Kyke: 0 Skrywer: Werfredakteur Publiseertyd: 2026-09-10 Oorsprong: Werf
Om te besluit hoeveel kledingstukke om te produseer, is een van die belangrikste besluite wat 'n klerehandelsmerk neem.
Bestel te min, en gewilde produkte kan uitverkoop voordat die volgende besending opdaag. Bestel te veel, en die handelsmerk kan oorbly met oortollige voorraad, afmerkings en geld wat in onverkoopte produkte vasgemaak is.
Om hierdie rede moet produksiehoeveelhede gebaseer word op meer as verlede jaar se verkope of 'n koper se intuïsie.
'n Praktiese klerevoorspellingsproses kyk na werklike aanvraag, voorraadbeskikbaarheid, seisoenaliteit, promosies, deurlooptyd, veiligheidsvoorraad, grootteverspreiding en beskikbare begroting.
Die doel is om te skat hoeveel kliënte waarskynlik sal koop gedurende die tydperk wanneer die nuwe voorraad beskikbaar sal wees, en dan te bepaal hoeveel voorraad die handelsmerk nodig het om daardie vraag te ondersteun.
Vir 'n OEM-klerevervaardiger word hierdie voorspelling uiteindelik 'n produksiebestelling wat volgens styl, kleur en grootte afgebreek word.
Aanvanklik lyk voorspelling eenvoudig.
As 'n handelsmerk verlede jaar 1 000 stukke van 'n styl verkoop het, kan dit vanjaar nog 1 000 stukke bestel.
Die probleem is dat historiese verkope nie altyd die werklike klantvraag verteenwoordig nie.
Stel jou voor dat 'n T-hemp 100 stukke per week verkoop word. Na vier weke is die Medium grootte uitverkoop. Kliënte bly op soek na Medium, maar die handelsmerk kan nie verkoop wat dit nie meer het nie.
Die verkoopsrekord kan wys dat die vraag ná die vierde week gedaal het.
In werklikheid het die produk onbeskikbaar geword.
Die verskafde navorsing beskryf dit as vraagsensuur . Wanneer 'n produk uit voorraad is, kan waargenome verkope tot nul daal, selfs al wil klante dit dalk nog koop. Deur hierdie rou getalle direk te gebruik, kan jy toekomstige produksiehoeveelhede onderskat.
Dit skep 'n gevaarlike siklus:
Gewilde produk → uitverkoop → verkoopsdata lyk swakker → volgende bestelling is te klein → produk verkoop weer uit
Intussen kan stadig bewegende produkte in voorraad bly en voortgaan om verkoopsdata te genereer.
Goeie voorspelling begin dus deur te vra:
Wat wou klante eintlik koop toe die produk beskikbaar was?
Die eerste stap is om historiese verkoopsdata in te samel vir die styl, kleur en grootte wat voorspel word.
Nuttige inligting kan die volgende insluit:
Eenhede verkoop
Verkoop datums
Voorraad beskikbaar
Voorraadperiodes
Prys veranderinge
Promosies
Produk bekendstellings
Seisoenale tydperke
Verkope volgens grootte
Verkope per kanaal
Hoe meer gedetailleerd die data is, hoe nuttiger kan die voorspelling word.
'n Handelsmerk met 'n paar jaar se verkoopsgeskiedenis kan herhalende patrone makliker identifiseer as 'n handelsmerk met slegs 'n paar maande se data.
Meer data beteken egter nie outomaties beter vooruitskatting nie.
Die data moet korrek geïnterpreteer word.
Gestel 'n handelsmerk het 'n verkoopstydperk van 30 dae gehad.
Die produk was vir 20 dae beskikbaar en het 400 stukke verkoop.
As die handelsmerk eenvoudig bereken:
400 ÷ 30 = 13,3 stukke per dag
dit aanvaar dat die produk deur die hele tydperk teen daardie koers kon verkoop het.
As die produk egter vir 10 dae nie beskikbaar was nie, was die waargenome verkoopskoers gedurende die beskikbare tydperk:
400 ÷ 20 = 20 stukke per beskikbare dag
Die tweede syfer kan 'n beter beginpunt bied vir die skatting van vraag.
