De recente geschiedenis staat bol van verhalen over bedrijven en soms zelfs hele bedrijfstakken die ernstige strategische fouten hebben gemaakt als gevolg van onnauwkeurige vraagvoorspellingen voor de hele bedrijfstak. Bijvoorbeeld:

• In 1974 maakten Amerikaanse elektriciteitsbedrijven plannen om hun opwekkingscapaciteit halverwege de jaren tachtig te verdubbelen op basis van voorspellingen van een jaarlijkse groei van de vraag met 7%. Dergelijke prognoses zijn van cruciaal belang omdat de bedrijven vijf tot tien jaar vóór de inbedrijfstelling moeten beginnen met de bouw van nieuwe centrales. Maar in de periode 1975-1985 groeide de belasting in werkelijkheid slechts met 2%. Ondanks het uitstel of de annulering van vele projecten heeft de overcapaciteit de financiële situatie van de industrie geschaad en geleid tot hogere klantentarieven.

• De aardolie-industrie investeerde in 1980 en 1981 wereldwijd 500 miljard dollar omdat zij verwachtte dat de olieprijzen tegen 1985 met 50% zouden stijgen. De raming was gebaseerd op voorspellingen dat de markt zou groeien van 52 miljoen vaten olie per dag in 1979 tot 60 miljoen vaten in 1985. In plaats daarvan was de vraag tegen 1985 gedaald tot 46 miljoen vaten. De prijzen stortten in en veroorzaakten enorme verliezen bij het boren, de productie, de raffinage en de investeringen in de scheepvaart.

• In 1983 en 1984 werden 67 nieuwe soorten zakelijke personal computers op de Amerikaanse markt gebracht, en de meeste bedrijven verwachtten een explosieve groei. Een branchevoorspellende dienst voorspelde een geïnstalleerd bestand van 27 miljoen eenheden tegen 1988; een andere voorspelde 28 miljoen eenheden tegen 1987. In werkelijkheid waren er in 1986 slechts 15 miljoen eenheden verscheept. Tegen die tijd hadden vele fabrikanten de PC-markt verlaten of waren helemaal uit de markt verdwenen.

De onnauwkeurige veronderstellingen kwamen niet voort uit een gebrek aan prognosetechnieken; regressie-analyse, historical trend smoothing, en andere waren voor alle spelers beschikbaar. In plaats daarvan deelden zij een verkeerde fundamentele veronderstelling: dat de relaties die de vraag in het verleden aanstuurden ongewijzigd zouden blijven. De bedrijven voorzagen geen veranderingen in het gedrag van de eindgebruikers en begrepen evenmin het verzadigingspunt van hun markt. Geen van hen realiseerde zich dat de geschiedenis een onbetrouwbare gids kan zijn naarmate binnenlandse economieën internationaler worden, nieuwe technologieën opduiken en industrieën evolueren.

Als gevolg van veranderingen zoals deze, zijn veel managers traditionele technieken gaan wantrouwen. Sommigen gooien zelfs hun handen in de lucht en gaan ervan uit dat de bedrijfsplanning moet doorgaan zonder goede vraagprognoses. Ik ben het daar niet mee eens. Het is mogelijk om waardevolle inzichten te ontwikkelen in toekomstige marktomstandigheden en vraagniveaus op basis van een diepgaand begrip van de krachten achter de totale marktvraag. Deze inzichten kunnen soms het verschil maken tussen een winnende strategie en een strategie die op niets uitloopt.

Een prognose van de totale marktvraag is geen garantie voor een succesvolle strategie. Maar zonder het, zullen de besluiten over investering, marketingsteun, en andere middelentoewijzingen op verborgen, onbewuste veronderstellingen over de industriebrede vereisten worden gebaseerd, en zij zullen vaak verkeerd zijn. Door de totale marktvraag expliciet te peilen, hebt u een betere kans om het lot van uw bedrijf te bepalen. Alleen al het doorlopen van het proces is verdienstelijk voor een managementteam. In plaats van alleen maar naar buiten te komen met pat antwoorden, cijfers, en doelstellingen, wordt het team gedwongen om de concurrerende omgeving opnieuw te overdenken.

