storste
kunder aftager mere end 50% af omsaetningen.Den

gen.Dennetværksmæssige tankegang foreskriver,at
kunder kan inddrages i tætte
samarbejder, dels for at nedbringe de interorganisatoriskeudgifter
ved samhandel
(trans aktions-omkostninger) og dels for
drage nytte af virksomhedernes samlede
vidensbase (Ring & Van de Ven, 1994), hvorfordet
ud fra en teoretisk indgangsvinkel
kan undre, at disse fordele ikke udnyttes
med alle kunder - store som små. Fra et
praktisk synspunkt overrasker det ikke, idet
vedligeholdelse af tætte samarbejder med
mange kunder vil kræve et for stort ressourceforbrugfra
den fokale virksomheds
side (Ellram & Cooper, 1993). Deter desudeninteressant,
at virksomheder, hvis fem
største kunder aftager mindre end 50% af
den årlige omsætning, opnår en højere
score på de tre øvrige akser set i forhold til
virksomheder med få større kunder. Dette
tyder på, at virksomheder med et tæt kundesamarbejdesamtidig
negligerer de øvrige
muligheder for inputfaktorer. Således er
den øgede grad af kundesamarbejde ikke et
udtryk for en større holistisk forståelse for
forsyningskæden, men derimod et udtryk
for en udnyttelse af kundeafhængigheden
til at optimere virksomheden.

Situationsbetinget faktor # 3 - Forecastingmetode
afhænger af leverandørstrukturen?
Resultatet af analysen af virksomhedernes
leverandør-størrelse er illustreret i figur 7c.
Som det fremgår af denne figur, træder tendensen
fra behandlingen af storkunder
ligeledes frem ved storleverandører.

Således er det interessant, at udvekslingen af kundedata er større hos virksomheder med få større leverandører. Dette antyder, at disse virksomheder har bedre fokus og forståelse for deres samhandelspartnere. Samtidig ses det, at anvendelsen af forecastmodeller er lavere i takt med, at dataudvekslingen stiger. Resultatet af behandlingen af kunde- og leverandørstørrelser antyder, at SCM-teoriens overordnede tankegang delvis træder igennem i blandt danske virksomheder. Resultaterne tyder desuden på, at virksomhederne fortrinsvis

handler ud fra egne interesser og ikke helt
har indset fordelene ved et åbne sig og
drage fordel af et SCM-samarbejde. Således
ses der en tendens til, at dataudveksling
kun finder sted, hvis deter til fordel for ens
egen virksomhed, og at virksomheden ikke
er villig til at hjælpe andre virksomheder i
forsyningskæden, hvis det ikke umiddelbart
gavner en selv (Simon & March, 1958).
Dette er naturligvis en forkert slutning, idet
en bedre fungerende forsyningskæde på
længere sigt vil være til fordel for alle
kædens aktører (Skjøtt-Larsen, 1999).

Situationsbetinget faktor # 4 - Forecastingmetode
afhænger af virksomhedens rolle i
forsynings-kæden?

Figur 7d illustrerer henholdsvis produktions
- og handel & servicevirksomheders
forecasting-metoder. Ud fra figuren kan det
konkluderes, at der stor forskel i de to
grupperingers metoder til udarbejdelse af
forecast. Produktionsvirksomheder anvender
signifikant mere dataudveksling med
kunder end handels- og servicevirksomheder
gør. En nærliggende forklaring på denne
forskel ville være, at handels- og servicevirksomhederne
i højere grad opererer på
B-2-C markedet end produktionsvirksomhederne
og derved af naturlige årsager ikke
kan tilegne sig forecast- og indkøbs- og
salgsdata fra deres kunder. Denne forklaring
må dog afvises, idet den procentvise
andel af respondenter, der opererer på B-2-
C markedet, for henholdsvis produktionsvirksomheder
og handels- og servicevirksomheder
er lige stor. Figurerne viser ligeledes,
at produktionsvirksomhederne i højere
grad udveksler data med leverandører, dog
ikke på et signifikant niveau. Årsagen til
forskellen ligger delvis i, at servicevirksomhederne,
grundet deres funktion, ikke har
den store afhængighed af leverandører og
derved er markant underrepræsenteret i
dataudveksling med leverandører. Herved
trækker servicevirksomhederne ned i summeringen
af dataudveksling med leverandører
for grupperingen handel & service.