Die navorsing beveel aan dat die ware Verkoopkoers bereken word deur die tydperk toe die SKU werklik beskikbaar was, eerder as om nie-voorraadperiodes as geen aanvraag te hanteer nie.
Hierdie proses word dikwels vraag-onbeperking genoem.
Die basiese idee is eenvoudig:
As kliënte nie die produk kon koop nie, moet daardie dae nie outomaties geïnterpreteer word as dae wanneer kliënte dit nie wou hê nie.
Sodra historiese verkope skoongemaak is, benodig die handelsmerk 'n basislynvoorspelling.
Die basislyn is 'n skatting van normale vraag voordat spesiale geleenthede soos groot promosies of ongewone stygings bygevoeg word.
Verskillende produkte kan verskillende voorspellingsmetodes vereis.
Vir 'n basiese produk met 'n relatief stabiele vraag, kan 'n bewegende gemiddelde 'n nuttige beginpunt bied.
Byvoorbeeld, 'n basiese swart T-hemp wat konsekwent deur die jaar verkoop word, sal dalk nie 'n uitgebreide voorspellingstelsel vereis nie.
Die handelsmerk kan onlangse verkope ondersoek en 'n verteenwoordigende gemiddelde vasstel.
As verkope konsekwent toegeneem of afgeneem het, moet die voorspelling rekening hou met daardie neiging.
As 'n kernonderklerestyl byvoorbeeld oor verskeie seisoene konstant gegroei het, kan die gebruik van 'n ou gemiddelde toekomstige vraag onderskat.
Lineêre tendensmodelle kan nuttig wees vir hierdie tipe situasie.
Sommige produkte volg voorspelbare seisoenale patrone.
Swemklere, winteronderklere, termiese klere en ander seisoenale produkte kan deur die jaar baie verskillende verkoopspatrone hê.
Die voorspelling moet dus onderskei tussen:
Normale groei of afname
en
Herhalende seisoenale aanvraag
Die navorsing identifiseer eksponensiële gladmaak- en ETS-modelle as nuttige voorspellingsbenaderings omdat hulle foute, neigings en seisoenaliteit kan verantwoord.
Vir die meeste kleiner handelsmerke is dit belangriker om die beginsel te verstaan as om 'n ingewikkelde voorspellingsalgoritme te kies.
'n Groot uitverkoping kan 'n produk baie gewilder laat lyk as wat dit normaalweg is.
Stel jou voor dat 'n handelsmerk gewoonlik 100 stukke van 'n styl per week verkoop.
Tydens 'n 30%-afslagveldtog verkoop dit 250 stukke.
Om 250 as die nuwe normaal te gebruik, sal 'n baie aggressiewe produksievoorspelling lewer.
Dieselfde probleem kan voorkom met:
Flitsverkope
Beïnvloeder veldtogte
Groot advertensieveldtogte
Vakansie promosies
Nuwe produk bekendstellings
Tydelike prysverlagings
Die navorsing beveel aan om promosieverhoging van die onderliggende basislynvraag te skei, en dan beplande promosie-effekte terug te voeg in die toekomsvoorspelling wanneer toepaslik.
Byvoorbeeld:
Normale aanvraag: 100 eenhede/week
Verwagte promosieverhoging: +40%
Voorspelling tydens promosie: ongeveer 140 eenhede/week
Die presiese styging moet uit die handelsmerk se eie historiese data kom, waar moontlik.
Die vraag na klere is sterk gekoppel aan tyd van die jaar.
Kliëntevraag kan verander as gevolg van:
Temperatuur
Klimaat
Vakansies
Terug skool toe periodes
Reisseisoene
Promosie kalenders
Mode seisoene
'n Handelsmerk moet dus soortgelyke tydperke vergelyk wanneer 'n voorspelling gebou word.
Byvoorbeeld, om Desember-verkope te gebruik om die vraag in Julie na 'n seisoenale produk te voorspel, kan 'n baie misleidende resultaat lewer.
Die handelsmerk moet vra:
Wat het hierdie produk, of soortgelyke produkte, gedurende dieselfde seisoen in vorige jare verkoop?