Total-market forecasting is slechts de eerste fase in het creëren van een strategie. Als je klaar bent met je prognose, ben je nog lang niet klaar met het planningsproces.

Er zijn vier stappen in elke totale-marktprognose:

1. Definieer de markt.

2. Verdeel de totale vraag van de industrie in zijn belangrijkste componenten.

3. Voorspel de drijvende krachten achter de vraag in elk segment en projecteer hoe deze waarschijnlijk zullen veranderen.

4. Voer gevoeligheidsanalyses uit om inzicht te krijgen in de meest kritische veronderstellingen en om de risico’s voor de basisprognose in te schatten.

Definieer de markt

In het begin is het het beste om al te inclusief te zijn bij het definiëren van de totale markt. Definieer het breed genoeg om alle potentiële eindgebruikers te omvatten, zodat u zowel de juiste drijvende krachten achter de vraag kunt identificeren als het risico van verrassende productvervangingen kunt verminderen.

De factoren die prognoses van de totale marktomvang sturen, verschillen aanzienlijk van die welke het marktaandeel of het productcategorie-aandeel van een bepaald product bepalen. Zo is bijvoorbeeld de totale marktvraag naar telecommunicatieproducten voor kantoren op nationaal niveau gedeeltelijk afhankelijk van het aantal mensen in kantoren en hun behoeften en gewoonten, terwijl de totale vraag naar PBX-systemen afhangt van hoe zij zich qua prijs en voordelen verhouden tot substitutieproducten zoals de centrale schakeldienst van de lokale telefoonmaatschappij. Daarbuiten is de vraag naar een bepaalde PBX een functie van prijs- en voordeelvergelijkingen met andere PBX’en.

Bij het afbakenen van de markt is een goed begrip van produktsubstitutie van cruciaal belang. Klanten kunnen zich anders gaan gedragen wanneer de prijs of de prestaties van potentiële vervangingsproducten veranderen. Een bedrijf dat de totale vraag naar industriële papieren buizen bestudeerde, moest rekening houden met nauw verwante toepassingen van metalen en plastic buizen om te voorkomen dat klanten die tussen buizen zouden switchen, de resultaten zouden vertekenen.

Begrijp ook dat een geheel nieuw produkt een produkt kan verdringen dat tot dan toe de gehele markt had gevormd – zoals de elektronische rekenmachine, die de rekenliniaal heeft verdrongen. Een tijdlang na de afstoting van AT3567>T gingen de Bell-telefoonmaatschappijen door met het voorspellen van het volume van langeafstandsgesprekken door historische trendlijnen van hun inkomsten te gebruiken – alsof zij nog steeds deel uitmaakten van een monopolie. Uiteraard werden deze prognoses mettertijd steeds onnauwkeuriger omdat de eindgebruikers nieuwe keuzemogelijkheden kregen. De bedrijven zijn nu hun marktdefinities aan het verbreden om rekening te houden met de toegenomen concurrentie van andere lange-afstandsmaatschappijen.

Er zijn verschillende manieren waarop u ervoor kunt zorgen dat u alle belangrijke substitutieproducten (zowel huidige als potentiële) meeneemt. Uit interviews met industriële klanten kunt u leren over substituten die zij bestuderen of over productgebruikspatronen die toekomstige omschakelingsmogelijkheden impliceren. Bovendien kan marktonderzoek leiden tot inzichten over consumentenproducten. Door te spreken met deskundigen op het gebied van de relevante technologieën of door de technologische literatuur te bestuderen, kunt u potentiële ontwikkelingen identificeren die uw bedrijfstak zouden kunnen bedreigen.

Ten slotte kan een zorgvuldige kwantificering van de economische waarde van alternatieve producten voor verschillende afnemers diepgaande inzichten opleveren in potentieel omschakelingsgedrag – bijvoorbeeld hoe olieprijsschommelingen van invloed zouden zijn op de kunststofprijzen, die op hun beurt weer van invloed zouden zijn op het vermogen van kunststofproducten om metaal of papier te vervangen.