Situationsbetinget faktor # 5 - Forecastingmetode
afhoenger af produktionsstrategien?
Som illustreret i 7e anvender og inddrager
lagerproducerende virksomheder i hojere
grad alle fire variable ved udarbejdelsen af
forecasts set i forhold til ordreproducerende
virksomheder, dog ikke pa et signifikant
niveau. Observationen skal sidestilles med,
at lagerproducerende virksomheders behov
for forecast rigger i at kunne udarbejde en
optimal produktionsplanlaegning, saledes at
virksomheden ikke ender i restordresituationer
eller ligger inde med for mange "hyldevarmere"
(Michelsen, 1997). Udarbejdelsen
af forecast er derved essentiel for savel
virksomhedens daglige drift som virksomhedens
langsigtede planlaegning (Amstrong,
1983). Ordreproducerende virksomheder
vil derimod anvende forecast til
planlaegning af ravareindkob og produktionskapacitet.
Der ligger saledes ikke
samme behov for forecasting i forhold til
produktionsstorrelser og lagerstyring som
hos lagerproducerende virksomheder, idet
de indkommende ordrer vil vgere bestemmende
for disse variable. Selve produktionsformen
vil saledes vaere forklarende
for den store afvigelse i den ordnede
anvendelse af forecasting.

Situationsbetinget faktor # 6 - Forecastingmetode
afhænger af markedet, der opereres på?
Figur 7f illustrerer hvorledes respondenter,
der opererer på henholdsvis B-2-B og B-2-C
markedet, forecaster. Figuren viser, at
respondenter, der opererer på B-2-B markedet
i højere grad udveksler data med kunder
og leverandører. Ingen af iagttagelserne
er dog på et signifikant niveau. Afvigelsen i
dataudvekslingen med kunder kan delvis
forklares ud fra, at B-2-B operatørernes forudsætning
for at skabe et integreret samarbejde
med kunderne er bedre end B-2-C
operatørerne, idet B-2-B operatørernes kunder
kan opnå en win-win situation ved at
udveksle data (Horvath, 2001). Såfremt en
reel dataudveksling mellem B-2-C operatørerne
og deres kunder forekommer, vil
informations-udveksling som oftest blive

effektueret i form af markedsundersøgelser. Herved vil dataudvekslingen med kunderne indgå i klassificeringen inddragelse af øvrige faktorer og derved ikke blive repræsenteret i grupperingen dataudveksling med kunder.

Opsummering og forslag til videre studier

Målet med dette studie har været at finde
ud af, hvorledes de planlægningsansvarlige
i danske virksomheder forecaster. Dette
spørgsmål er blevet besvaret gennem en
spørgeskemaundersøgelse, hvor vi undersøgte
anvendelsen af supply chain forecasting
i et strategisk perspektiv. Resultaterne
af undersøgelserne kan opsummeres
som følger:

1. Anvendelsen af forecasting-metoder
blandt de adspurgte virksomheder er
overraskende lav. Deter dog muligt at
identificere nogle signifikante afvigelser i
brugen af visse forecasting-metoder
baseret på typen af virksomhed, størrelsen
af virksomhederne og markedet, de
opererede på.

2. Såfremt forecasting anvendes, er der en tendens til, at metoderne tilhører kategorien af simple forecasts , hvorfor de sofistikerede metoder er mindre anvendt.

3. Graden af dataudveksling mellem parterne
i forsyningskæderne viste sig at være
relativt høj.

4. Der kan spores flere situationsbetingede
faktorer, der var bestemmende for
anvendelsen af forecasting-metoder.

Overordnet kan det fastslas, at respondenterne er bevidste om den mekanik, der ligger bag et godt forecast, hvilket for alle virksomheder ma betragtes som et vaerdifuldt mal (Mentzer et al. 1997). Respondenterne synes ligeledes at vaere opmaerksomme pa, at et forecast aldrig vil vaere 100% korrekt (Chopra/Meindl, 2001).

I forbindelse med videre studier kan vi anbefale, at vores syv situationsbetingede antagelser undersøges nærmere. Ligeledes bør observationen om anvendelse af kolla-

borative forecasting-metoder undersøges nærmere, idet denne anses for et interessant alternativ set i lyset af anvendelsesgraden af dataudveksling i forsyningskæderne. Et andet spørgsmål, der rejser sig, er, hvorfor nogle planlægningsansvarlige har større fokus på forecasting end andre, samt hvilken betydning dette har for den samlede forsyningskæde. I forlængelse af nærværende studie finder vi det relevant at identificere en "best practise" blandt danske virksomheder for derved at kunne udnævne en Supply Chainforecasting Champion (Mentzer et al. 1997).

Summary

On the basis of a survey taken from 3 May to 25 May 2001, the article examines forecasting methods used in Danish enterprises. Forecasting and SCM theory are confronted with practice to examine which /orecasting methods are used, and which factors influence the use o//orecasting methods. Various patterns o//orecasting haue been identified, based on certain situational factors, including size, number of customers, number of suppliers, types of enterprise and production strategy.

---

Noter

Forfatterne ønsker at takke Lars Bøge Sørensen, Institut for Produktion og Erhvervsøkonomi, for konstruktiv kritik.

1. Likert skala rangerende fra 1 ="Anvendes ikke" til 4 = "Anvendes i høj grad"

Litteratur

Armstrong, J. Scott: Strategic Planning And Forecasting Fundamentals. In: Kenneth Albert (ed.), The Strategic Management Handbook. New York: McGraw Hill, pp. 2-1 to 2-32, 1983.