Seisoenaliteit word veral belangrik wanneer produksietydtye lank is.
As 'n fabriek 'n paar maande nodig het om 'n pasgemaakte bestelling te vervaardig en te stuur, moet die handelsmerk die vraag voorspel lank voor die werklike verkoopseisoen begin.
'n Nuwe styl skep 'n voorspellingsprobleem omdat daar geen direkte verkoopsgeskiedenis is nie.
’n Handelsmerk kan nie verlede jaar se verkope bereken vir ’n produk wat nie verlede jaar bestaan het nie.
Die navorsing beveel aan om kenmerk-gebaseerde groepering en soortgelyke-item kartering vir nuwe produkte te gebruik. In plaas daarvan om 'n getal uit niks te raai, kan beplanners die nuwe produk vergelyk met bestaande produkte wat belangrike eienskappe deel.
Relevante eienskappe kan die volgende insluit:
Produk kategorie
Silhoeët
Stof konstruksie
Stof gewig
Prys
Teikenmarge
Kleur
Patroon kompleksiteit
Gestel byvoorbeeld 'n handelsmerk stel 'n nuwe 280 GSM French Terry-hoodie bekend.
Dit kan kyk na vorige hoodies met soortgelyke:
Stof gewig
Konstruksie
Prys
Teiken kliënt
Gepas
Kleurposisionering
Daardie produkte kan 'n nuttiger beginpunt bied as om bloot 'n arbitrêre hoeveelheid te kies.
Nuwe produkte bevat meer onsekerheid as gevestigde produkte.
'n Handelsmerk kan dus oorweeg:
Kleiner aanvanklike produksie
Voorafbestellings
Vroeë kliëntebelangstelling
Historiese prestasie van soortgelyke produkte
Buigsame aanvulling
Korter produksiesiklusse waar beskikbaar
Dit kan die risiko verminder om te veel voorraad aan te gaan voordat die werklike vraag duidelik word.
Om vraag te voorspel is net die helfte van die probleem.
'n Handelsmerk moet ook weet hoe lank dit sal neem om die voorraad te vervang.
Gestel 'n handelsmerk verwag om 500 stukke per maand te verkoop.
As aanvulling twee weke duur, het die handelsmerk een voorraadprobleem.
As aanvulling vier maande duur, het die handelsmerk 'n heel ander probleem.
Die navorsing beklemtoon dat fabrieksproduksietyd nie as die hele verskaffingsketting-aanlooptyd beskou moet word nie. Totale deurlooptyd kan materiaalverkryging, monsterneming en goedkeurings, grootmaatproduksie, vervoer, doeane en inkomende verwerking insluit.
'n Vereenvoudigde klereverskaffingsketting lyk soos volg:
Materiaal verkryging
↓
Steekproefneming en goedkeurings
↓
Grootmaat produksie
↓
Vervoer
↓
Doeane en inkomende verwerking
↓
Pakhuis beskikbaarheid
Die handelsmerk moet voorraadbehoeftes oor hierdie hele tydperk voorspel.
Dit is veral belangrik vir pasgemaakte materiaal en pasgemaakte kleure, waar materiaalvoorbereiding aansienlike tyd kan byvoeg.
'n Voorspelling is steeds 'n skatting.
Werklike vraag kan hoër wees as wat verwag is.
Produksie kan ook langer neem as wat beplan is.
Veiligheidsvoorraad bied 'n buffer teen hierdie onsekerhede.
Die navorsing identifiseer twee groot bronne van risiko:
Vraagveranderlikheid
Leitydveranderlikheid
Gestel byvoorbeeld 'n handelsmerk verwag om 1 000 stukke te verkoop gedurende die tyd wat dit neem om voorraad aan te vul.
As die vraag skielik toeneem of produksie vertraag word, is 1 000 stukke dalk nie genoeg nie.
Veiligheidsvoorraad bied bykomende beskerming.
'n Eenvoudige reël soos 'produseer altyd 10% ekstra' kan gerieflik lyk.
Verskillende produkte het egter verskillende risikovlakke.
'n Stabiele swart T-hemp met 'n voorspelbare vraag deur die hele jaar kan 'n ander buffer vereis as 'n seisoenale modestyl waarvan die verkope hoogs onvoorspelbaar is.
