Hyppää sisältöön
    • Suomeksi
    • In English
  • Suomeksi
  • In English
  • Kirjaudu
Näytä aineisto 
  •   Etusivu
  • 1. Kirjat ja opinnäytteet
  • Pro gradu -tutkielmat ja diplomityöt sekä syventävien opintojen opinnäytetyöt (rajattu näkyvyys)
  • Näytä aineisto
  •   Etusivu
  • 1. Kirjat ja opinnäytteet
  • Pro gradu -tutkielmat ja diplomityöt sekä syventävien opintojen opinnäytetyöt (rajattu näkyvyys)
  • Näytä aineisto
JavaScript is disabled for your browser. Some features of this site may not work without it.

The future of demand forecasting in retail : a Delphi study

Kuusela, Jan (2022-05-17)

The future of demand forecasting in retail : a Delphi study

Kuusela, Jan
(17.05.2022)
Katso/Avaa
Kuusela_Jan_opinnayte.pdf (4.219Mb)
Lataukset: 

Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
suljettu
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2022051836786
Tiivistelmä
The performance of supply chains is being recognized more and more as the key for competitive edge in today’s business. Effective supply chain management can both lower operating costs and increase service levels, if done correctly. In order for a supply chain to be effective, it must balance between the customer end demand and the supply of the desired end product. Supplying more than the customer end demand leads to increased inventory levels and potential spoilage, while supplying less than the end demand naturally leads to lost sales. As a business can somewhat control their supply of products, forecasting and predicting the consumer demand can be seen as the key to this balancing act.
Demand forecasting has been recognized as an integral part of today’s supply chain management, and it is a field undergoing quick change. Digitalization provides countless opportunities for forecasting demand in completely new ways, while at the same time the changing business landscape sets new requirements and expectations for demand forecasting processes. It is obvious that some changes are imminent in the field of demand forecasting, but there is no real consensus as to what the future really holds for demand forecasting. Existing literature on the matter was also found to be very scarce.
This thesis aimed to discover as to what the future of demand forecasting in the retail industry in specific could look like. The subject was researched using the Delphi Method, where a group of experts participates in answering questionnaires over several rounds about the subject. This study consisted of two questionnaire rounds and overall, 11 experts both from the academic and business world shared their thoughts and opinions on the future of demand forecasting. The answers to the questionnaires were later analyzed by reflecting them to the theoretical framework.
The results of the study showed that demand forecasting is clearly in the middle of a period of change. New technologies like artificial intelligence and machine learning offer intriguing new methods for demand forecasting, which the expert panel was cautiously optimistic of. Even though the accuracy of these methods could prove better than the results of the more traditional methods, the results also showed that the experts don’t expect the traditional methods to be completely overthrown. The requirements for demand forecasting will especially revolve around situations with uncertainty, as demand forecasting is required to be able to function and adapt well to situations with supply chain risks, data issues and other complexity. The expert panel expected that in the future demand forecasting could be utilized in business areas where its potential hasn’t been fully realized yet. Digitalization and artificial intelligence were seen to have a great deal of potential in revolutionizing demand forecasting processes overall by for example automatizing them. It also became evidently clear that even within the retail industry the requirements and expectations for demand forecasting differ, and thus customized demand forecasting solutions will most likely be even more sought out in the future.
 
