Brexit is onvoorspelbaar, maar uw uitgaven hoeven dat daarom niet te zijn
Wees altijd voorbereid op ingrijpende externe verrassingen
29 oktober 2019 -
Op 24 juni 2016 werden de inwoners van Groot-Brittannië wakker met het nieuws dat hun land de Europese Unie zou verlaten, als gevolg van het Brexit-referendum dat de vorige dag werd gehouden. De reactie op de Brexit in de financiële markten liet niet lang op zich wachten.
De Britse pond sterling liet een scherpe daling zien ten opzichte van de valuta van de belangrijkste handelspartners. Bedrijfsleiders in het VK en wereldwijd kregen te maken met een nieuwe variabele in hun strategieën voor het maken en verkopen van producten en diensten.
Brexit is wellicht één van de extreemste voorbeelden, maar de afgelopen maanden zijn er wel meer politieke en economische verrassingen geweest. Voor managers die bezorgd zijn over de gevolgen van grootschalige verrassingen op hun afzetmarkten is het meer dan ooit belangrijk dat ze de zaken die ze wel kunnen controleren, nog steviger in handen houden. Peter van de Moosdijk, Country Manager Benelux van Wipro, schreef er dit artikel over.
De mogelijke klap en hoe die te verzachten
Afhankelijk van waar de goederen worden gemaakt, verwachten producenten dat de kostprijs tot maximaal 25 procent zou kunnen stijgen. En men verwacht in het algemeen dat er handelsbelemmeringen en extra bureaucratie kunnen opduiken die de supply chains minder efficiënt maken en de benodigde tijd om goederen van land A naar land B te krijgen zullen opdrijven. Met name in het VK kan dit leiden tot het bijhouden van een grotere voorraad en zodoende tot een lagere cashflow.
Tegen de Brexit op zich kunt u weinig doen natuurlijk, net zo min als tegen de economische impact van werkloosheid, inflatie of de groei van het BNP. Maar er is wel data beschikbaar die kan helpen om het niveau van onzekerheid zo laag mogelijk te houden. Denk aan verkoopcijfers die inzicht verschaffen tot op het niveau van elke individuele klant en van elk product dat aan deze klant werd verkocht. Zulke gedetailleerde gegevens kunnen cruciaal zijn om geïnformeerde beslissingen te kunnen nemen op het gebied van promotie-activiteiten, om die beslissingen te integreren in andere marketingaspecten zoals assortiment- en categoriebeheer, en om te anticiperen op verschillende resultaten aan de hand van what-if scenario’s.
Modelleren voor het onbekende
Anticiperen op verschillende resultaten met behulp van what-if scenario’s wordt een cruciaal onderdeel van uw trade promotion management in een wereld vol met Brexit-achtige verrassingen. Wat als de nationale valuta keldert van het land waarmee u het meeste zaken doet, zoals de Britse Pond na de Brexit-stemming? Wat als de inflatie hierdoor veel sneller stijgt dan voorzien? Wat als de werkloosheid stijgt en de vraag naar uw specifiek type goederen plots fors terugvalt bij uw doelgroep?
Met scenarioplanning kunnen promotieteams en andere marketing-beslissers begrijpen wat de echte monetaire impact is van zulke what-if situaties. Trade Promotion Optimization (TPO)-software met ingebouwde scenarioplanning-functies biedt managers zicht op verschillende mogelijke scenario’s, bijvoorbeeld 25 procent best-case, 50 procent standaard, 25 procent worst case – en de impact van elk scenario op omzet, winstmarge en andere relevante financiële metrics.
Machine Learning versus Het Onverwachte
Marketing managers weten hoe snel data verouderd en achterhaald kan raken. Klantbehoeften veranderen voortdurend, zeker in een wereld waarin sociale media, online reviews en incentives van buitenaf smaken en voorkeuren in real time kunnen veranderen. Historische gegevenspatronen kunnen hun voorspellende waarde verliezen, tenzij er manieren zijn waarop het systeem kan "bijleren" en nieuwe informatie ogenblikkelijk kan verwerken. Recente softwareplatforms zijn al voldoende geavanceerd om dit soort machinaal leren mogelijk te maken.
Een verkoper kan er bijvoorbeeld achter komen dat er omstandigheden zijn die impact kunnen hebben op een geplande verkoopactie. Dit kan een onverwachte gewijzigde weersvoorspelling zijn die de voorspelde vraag naar een product grondig kan beïnvloeden. Of het kan een plotselinge verrassing van Brexit-proporties zijn die een markt voorgoed door elkaar schudt. Deze verkoper kan deze informatie in het lerend systeem invoeren en op die manier de voorspellende modellen "vertellen" dat een nieuwe, voorheen onbekende variabele het resultaat van deze actie significant kan veranderen. De modellen leren hiervan en de nieuwe data zorgt voortaan voor nog meer genuanceerde what-if scenario’s.
Het zou leuk zijn om te leven in een wereld waar u geen rekening hoeft te houden met de impact van ingrijpende externe verrassingen. Maar het is niet anders, en gelukkig zijn er goede data en informatieve modellen beschikbaar waarmee u hun potentiële impact beter kunt begrijpen en meten.