Analyses als deze kunnen leiden tot de constructie van vraagcurven voor de bedrijfstak – grafieken die de relatie tussen prijs en volume weergeven. Bij een juiste definitie zullen de vraagcurven voor de totale industrie vaak steiler zijn dan de vraagcurven voor de afzonderlijke produkten in de industrie. Consumenten zullen bijvoorbeeld veel eerder van Maxwell House naar Folgers koffie overstappen als de prijzen van Maxwell House stijgen, dan dat ze geen koffie meer kopen als de prijzen van alle koffie stijgen.

In sommige gevallen kunnen managers snel een oordeel vellen over de marktdefinitie. In andere gevallen zullen zij hun markt grondig moeten overdenken en analyseren. Een prognose van de totale markt is misschien niet van cruciaal belang voor de bedrijfsstrategie als de marktdefinitie erg moeilijk is of als de bestudeerde producten kleine marktaandelen hebben. In plaats daarvan kan uw voornaamste uitdaging erin bestaan de substitutie van producten en het concurrentievermogen te begrijpen. Een bedrijf analyseerde de potentiële markt voor nieuwe conservenblikken en kwam tot de conclusie dat groeitrends in de markten voor voedingsproducten niet kritisch waren voor de strategievraag. Wat wel cruciaal was, was het kennen van de waardeposities van de nieuwe verpakkingen ten opzichte van metalen blikjes, glazen potten en composiet blikjes. Dus besteedde het bedrijf tijd aan dat onderwerp.

Verdelen van de vraag in samenstellende delen

De tweede stap in het voorspellen is het verdelen van de totale vraag in zijn belangrijkste componenten voor afzonderlijke analyse.

Er zijn twee criteria die in gedachten moeten worden gehouden bij het kiezen van segmenten: maak elke categorie klein en homogeen genoeg, zodat de drijvende krachten achter de vraag consistent zullen gelden voor de verschillende elementen; maak elke categorie groot genoeg, zodat de analyse de moeite waard zal zijn. Uiteraard is dit een kwestie van beoordeling.

U kunt het bij deze beoordeling nuttig vinden u alternatieve segmentaties voor te stellen (bijvoorbeeld op basis van eindgebruikerklantengroepen of type aankoop). Vervolgens hypothese hun belangrijkste drijfveren van de vraag (later besproken) en beslissen hoeveel detail is vereist om de werkelijke situatie vast te leggen. Naarmate de beoordeling vordert, kunnen managers naar dit stadium terugkeren en opnieuw onderzoeken of de aanvankelijke beslissingen nog steeds overeind staan.

Managers kunnen voor het bestuderen van de vraag naar papier gebruik willen maken van een “boom”-diagram zoals bijgaand, dat door een managementteam in 1985 is gemaakt. In dit verkapte voorbeeld kon aan de hand van gegevens uit de industrie de vraag in 12 eindgebruikscategorieën worden onderverdeeld. Sommige categorieën, zoals bedrijfsformulieren en reprografisch papier, leverden een grote bijdrage aan het totale verbruik; andere, zoals etiketten, niet. Eén categorie (overige conversie) was vrij groot, maar te divers voor een diepgaande analyse. Het team concentreerde zich op de vier segmenten die 80% van de vraag van 1985 vertegenwoordigden. Het ontwikkelde vervolgens secundaire takken van de boom om deze categorieën verder te ontleden en hun drijvende krachten achter de vraag te bepalen. De resterende segmenten werden minder volledig geanalyseerd (d.w.z. via een regressie tegen brede macro-economische trends).

Andere ondernemingen hebben soortgelijke methoden gebruikt om de totale vraag te segmenteren. Eén bedrijf verdeelde de vraag naar satellietterminals voor de scheepvaart naar type schip (b.v. seismische schepen, bulk-/goederen-/containerschepen). Een ander verdeelde de vraag naar interlokale telefoondiensten in zakelijke en particuliere klanten en maakte vervolgens een onderverdeling naar gebruiksniveau. En een derde segmenteerde de vraag naar consumententoestellen in drie aankooptypes – toestellen gebruikt bij de bouw van nieuwe woningen, verkoop van vervangende toestellen in bestaande woningen, en penetratie van toestellen in bestaande woningen.