Toimitusketjujen suorituskyvyn on viimeisten vuosien aikana tunnistettu olevan keskeistä liiketoiminnan kilpailukyvylle. Tehokkaalla toimitusketjujen johtamisella voidaan samanaikaisesti sekä laskea käyttökustannuksia että parantaa palvelutasoa. Jotta toimitusketju voisi toimia tehokkaasti, sen tulee tasapainotella onnistuneesti asiakkaiden loppukysynnän sekä lopputuotteen tuottamisen välillä. Liikatuotanto johtaa nousseisiin varastotasoihin sekä mahdollisesti hävikkiin, kun taas liian alhaisella tuotannon tasolla kaikkea kysyntää ei voida tyydyttää, ja näin ollen myyntiä menetetään. Yritys voi kontrolloida tuotanto- ja tarjontamääriään, joten kysynnän onnistuneen arvioinnin ja ennustamisen voidaan nähdä olevan avain sopivan tasapainon löytymiseen.
Kysynnän ennustamisen on tunnistettu olevan ratkaiseva osa nykypäivän toimitusketjujen toiminnassa, ja kysynnän ennustaminen onkin muutoksen keskellä oleva ala. Digitalisaatio tarjoaa lukemattomia uudenlaisia mahdollisuuksia kysynnän ennustamiseen, kun taas samaan aikaan muuttuva liiketoiminnan maailma asettaa uusia vaatimuksia ja odotuksia kysynnän ennustamisprosesseille. On selvää, että kysynnän ennustamisen alalla tulee tapahtumaan muutosta, mutta yhtenäistä konsensusta muutoksen laadusta ja skaalasta ei ole. Aiheesta ei myöskään ole juurikaan olemassa olevaa tieteellistä kirjallisuutta.
Tämä pro gradu -tutkielma pyrkii täyttämään tämän tutkimusaukon tutkimalla kysynnän ennustamisen tulevaisuuden kuvaa vähittäiskaupan alalla. Aihetta päätettiin tutkia Delfoimetodin avulla, jossa joukko asiantuntijoita osallistuu aihetta käsittelevien kyselyiden vastaamiseen muutaman kyselykierroksen aikana. Tämä tutkimus koostui kahdesta kyselykierroksesta, ja kaiken kaikkiaan 11 asiantuntijaa niin akateemisesta kuin yritysmaailmastakin jakoi näkemyksiään ja mielipiteitään kysynnän ennustamisen tulevaisuudesta vastaamalla kyselyihin. Saadut vastaukset analysoitiin jälkikäteen aiemmin rakennettuun teoreettisen viitekehykseen peilaten.
Tutkimuksen tulokset osoittavat, että kysynnän ennustaminen on selvästi keskellä muutoksen aikakautta. Uudet teknologiat, kuten tekoäly ja koneoppiminen, tarjoavat kiinnostavia uusia menetelmiä kysynnän ennustamiseen, joita kohtaan asiantuntijapaneeli oli varovaisen optimistinen. Vaikka näillä menetelmillä ennusteiden tarkkuutta voitaneenkin parantaa verrattuna perinteisten kysynnän ennustemenetelmien tuloksiin, tulokset myös osoittivat, että asiantuntijat eivät usko näiden uusien menetelmien täysin sivuuttavan perinteisempiä menetelmiä. Vaatimukset tulevaisuuden kysynnän ennustamista kohtaan näyttäisivät liittyvän pitkälti epävarmuutta sisältäviin tilanteisiin, sillä kysynnän ennustamisen pitää olla kykeneväinen mukautumaan ja toimimaan esimerkiksi toimitusketjuriskien ja dataongelmien noustessa pintaan. Asiantuntijapaneeli myös odotti, että tulevaisuudessa kysynnän ennustamista tullaan hyödyntämään liiketoiminnan osa-alueilla, jossa sen potentiaalia ei olla vielä ulosmitattu. Digitalisaatiolla ja tekoälyllä nähtiin olevan suuri mahdollisuus muuttaa kysynnän ennustamisprosesseja mittavasti, esimerkiksi automatisoinnin avulla. Tuloksia tarkastellessa tuli myös selväksi, että vähittäiskaupan alankin sisällä vaatimukset ja odotukset vaihtelevat suuresti. Täten yrityskohtaiset kysynnän ennustamisratkaisut tulevat tulevaisuudessakin varmasti olemaan yleisiä.
 
Kokoelmat
  • Pro gradu -tutkielmat ja diplomityöt sekä syventävien opintojen opinnäytetyöt (rajattu näkyvyys) [4830]

Turun yliopiston kirjasto | Turun yliopisto
julkaisut@utu.fi | Tietosuoja | Saavutettavuusseloste
 

 

Tämä kokoelma

JulkaisuajatTekijätNimekkeetAsiasanatTiedekuntaLaitosOppiaineYhteisöt ja kokoelmat

Omat tiedot

Kirjaudu sisäänRekisteröidy

Turun yliopiston kirjasto | Turun yliopisto
julkaisut@utu.fi | Tietosuoja | Saavutettavuusseloste