Die navorsing beveel aan om verskillende voorspellings- en veiligheidsvoorraadstrategieë te gebruik volgens beide inkomstebelangrikheid en vraagvoorspelbaarheid , deur gebruik te maak van ABC-XYZ-klassifikasie.
Die basiese konsep is nuttig selfs sonder om die volledige statistiese analise uit te voer:
Hoëwaarde + voorspelbare produkte: beskerm beskikbaarheid versigtig.
Hoëwaarde + onvoorspelbare produkte: monitor vraag noukeurig en pas vinnig aan.
Laewaarde + onvoorspelbare produkte: vermy om te veel voorraad vas te maak.
Dit help handelsmerke om voorraadbelegging te spandeer waar dit die meeste saak maak.
Sodra 'n handelsmerk sy verwagte vraag en veiligheidsvoorraad ken, kan dit bepaal wanneer 'n ander produksiebestelling geplaas moet word.
Dit is die Herbestelpunt (ROP).
Konseptueel:
Herbestelpunt = Verwagte aanvraag gedurende deurlooptyd + Veiligheidsvoorraad
Byvoorbeeld, as 'n handelsmerk verwag om 1 500 eenhede te verkoop tydens sy aanvullingstyd en nog 300 eenhede as 'n veiligheidsbuffer wil hê:
ROP = 1 800 eenhede
Wanneer die beskikbare voorraadposisie daardie vlak bereik, moet die handelsmerk dit oorweeg om die volgende aanvullingsbestelling te begin.
Die navorsing beskryf die herbestelpunt as die voorraaddrempel wat 'n nuwe aankoopbestelling veroorsaak, gebaseer op verwagte vraag deur die totale aanlooptyd plus veiligheidsvoorraad.
Die belangrike punt is tydsberekening.
’n Handelsmerk moet nie wag totdat voorraad nul bereik voordat sy vervaardiger gekontak word as die vervaardiger weke of maande benodig om die produk aan te vul nie.
Die wete dat 'n handelsmerk 5 000 stukke benodig, sê nie vir die fabriek hoeveel stukke van elke grootte om te produseer nie.
Die produksiebestelling moet dalk wees:
XS: 350
S: 900
M: 1 900
L: 1 300
XL: 550
Die presiese verhouding hang af van die handelsmerk se kliëntebasis en historiese verkope.
Dit word 'n genoem groottekurwe .
Die navorsing beklemtoon hier 'n belangrike probleem: rou verkoopsverhoudings kan verwring word wanneer gewilde groottes vroeg uitverkoop.
Gestel Medium verkoop herhaaldelik uit.
Sy historiese verkope kan eintlik die aantal Medium-eenhede verteenwoordig wat die handelsmerk daarin geslaag het om te verkoop, eerder as die getal wat klante wou hê.
Die handelsmerk moet dus vraag volgens grootte ontleed gedurende tydperke wanneer elke grootte werklik beskikbaar was.
Dit is veral belangrik vir onderklere omdat grootte nou verbind is met pasvorm, gemak en klanttevredenheid.
’n Produksievoorspelling behoort dus twee afsonderlike vrae te beantwoord:
Hoeveel totale stukke moet ons maak?
en
Hoe moet daardie stukke oor groottes versprei word?
'n Vraagvoorspelling kan 'n baie groot produksievereiste lewer.
Die handelsmerk moet nog bepaal of hy dit kan bekostig om daardie voorraad te vervaardig en te hou.
Dit is waar finansiële beplanning die proses betree.
Die navorsing beskryf Open-to-Buy (OTB) as 'n finansiële beperking wat help om onder-na-bo SKU-voorspellings te versoen met die hoeveelheid voorraadbesteding wat die besigheid kan ondersteun.
Vir 'n kleiner klerehandelsmerk kan die konsep vereenvoudig word:
Voorspel die voorraad wat jy benodig, en kyk dan of jou beskikbare kontant en voorraadbegroting dit kan ondersteun.
As die voorspelling daarop dui dat 20 000 stukke bestel word, maar die besigheid kan veilig net 12 000 finansier, moet die handelsmerk prioritiseer.