Bij het nadenken over marktverdelingen moeten managers beslissen of zij bestaande gegevens over segmentgroottes gebruiken, dan wel onderzoek laten verrichten om een onafhankelijke schatting te krijgen. Betrouwbare openbare informatie over historische vraagniveaus per segment is beschikbaar voor veel grote Amerikaanse industrieën (zoals staal, auto’s en aardgas) van brancheorganisaties, de federale overheid, kant-en-klare studies door deskundigen uit de industrie, of doorlopende marktdatadiensten. Voor sommige buitenlandse markten en minder goed onderzochte industrieën in de Verenigde Staten, zoals de etikettenindustrie, zult u wellicht onafhankelijke ramingen moeten maken. Maar zelfs met goede gegevensbronnen is het mogelijk dat de direct beschikbare informatie niet in de beste categorieën is onderverdeeld om een inzichtelijke analyse te ondersteunen. In deze gevallen moeten managers beslissen of zij hun prognoses ontwikkelen op basis van de beschikbare historische gegevens of dat zij hun eigen marktonderzoeksprogramma’s opzetten, wat tijdrovend en duur kan zijn.

Merk op dat een dergelijke segmentatie weliswaar volstaat voor het voorspellen van de totale vraag, maar wellicht geen categorieën oplevert die bruikbaar zijn voor het ontwikkelen van een marketingstrategie. Een enkel product kan door geheel andere factoren worden gestuurd. Uit een onderzoek naar industriële componenten bleek dat categorieën voor de consumentenindustrie een goede basis vormden voor het voorspellen van de totale marktvraag, maar slechts beperkte hulp boden bij het formuleren van een strategie op basis van de voorkeuren van de klant: het onderscheiden van degenen die kopen op prijs en degenen die kopen op service, productkwaliteit of andere voordelen. Dergelijke categorieën van koopfactoren correleren over het algemeen niet met de klantindustriecategorieën die voor prognoses worden gebruikt. Een sterk verkoopteam kan echter de voorkeuren van de klant identificeren en voor elke categorie een passende accounttactiek ontwikkelen.

Forecasting the Drivers of Demand

De derde stap is het begrijpen en voorspellen van de drijfveren van de vraag in elke categorie. Hier kunt u goed gebruik maken van regressies en andere statistische technieken om enkele oorzaken te vinden voor veranderingen in de historische vraag. Maar dit is slechts een begin. De moeilijkere uitdaging bestaat erin verder te kijken dan de gegevens waarop regressies gemakkelijk kunnen worden gebaseerd en te kijken naar andere factoren waarvoor gegevens veel moeilijker te vinden zijn. Vervolgens moet u een standpunt ontwikkelen over hoe die andere factoren zelf in de toekomst kunnen veranderen.

Een analyse van het eindgebruik van het voorbeeld van basispapier, reprografisch papier, is weergegeven in bijgaande grafiek. Aan de hand van de beschikbare gegevens heeft het managementteam het reprografisch papier in twee categorieën onderverdeeld: gewoon kopieerpapier en niet-effectpagina-printerpapier. Zonder dit belangrijke onderscheid zouden de drijvende krachten achter de vraag verborgen zijn gebleven, waardoor het moeilijk zou zijn geweest om doeltreffende prognoses op te stellen.

In de meeste gevallen kunnen managers er veilig van uitgaan dat de vraag wordt beïnvloed door zowel macro-economische variabelen als door branchespecifieke ontwikkelingen. Bij het onderzoek naar gewoon kopieerpapier gebruikte het team eenvoudige en meervoudige regressieanalyses om de relaties met macro-economische factoren zoals witteboordenarbeiders, bevolking en economische prestaties te testen. De meeste factoren hadden een significant effect op de vraag. Intuïtief vond het team het ook logisch dat het niveau van de bedrijfsactiviteit verband zou houden met het papierverbruik. (Economen spreken soms van een groei van de vraag als gevolg van dergelijke factoren als een “verschuiving naar buiten” van de vraagcurve – naar een grotere gevraagde hoeveelheid tegen een bepaalde prijs.)

