Absatzprognose ohne Data Scientist: was Sie wirklich brauchen

Zwei Fehlschläge, eine Ursache: der Bestseller, der in Woche zwei ausverkauft war, und die Palette von etwas anderem, die im März noch im Lager steht. Beides sind Prognosefragen, und beide werden verschoben, weil eine Absatzprognose nach einer Aufgabe für jemanden klingt, den es im Shop nicht gibt.

Für den größten Teil des Nutzens braucht es diese Person nicht. Es braucht genug Historie, um ein Muster zu sehen, eine Methode, die Sie wirklich verstehen, und eine Regel fürs Nachbestellen. Genau das steht hier — inklusive der Rechnung, und der Stelle, an der Absatzprognose Software ihr Geld verdient.

Absatzprognose: Definition ohne Beiwerk

Absatzprognose Definition: die Schätzung, wie viele Einheiten Sie in einem künftigen Zeitraum verkaufen, damit Sie die richtige Menge zum richtigen Zeitpunkt einkaufen. Mehr ist es nicht. Es ist keine Vorhersage der Zukunft im großen Sinn, sondern eine Schätzung mit einer Fehlerspanne — und die Fehlerspanne ist der nützliche Teil.

• Sie beantwortet eine Einkaufsfrage, keine Analysefrage: wie viele, bis wann, welche Variante.
• Sie liegt immer um einen gewissen Betrag daneben. Eine Prognose ohne Konfidenzintervall ist ein Bauchgefühl im Anzug.
• Sie ist der Einstieg in Bestands- und Bedarfsplanung, nicht deren Ersatz: die Prognose sagt, was kommt, die Planung entscheidet, was Sie damit tun.
• Ihr Wert steckt vollständig in der Entscheidung, die sie ändert. Hätten Sie ohnehin dieselbe Menge bestellt, brauchten Sie sie nicht.

Absatzprognose erstellen und berechnen: drei Methoden

Die meisten Texte über Absatzprognose Methoden listen ein Dutzend Verfahren nach Komplexität — und so endet ein Händler damit, keines anzuwenden. Drei genügen, alle mit Tabellenkalkulation und Ihrer Bestellhistorie machbar. Nehmen Sie die einfachste, die besser ist als Raten.

• Gleitender Durchschnitt: die letzten 4–8 Wochen, gemittelt. Gut für gleichmäßige Artikel. Schwäche: er hinkt jeder Veränderung hinterher.
• Gewichteter gleitender Durchschnitt: dasselbe, aber jüngere Wochen zählen mehr. Eine Zeile Mehraufwand, deutlich schnellere Reaktion.
• Saisonal naiv: was Sie in derselben Woche des Vorjahres verkauft haben, um Ihr Wachstum bereinigt. Bei Wetter- und Feiertagsware schlägt das die anderen beiden ohne jede Mathematik.

Konkret zum Absatzprognose berechnen für einen Artikel: Wocheneinheiten der letzten acht Wochen nehmen, die letzten zwei doppelt gewichten — das ist die nächste Woche. Mit der Lieferzeit in Wochen multiplizieren, ein bis zwei Wochen Puffer für schwer nachbestellbare Ware addieren, mit dem Bestand vergleichen. Diese Zahl, nicht die Prognose, ist das Ergebnis, auf das Sie handeln. Für Ihre zehn wichtigsten Artikel gemacht, ist der Großteil des Umsatzes abgedeckt.

Der Grund, von Hand anzufangen: Sie lernen Ihren eigenen Fehler kennen. Nach einem Monat wissen Sie, welche Artikel prognostizierbar sind und welche nicht — und dieses Wissen macht jedes Werkzeug später nützlich statt nur beeindruckend.

Das einzige Ergebnis, das zählt: den Ausverkauf vorhersehen

Prognosen werden einmal gelesen, Meldungen werden bearbeitet. Praktisch geht es darum, den Ausverkauf früh genug zu erkennen, dass die Nachbestellung rechtzeitig ankommt: die Meldung muss auslösen, wenn „Bestand ÷ prognostizierter Wochenabsatz < Lieferzeit“ gilt — nicht am Tag des leeren Regals.

Zwei Dinge machen diese Meldung glaubwürdig: die Lieferzeit je Lieferant statt eines globalen Werts, und Schweigen bei Artikeln, deren Ausverkauf nichts kostet.

Was KI beiträgt — und was nicht

Absatzprognose KI wird als Sprung verkauft und ist besser als Aufwandsersparnis zu verstehen. Ein Modell gewichtet Saisonalität, Trend und Aktionen gleichzeitig über den ganzen Katalog, ohne dass jemand eine Tabelle pro Artikel pflegt. Das ist echten Wert wert — und eine andere Aussage als „genauer“: bei einem gleichmäßigen Artikel mit zwei Jahren sauberer Historie ist ein gewichteter Durchschnitt schwer zu schlagen.

• Klarer Vorteil: viele Artikel gleichzeitig, überlagerte Saisonalitäten, lange Historien.
• Kein Vorteil: ein neues Produkt ohne Historie. Keine Methode erfindet Daten; beim Launch schätzen Sie über einen Vergleichsartikel, und man sollte es Ihnen sagen.
• Irreführend: jede Prognose als einzelne Zahl. Fragen Sie nach der Spanne und lesen Sie eine breite Spanne als Information.

Wann sich Absatzprognose-Software lohnt

Der Wechsel von der Tabelle zur Absatzprognose Software ist keine Genauigkeitsfrage, sondern eine Frage der Entscheidungen pro Woche — und ob sie überhaupt jemand trifft. Vier Anzeichen:

• Mehr als ~50 Artikel mit echter Drehung, und die Tabelle wird nur für die ersten zehn gepflegt.
• Lieferzeiten, bei denen zu spätes Nachbestellen Wochen an Umsatz kostet, nicht Tage.
• Zweimal derselbe Artikel ausverkauft. Einmal ist Pech, zweimal ist ein fehlender Prozess.
• Niemand verantwortet die Bestellentscheidung — sie passiert, wenn jemand es bemerkt, und das ist immer zu spät.

Trifft nichts davon zu, bleiben Sie bei der Tabelle. Auf dieser Linie steht der Agent Bedarfsprognose in AllHub: er prognostiziert aus der Verkaufshistorie, die Ihr Shop ohnehin hat, zeigt die Spanne statt einer selbstsicheren Zahl, und meldet den Nachbestellzeitpunkt, bevor das Regal leer ist.

Fazit

Prognostizieren ist kein Data-Science-Projekt, für das Sie nicht qualifiziert wären. Es ist eine wöchentliche Gewohnheit mit drei Eingaben: was verkauft wurde, wie lange Ihr Lieferant braucht, und was ein Ausverkauf kostet. Machen Sie es einen Monat von Hand für Ihre zehn wichtigsten Artikel — danach wissen Sie genau, was Sie automatisieren wollen.

Für einen nie ausverkauften Bestseller braucht es keinen Data Scientist. Es braucht den Meldebestand und jemanden, der Bescheid sagt, bevor Sie ihn unterschreiten — mehr tut der Agent Bedarfsprognose nicht.