Armstrong, J. Scott: Introduction. In: Armstrong,
J. Scott (ed.): Principles of Forecasting. A
Handbook for researchers and practitioners,
Kluwer, Boston et al., pp. 1-12, 2001.

Armstrong, J. Scott and Coloppy, Fred : Forecasting. Answers to frequently asked questions. cast/FAQ.html,2002-02-17, 8.35 a.m. 2002.

Ballou, Ronald : Business Logistics Management,
3rd edition. Prentice Hall, Englewood Cliffs, New
Jersey, 1992.

Burns, A. and Bush, R. : Marketing Research, 2"
edition, Prentice Hall, Upper Saddle River NJ, 1998.

Chase, Richard/Auqilano, Nicholas/Jacobs, F.
Robert: Operations Management for competitive
advantage. McGraw-Hill Irwin, Boston et al., 2001.

Chopra, Sunil/Meindl, Peter : Supply Chain
Management. Strategy, Planning, and Operations.
Prentice Hall, Upper Saddle River, New Jersey,
2001.

Cooper, Martha C & Ellram, Lisa M. :
Characteristics of The Supply Chain
Management and the Implications for
Purchasing and Logistics Strategy. The
International Journal of Logistics Management,
Vol. 4, No. 2, pp. 13-24, 1993.

Cooper, Martha, Lambert, Douglas & Pagh, Janus: Supply Chain Management: More Than a New Name for Logistics. The International Journal of Logistics Management, Vol. 8, No.l, 1997pp. 1 - 13, 1997.

de Luca, A. & Swoyer, G.: "Customer and
Supplier Satisfaction Through Supply Chain
Integration", Presentation at the Frontiers of
Global Supply Chain Management MIT
Executives Forum, Paris Nov. 15&16. 1999.

Fisher, Marshall; Hammond, Janice; Obermeyer,
Walter and Raman, Anath : Making Supply meet
Demand in an uncertain World. Harvard
Business Review, May-June, pp. 83-103,1994.

Forrester, Jay : Industrial Dynamics, a major
breakthrough for decision makers Harvard
Business Review, Vol. 36, No. 4, 37-66, 1958.

Hanke, John & Reitsch, Arthur : Business Forecasting,
6th edition. Prentice Hall International,
London, 1998.

Horvath, Laura : Collaboration: the key to value creation in supply chain management. Supply Chain Management, Vol. 6, No 5, 2001, pp. 205-207,

Kappauf, C. and Talbott, J.R. : Forecasting planning
and strategy: What needs to be forecast. In:
Makridakis, S. and Wheelwright, S. (ed.): The
handbook of forecasting. A manager's guide.
Wiley, New York et al., s. 487 - 502,1982.

Lee, H. L, Padmanabhan, V. & Whang, S. : The
Bullwhip Effect in Supply Chains. Sloan
Management Review/Spring, pp. 93 - 102,1997.

Lee, Hau L.: Creating Value Through Supply Chain
Integrating. Supply Chain Management Review,
September/October, 30 - 36, 2000.

Makridakis, S. & Wheelwright, S. : Forecasting
Methods for Management. 5"1 edition, Wiley, New
York et al. 1989.

Mentzer, T. & Kahn, K.: State of sales forecasting
systems in corporate America. The Journal of
Business Forecasting, Spring 1997, s. 6 - 13,1997.

Mentzer, T; Moon, M.; Kent, J. & Smith, C. : The
need for a forecasting champion. The Journal of
Business Forecasting, Fall 1997, s. 3 - 8, 1997.

Michelsen, Aa. U. : Produktionsstyring - set i et
udviklingsperspektiv. Logistikledelse. Borsens forlag,

Ring, P. S. & Van de Ven, A. H. : Development Processes of Cooperative Interorganizational Relationships, Academy of Management Review, Vol. 19, No 1, pp. 90-118, 1994.

Rutner, Stephen & Gibson, Brian : The Effects of
Survey Collection Methods of Reliability,
Response Rate and Costs. In: Pohlen, Terrance
(Hrsg.): Proceedings of thirtieth annual transportation
and logistics educators conference.
Kansas, September, 30, 2001, pp. 299 - 316, 2001.

Senary, P. & Skjott-Larsen, T : Managing the global
supply chain. Handelshojskolens Forlag,
Kobenhavn, 2001.

Schroeder, Roger : Operations Management.
Decision Making in the Operations function.
McGraw-Hill Inc., New York et al. 1993.

Skjott-Larsen, Tage : "Interorganisational Relations from a Supply Chain Management Point of view", Logistics Management, Vol. 1, No 2, pp. 96-108, 1999.

ostergaard, Peder : An Analysis of the Application of Management Science Techniques in the Larger Danish Companies, EMSS 'Working Paper No. 9, Institut for Informationsbehandling, 1993.