De groei van de vraag naar kopieerpapier was echter groter dan de reële economische groei en de uitdaging was om te achterhalen welke andere factoren dit hadden veroorzaakt. Het team veronderstelde dat de dalende kopieerkosten het toegenomen gebruik hadden veroorzaakt. Het verband werd bewezen door de aanzienlijke kostenverminderingen te schatten, deze te combineren met het aantal geproduceerde tonnen en vervolgens een indicatieve vraagcurve voor kopieerpapier te maken. (Zie de grafiek “Understanding Copy Paper Demand Drivers.”) De duidelijke relatie tussen kosten en volume betekende dat kostenverlagingen een belangrijke oorzaak van de vraagstijging in het verleden waren geweest. (Economen beschrijven dit soms als een neerwaartse verschuiving van de aanbodcurve die leidt tot een neerwaartse beweging van de vraagcurve).

Volgende grote dalingen van de kosten per exemplaar leken onwaarschijnlijk omdat verwacht werd dat de papierkosten gelijk zouden blijven, en de gegevens wezen op een geringe toename van de prijselasticiteit, zelfs als de kosten per exemplaar verder zouden dalen. Het team concludeerde derhalve dat de groei van het gebruik (per economisch prestatieniveau) waarschijnlijk de afvlakking zou voortzetten die in 1983 was begonnen: de groei van het verbruik van kopieerpapier zou grotendeels een functie zijn van de economische groei, en niet van de kostendalingen zoals in het verleden. Het team beoordeelde vervolgens verschillende econometrische dienstenprognoses om een economische basisscenario te ontwikkelen.

Gelijkaardige studies zijn uitgevoerd in andere industrieën. Een eenvoudige was de eerder genoemde analyse van de industriële componenten, een geval waarin de totale prognose als achtergrond werd gebruikt maar niet van cruciaal belang was voor de strategiebeslissing van de onderneming. Hier verdeelde het team de vraag in de verbruikende industrieën en vroeg het vervolgens aan deskundigen in elke industrie om productieprognoses. De totale vraag naar componenten werd geprojecteerd op basis van de veronderstelling dat deze parallel zou lopen met een gewogen gemiddelde prognose van deze afnemende industrieën. De werkelijke vraag lag drie jaar later 2% boven de voorspelling van het team, waarschijnlijk omdat de industrie-experts het effect van het economisch herstel van 1984 en 1985 hadden onderschat.

In een ander voorbeeld extrapoleerde een team dat de vraag naar satellietterminals voor de scheepvaart voorspelde, de penetratiecurven voor elk van de vijf categorieën schepen uit het verleden. Deze curven werden vervolgens aangepast aan belangrijke veranderingen in de scheepvaartindustrie (b.v. toevoeging van het deprimerende effect van de groeiende olieoverschotten, en verwijdering uit deze historische trends van de onnatuurlijke groei van de vraag als gevolg van de Falkland-oorlog). Het werkelijke cijfer lag drie jaar later binnen 1% van de prognose.

Weten wat de drijvende krachten achter de vraag zijn, is van cruciaal belang voor het succes van elke prognose van de totale marktvraag. In 1974, zoals ik al eerder zei, gebruikten de meeste elektrische nutsbedrijven een onvolledige totale-vraagprognose om een robuuste groei van de vraag te voorspellen. In het begin van de jaren tachtig besloot het managementteam van één bedrijf echter om ook potentiële veranderingen in de vraag van eindgebruikers te bestuderen. Het team verdeelde de vraag naar elektriciteit in de drie traditionele categorieën: huishoudelijk, commercieel en industrieel. Vervolgens profileerde het team de verschillen in de residentiële vraag als gevolg van de grotere efficiëntie van huishoudelijke apparaten en de veranderingen in de grootte van woningen en de verhouding tussen meergezins- en eengezinswoningen. De industriële vraag werd geanalyseerd door de toekomst van verschillende belangrijke verbruikende industrieën te evalueren, met speciale aandacht voor veranderingen in hun totale productie en elektriciteitsverbruik. Deze benadering van het eindgebruik leidde tot een scherpe daling van de oorspronkelijke prognoses van het nutsbedrijf en tot de annulering van twee centrales van 700 miljoen dollar die toen in de planningsfase verkeerden.

