Was die Vorlage enthält
Diese Vorlage für die Bestandsprognose benötigt pro SKU drei Eingaben: durchschnittliche Tagesverkäufe, Lieferzeit des Lieferanten und einen Sicherheitsbestand als Puffer. Daraus berechnet sie einen prognostizierten Bedarf, einen Meldebestand und eine empfohlene Bestellmenge. In den Beispielzeilen sind die Berechnungen bereits ausgeführt, sodass Sie genau nachvollziehen können, wie sich jedes Ergebnis aus den Eingaben ergibt, bevor Sie sie durch Ihre eigenen Zahlen ersetzen.
Öffnen Sie sie in Excel, Google Sheets oder Numbers, löschen Sie die Beispielzeilen und übernehmen Sie Ihre eigenen SKUs, Ihre Verkaufshistorie und die Lieferzeiten Ihrer Lieferanten. Berechnen Sie die durchschnittlichen Tagesverkäufe regelmäßig neu, wöchentlich oder monatlich, je nachdem, wie schnell sich Ihr Verkaufsmix verändert, denn ein veralteter Durchschnitt entfernt sich unbemerkt vom tatsächlichen Bedarf.
Die Spalten erklärt
| SKU | Eindeutige Kennung des Artikels, für den die Prognose erstellt wird. |
| Product_Name | Gut lesbare Bezeichnung, die für Prüfung und Bestellung verwendet wird. |
| Avg_Daily_Sales | Pro Tag verkaufte Einheiten, gemittelt über einen jüngeren zurückliegenden Zeitraum (üblich sind 30 bis 90 Tage). Die wichtigste Eingabe, von der alles andere abhängt. |
| Lead_Time_Days | Tage zwischen der Aufgabe einer Bestellung und ihrem Wareneingang, basierend auf der tatsächlichen Lieferhistorie des Lieferanten, nicht auf der zugesagten Lieferzeit. |
| Forecast_Period_Days | Die Anzahl der Tage, für die Sie den Bedarf im Voraus prognostizieren, üblicherweise 30. |
| Forecasted_Demand | Avg_Daily_Sales x Forecast_Period_Days: erwartete verkaufte Einheiten im Prognosezeitraum. |
| Safety_Stock | Ein Puffer gegen Nachfragespitzen oder eine verspätete Lieferung. Siehe So berechnen Sie den Sicherheitsbestand, um ihn richtig zu dimensionieren. |
| Current_Stock_On_Hand | Was Sie aktuell tatsächlich auf Lager haben. Die Spalte, die in einer manuellen Tabelle am schnellsten veraltet. |
| Reorder_Point | (Avg_Daily_Sales x Lead_Time_Days) + Safety_Stock: der Bestand, bei dem eine neue Bestellung ausgelöst werden sollte. |
| Suggested_Order_Qty | (Forecasted_Demand + Safety_Stock) minus Current_Stock_On_Hand: die Menge, die Sie bestellen sollten, um den Prognosezeitraum abzudecken, ohne Ihren Puffer zu unterschreiten. |
| Last_Updated | Datum, an dem der Verkaufsdurchschnitt und die Bestandswerte dieser Zeile zuletzt aktualisiert wurden. |
| Notizen | Bekannte Saisonalität, Aktionen oder alles, was den gleichbleibenden Durchschnitt irreführend machen würde. |
Ein durchgerechnetes Beispiel
Espressobohnen verkaufen sich im Durchschnitt 12 Einheiten pro Tag, bei einer Lieferzeit des Lieferanten von 7 Tagen und einem Sicherheitsbestand von 40 Einheiten. Bei einer Prognose für die nächsten 30 Tage beträgt der prognostizierte Bedarf 12 x 30 = 360 Einheiten. Der Meldebestand liegt bei (12 x 7) + 40 = 124 Einheiten, die Bestellung sollte also in dem Moment erfolgen, in dem der Lagerbestand auf 124 sinkt, nicht erst, wenn er null erreicht. Bei aktuell 150 Einheiten auf Lager beträgt die empfohlene Bestellmenge (360 + 40) minus 150 = 250 Einheiten, um die kommenden 30 Tage plus den Sicherheitspuffer vollständig abzudecken.
Die Beispieldaten im Download enthalten in derselben Zeile eine Notiz: Dieses Produkt verzeichnet im 4. Quartal etwa 20 % höhere Nachfrage, sodass der gleichbleibende Durchschnitt von 12 Einheiten den Meldebestand unmittelbar vor diesem saisonalen Anstieg zu niedrig ansetzt. Es lohnt sich, ihn vor der Saison manuell anzuheben, statt sich allein auf den zurückliegenden Durchschnitt zu verlassen.
Wo eine Prognosetabelle an ihre Grenzen stößt
Eine solche Tabelle funktioniert gut bei einer überschaubaren SKU-Anzahl, die regelmäßig überprüft wird. Sie versagt, sobald die durchschnittlichen Tagesverkäufe für mehr SKUs neu berechnet werden müssen, als Sie realistisch jede Woche prüfen können, denn ein veralteter Durchschnitt erzeugt unbemerkt einen falschen Meldebestand, ohne dass irgendein Signal darauf hinweist. Sie passt sich zudem nicht automatisch an Saisonalität, eine Aktion oder eine plötzliche Nachfrageverschiebung an, jemand muss das bemerken und die Spalte „Notes“ von Hand aktualisieren.
An diesem Punkt sollten Sie von einer Vorlage auf Software umsteigen, die auf Basis der aktuellen Verkaufshistorie automatisch neu berechnet. Worauf Sie vor der Einführung achten sollten, lesen Sie unter Software für Bestandsprognosen auswählen. Wie sich gleitender Durchschnitt und exponentielle Glättung im Vergleich verhalten, und zwar ausführlicher als beim gleichbleibenden Durchschnitt dieser Vorlage, erfahren Sie unter Methoden der Bestandsprognose.
Weiterführende Ressourcen
Vertraut von kleinen Unternehmen
Das sagen unsere Kunden
“Best customer service! Stockflow's customer support is fast and extremely helpful. They assisted me with customization of the software to improve my experience as a user.”