Dit kan kies om:
Beskerm kernprodukte
Verminder stadig bewegende style
Verminder kleurdiepte
Begin minder SKU's
Gebruik kleiner aanvanklike bestellings
Vertraag laer-prioriteit produkte
Beplan later nog 'n produksielopie
Dit is hier waar vooruitskatting 'n sakebesluit word eerder as 'n suiwer wiskundige oefening.
Nadat vraag, seisoenaliteit, deurlooptyd, veiligheidsvoorraad, groottekurwes en begroting hersien is, kan die handelsmerk sy produksievereiste bepaal.
'n Vereenvoudigde werkvloei is:
Historiese verkope
↓
Verwyder voorraadvervorming
↓
Bou basislynvraag
↓
Pas aan vir seisoenaliteit en beplande promosies
↓
Oorweeg produksie- en versendingstyd
↓
Voeg toepaslike veiligheidsvoorraad by
↓
Bepaal herrangskikpunt
↓
Pas groottekurwe toe
↓
Gaan voorraadbegroting na
↓
Reik produksiebestelling uit
Die navorsing som 'n soortgelyke sewe-stap-beplanningsprotokol op, wat begin met onbeperkte historiese aanvraag en eindig met 'n geslote aankoopbestelling wat aan die vervaardiger uitgereik is.
Vanuit die vervaardiger se perspektief moet 'n goeie produksievoorspelling uiteindelik 'n duidelike aankoopbestelling word.
Die fabriek kan ontvang:
Styl
Kleur
Totale hoeveelheid
Grootte uiteensetting
Materiaal spesifikasie
Verpakking vereistes
Afleweringsdatum
Versending vereistes
Kwaliteit vereistes
Die kwaliteit van hierdie inligting beïnvloed produksiebeplanning.
Byvoorbeeld, 'n vervaardiger kan dalk 10 000 stukke van 'n styl vervaardig, maar die produksieskedule hang steeds af van die spesifieke grootte en kleur uiteensetting, beskikbaarheid van materiaal, afwerkings, afleweringsperdatum en ander vereistes.
Dit is hoekom voorspelling en vervaardiging nou met mekaar verbind is.
'n Handelsmerk se vraagbeplanning bepaal hoeveel dit wil verkoop en wanneer.
Die vervaardiger se produksiebeplanning bepaal hoe om daardie vereiste in fisiese kledingstukke te omskep.
Geen voorspelling is perfek nie.
Die doel van voorspelling is om beter besluite te neem onder onsekerheid.
As die werklike vraag hoër is as wat verwag is, kan die handelsmerk:
Stockouts
Verlore verkope
Noodproduksie
Versnelde versending
Kliënte ontevredenheid
As die vraag laer is as wat verwag is, kan die handelsmerk die volgende in die gesig staar:
Oortollige voorraad
Afslag
Markdown verliese
Pakhuis koste
Kontant vasgebind in onverkoopte produkte
Die beste voorspellingstelsels monitor dus werklike verkope deurlopend.
Die voorspelling behoort te verander soos nuwe inligting beskikbaar word.
Byvoorbeeld:
Aanvanklike voorspelling → werklike verkope → opgedateerde vraagskatting → hersiene produksieplan
Dit is veral nuttig vir modeprodukte met kort lewensiklusse.
Stel jou voor 'n onderklere-handelsmerk het 'n kernstyl wat deur die jaar verkoop word.
Historiese data toon dat, na rekeningkunde vir voorraad, die produk gewoonlik ongeveer 800 stukke per maand verkoop.
Die handelsmerk verwag 'n seisoenale styging van ongeveer 20%.
Dit gee 'n geprojekteerde vraag van ongeveer:
800 × 1,20 = 960 stukke per maand
Die vervaardiger en logistieke proses vereis drie maande vanaf bestelling plasing tot voorraad beskikbaarheid.
Die handelsmerk moet dus beplan vir ongeveer:
960 × 3 = 2 880 stukke
Dit voeg dan 'n toepaslike veiligheidsbuffer by, gebaseer op sy vraag- en aanbodrisiko.
