Het spanningsveld tussen intuïtie en algoritmes in de mode-industrie.

Binnen de fashion supply chain is er vaak een sterke tweedeling in benadering. Aan de ene kant staat de traditionele S&OP (Sales & Operations Planning) aanpak, vaak geleid door Merchandise Planners. Deze leunt sterk op budgettering, seizoensplanning en inkoop op basis van omzetverwachting (Push). Aan de andere kant staat de moderne datagedreven voorraadoptimalisatie, die stuurt op actuele vraag en verkoopsnelheid (Pull).

‍
Vaak wordt gedacht dat deze methodes elkaar uitsluiten: "Fashion is emotie en trends, geen wiskunde." Dit is echter een misvatting. Een gezonde mode-onderneming bestaat zelden uit 100% trend-items. Door het assortiment te segmenteren, wordt duidelijk dat een integrale aanpak – waarbij de planner wordt ondersteund door slimme algoritmes – noodzakelijk is voor een efficiënt inkoopproces.

In de regel zien we een verdeling van het assortiment in drie groepen:

1. Basics / NOOS 
2. Seizoensgebonden met herhaalopties
3. Eenmalige seizoenscollectie

Wanneer een organisatie al deze groepen behandelt met dezelfde 'Push-strategie', ontstaan er inefficiënties in de voorraad.

Differentiatie in Strategie: Push vs. Pull

Het fundamentele verschil zit in de sturing. Een Merchandise Planner excelleert in het 'pre-season' plannen (Push), terwijl voorraadoptimalisatie-software excelleert in het 'in-season' reageren (Pull).

Onderstaande tabel toont waarom een gedifferentieerde aanpak per categorie noodzakelijk is:

‍

‍

De Toegevoegde Waarde per Segment

Waarom levert de overstap van puur Merchandise Planning naar een ondersteunend model met voorraadoptimalisatie concrete verbeteringen op?

1. Basics: Meer Omzet met Minder Voorraad

Voor NOOS-artikelen is een Merchandise Planner vaak overgekwalificeerd. Het handmatig monitoren van deze stabiele artikelen is tijdrovend en foutgevoelig. Vaak wordt er "voor de zekerheid" te veel ingekocht of wordt het juist net zoals alle andere trend-items behandeld en te voorzichtig ingekocht. Een Pull-gestuurd algoritme berekent de behoefte exact op basis van historische patronen en levertijden. Dit zorgt voor een stabiele beschikbaarheid zonder onnodige kapitaalbeslag.

‍

2. Seizoen met Herhaalbestellingen: Reageren op de Markt

Bij artikelen die tijdens het seizoen bijbesteld kunnen worden, is timing cruciaal. Een menselijke planning gebaseerd op initiële budgetten loopt vaak achter op de realiteit. Datagedreven software herkent trends in de eerste verkoopweken direct. Het berekent of een herhaalbestelling noodzakelijk is om aan de vraag te voldoen, of dat bijbestellen juist leidt tot overschotten aan het einde van het seizoen. Dit vervangt onderbuikgevoel door feitelijke verkoopdata.

‍

3. Eenmalige Collectie: Optimalisatie van de 'Uitzing'

Voor de echte fashion items waar niet bijbesteld kan worden, ligt de kracht van data in allocatie en transfers. In plaats van een statische verdeling bij binnenkomst, kan software adviseren om voorraad tussen filialen te verplaatsen. Ligt een item stil in filiaal A maar loopt het hard in filiaal B? Een snelle transfer voorkomt dat filiaal B 'nee' moet verkopen en filiaal A uiteindelijk moet afprijzen.

‍

Conclusie: Potentie en Resultaat

Het implementeren van voorraadoptimalisatie software naast een bestaand Merchandise Planning team is geen kostenpost, maar een hefboom voor het rendement. Door data leidend te maken in de uitvoering, zijn de volgende resultaten realistisch haalbaar:

• Je Basics voorraad met 20-30% verlagen terwijl je productbeschikbaarheid vergroot.
• Bij je Herhaal-items sneller bepalen welke items bij te bestellen en welke vooral niet.
• Door slimme verdeling minder sale-items overhouden.

Kortom: een paar betere beslissingen per seizoen, of dat nu het tijdig bijbestellen van een hardloper is, of het afremmen van een slow mover, zorgen voor een ROI die de investering in tooling vele malen overstijgt.