Asiakkaasi tulevat tilaukset voidaan ennustaa26.06.2016 7.10
Milloin asiakas tekee seuraavan tilauksensa? Entä mikä on tilauksen arvo? TTY:n ja Metson yhteistyönä kehitettiin menetelmä, jolla voidaan ennustaa teollisten palveluiden kysyntää yrityksen asiakkaiden laitekannan avulla. (kuva: Ajatus uusia mahdollisuuksia avaavaan tutkimukseen syntyi, kun Kati Stormi pohti, miten yritysten olemassa olevaa laitekantatietoa voitaisiin hyödyntää yritysten kannattavuuden johtamisessa.) eollisuusyrityksille on tärkeää, että tuleva tilauskanta tiedetään hyvissä ajoin. Mutta mistä löytyy kristallipallo, josta tämä selviää? – Teollisten palveluiden kysyntää voidaan ennustaa, kun asiakkaan laitekanta tunnetaan, paljastaa tutkija Kati Stormi, TTY:n teollisuustalouden laitoksen Cost Management Center (CMC) -tutkimusryhmästä. Laitekanta koostuu yrityksen asiakkaalle toimittamista laitteista. Se on myös perusta teollisille palveluille, kuten huolloille ja varaosien toimitukselle. Lisäksi tieto laitekannasta auttaa tunnistamaan potentiaalisia asiakkaita eli asiakkaita, jotka eivät tilaa niin paljon kuin heidän voisi laitekantansa perusteella olettaa tilaavan. Stormin tutkimuksessa kysynnän ennustamiseen käytettiin tilastollista mallia. Malli perustui historiatietoon toteutuneista tilauksista ja yksityiskohtaiseen tietoon asiakkaiden laitekannasta. Malli tuotti listan asiakkaista, jotka luultavasti tilaavat seuraavana vuonna ja arvion siitä, kuinka paljon aktiiviset asiakkaat tilaavat teollisia palveluita. Käytännössä kehitetyn mallin hyödyntäminen vaatii yrityksiltä laitekantatiedon systemaattista keräämistä, tallentamista ja ylläpitoa. Tyypillisiin kysynnänennustemalleihin verrattuna nyt kehitettyä mallia voidaan käyttää, vaikka asiakaskohtaista tilaushistoriaa ei olisi saatavilla pitkältä aikaväliltä. Huomattava selitysaste Stormin luoman mallin selitysaste oli varsin korkea. Esimerkiksi asiakkaan vuotuisesta tilausvolyymista malli selitti jopa 80 prosenttia. Mallissa on tästä huolimatta vielä kehittämisen varaa. Esimerkiksi Metsossa, joka oli mukana tutkimuksessa, tunnettiin ainoastaan yrityksen itse valmistama laitekanta. – Mikäli mahdollista, malliin voitaisiin ottaa mukaan asiakkaan koko laitekanta sisältäen myös muiden valmistajien laitteet, joihin yritys voi tuottaa palveluita. Toiseksi ennustemallia on mahdollista jalostaa ottamalla mukaan muita tekijöitä, jotka vaikuttavat teollisten palveluiden kysyntään. Esimerkiksi varaosien kysynnän ennustamisessa laitekannan iällä on keskeinen merkitys. Myös laitteiden käyttötapa vaikuttaa palveluiden kysyntään. – Osa asiakkaista käyttää laitteita vain silloin tällöin, kun taas toisilla asiakkailla laitteet ovat käytössä lähes jatkuvasti. Luodussa mallissa huomioitiin ainoastaan asiakkaan laitekannan koko. Stormin mukaan tutkimuksen keskeinen viesti oli kuitenkin selvä. – Yritysten tulisi myydä palveluitaan tai tuotteitaan aktiivisemmin mallin tunnistamille, potentiaalisille asiakkaille. Sieltä on saatavissa selvimmin uutta kasvua. Tutkimus on osa CMC-tutkimusryhmän työtä FIMECC Oy:n koordinoimassa S4Fleet-tutkimusohjelmassa. Tulokset ovat luettavissa artikkelista Customer lifetime value in manufacturing services, joka esiteltiin MAR 2016 - Manufacturing Accounting Research -konferenssissa Lissabonissa kesäkuussa 2016. |