Gestel die handelsmerk besluit dat nog 320 stukke 'n geskikte beplanningsbuffer bied.
Die voorraadvereiste word ongeveer:
2 880 + 320 = 3 200 stukke
Die laaste stap is om daardie stukke volgens die verwagte groottekromme te verdeel.
Dit is 'n vereenvoudigde voorbeeld eerder as 'n universele formule. Werklike voorspelling moet rekening hou met veranderinge in prys, promosies, voorraadbeskikbaarheid, seisoenaliteit, aanlooptydveranderlikheid en produklewensiklus.
Die belangrike punt is die volgorde:
Vraag → verkoopstydperk → leityd → risikobuffer → grootteverspreiding → produksiehoeveelheid
'n Handelsmerk het nie 'n gevorderde KI-voorspellingstelsel nodig om sy produksiebeplanning te verbeter nie.
Dit kan begin met beter datadissipline.
Teken op wanneer elke styl en grootte nie beskikbaar is nie.
Andersins kan lae verkope verwar word met lae aanvraag.
Teken groot afslag en veldtogte aan sodat ongewone verkoopspieke nie outomaties die nuwe basislyn word nie.
'n Totale stylvlakverkoopnommer kan belangrike verskille tussen groottes verberg.
Teken aan hoe lank werklike bestellings neem vanaf aankoopbestelling tot pakhuisontvangs.
Na elke verkoopperiode, vergelyk die voorspelde vraag met werklike resultate.
Gebruik soortgelyke produkte en eienskappe as verwysings eerder as om voor te gee dat 'n nuwe produk historiese data het.
'n Voorspelling behoort te verander wanneer nuwe inligting die verwagte vraag verander.
Sodra die produksiehoeveelheid bepaal is, benodig die vervaardiger 'n duidelike bestelling.
Vir 'n pasgemaakte klereprojek sluit nuttige inligting in:
Stylnommer
Kleure
Totale hoeveelheid
Grootte uiteensetting
Stof spesifikasie
Trim vereistes
Verpakking vereistes
Kwaliteit standaarde
Teiken afleweringsdatum
Versending bestemming
’n Duidelike produksiebestelling verminder die kans op misverstande tussen die handelsmerk en fabriek.
Dit stel die vervaardiger ook in staat om materiaal, sny, naaldwerkvermoë en ander produksiehulpbronne meer effektief te beplan.
Vir 'n langtermyn OEM-verhouding kan historiese produksiedata ook nuttig word.
Werklike produksieleertye, materiaalverbruik, kwaliteitkwessies en bestelhoeveelhede kan alles help om toekomstige beplanning te verbeter.
Daar is geen enkele nommer wat die korrekte produksiehoeveelheid kan waarborg nie.
’n Sterk voorspelling kombineer verskeie stukke inligting.
Historiese verkope vertel die handelsmerk wat gebeur het.
Voorraadontleding help om vraag te onthul wat verkoopsdata dalk gemis het.
Seisoenaliteit en promosies verduidelik ongewone veranderinge.
Leityd bepaal hoe ver vooruit voorraad beplan moet word.
Veiligheidsvoorraad beskerm teen onsekerheid.
Groottekurwes verander die totale vraag in 'n praktiese produksie-ontleding.
Begrotingslimiete hou voorraadplanne finansieel realisties.
Saam skep hierdie faktore 'n baie sterker basis om te besluit hoeveel kledingstukke om te vervaardig.
Vir klerehandelsmerke beweeg die nuttigste verskuiwing dikwels van:
'Ons het laas soveel verkoop, so kom ons bestel dieselfde bedrag.'
aan:
'Hoeveel het klante werklik geëis, hoe sal daardie vraag verander, en hoeveel voorraad het ons nodig om die tyd te dek totdat ons dit kan aanvul?'
Dié vraag lei tot beter produksiebesluite.
En vir 'n OEM-vervaardiger skep dit 'n duideliker verband tussen klantvraag en die fisiese produksieplan.
Goeie produksiebeplanning begin voor die aankoopbestelling. Hoe beter die vraagvoorspelling is, hoe beter is die kans dat die regte produkte, groottes en hoeveelhede beskikbaar is wanneer kliënte dit wil hê.