In 1983 zeiden prognosemakers in de Amerikaanse personal computer-industrie dat de vraag snel zou blijven stijgen omdat er 50 miljoen bedienden waren en slechts 8 miljoen geïnstalleerde PC’s. Eén bedrijf maakte echter een meer gedetailleerde vraagprognose waaruit bleek dat de groei spoedig zou afvlakken. Het stelde vast dat meer dan tweederde van de kantoorpersoneel ofwel geen PC’s nodig had voor hun werk – acteurs en liftbedieners bijvoorbeeld – ofwel voornamelijk werd ondersteund door goedkope terminals die gekoppeld waren aan grote computers, zoals in het geval van veel kantoorpersoneel. De potentiële markt was niet groot genoeg om het groeitempo te ondersteunen. Sterker nog, de markt begon het volgende jaar af te vlakken.

Voorspelling van de totale vraag werd van cruciaal belang voor een ander bedrijf dat overwoog een maker van videospelletjes over te nemen. Velen dachten dat de lage totale marktpenetratie (10% van de Amerikaanse huishoudens) betekende dat er veel ruimte was voor groei voordat de markt verzadigd zou raken, wanneer ongeveer 50% van de huishoudens spelletjes zou hebben. Op basis van de beschikbare gegevens stelde het managementteam echter categorieën samen op basis van het gezinsinkomen en de leeftijd van de kinderen. De analyse maakte duidelijk dat de belangrijkste doelmarkt, gezinnen met hogere inkomens en kinderen, al goed was doordrongen. Gezinnen met een inkomen van meer dan $50.000 en kinderen tussen 6 en 15 jaar waren al voor 75% gepenetreerd. Deze bevinding overtuigde het management ervan dat de vraag zou dalen en dat de voorgenomen overname geen zin had. De dramatische daling van de verkoop van videospelletjes kort daarna bevestigde de wijsheid van dit oordeel.

Uitvoeren van gevoeligheidsanalyses

Managers die vertrouwen op enkelvoudige vraagvoorspellingen lopen gevaarlijke risico’s. Sommige van de macro-economische variabelen achter de prognoses kunnen verkeerd zijn. Ondanks de beste analyse kunnen bovendien de veronderstellingen achter de andere vraagstuwers verkeerd zijn, vooral als er discontinuïteiten aan de horizon opdoemen. Fantasierijke marketeers die vragen stellen als “Welke dingen kunnen deze prognose drastisch doen veranderen?” produceren de beste ramingen. Zij identificeren eerder potentiële risico’s en discontinuïteiten – ontwikkelingen in concurrerende technologieën, in het concurrentievermogen van de klantensector, in kostenstructuren van leveranciers – dan zij die dat niet doen. Zodra een basisprognose is gemaakt, is het dus zaak te bepalen hoe ver deze van het doel zou kunnen afwijken.

Op één niveau kan een dergelijke gevoeligheidsanalyse worden uitgevoerd door eenvoudigweg de veronderstellingen te variëren en het effect daarvan op de vraag te kwantificeren. Maar een meer gerichte aanpak geeft meestal een beter inzicht.

Begin zo’n analyse door de gebieden met het grootste strategische risico te doordenken en te kwantificeren. De strategiebeslissing van het ene bedrijf kan alleen worden beïnvloed als de vraag ver onder de basisprognose ligt; in een ander geval kunnen grote risico’s voortvloeien uit kleine prognosefouten.

Maat vervolgens de waarschijnlijkheid van zo’n ontwikkeling. In het voorbeeld van het witboek werd in de basisprognose uitgegaan van een aanhoudende marktgroei, zij het onder de historische niveaus. In een bepaald jaar kon de vraag fluctueren met de economie, maar de kritische vraag was of de vraag op een gegeven moment een langdurige daling zou inzetten. Zo ja, dan zou volgens de bijbehorende aanbodcurve-analyse de prijs waarschijnlijk drastisch dalen.

Het team stelde twee scenario’s op voor een geleidelijke daling, waarvan het ene grotendeels gebaseerd was op veranderingen in de economie en het andere op veranderingen in de veronderstelde tendensen in het eindgebruik. Deze scenario’s lieten zien waardoor de vraag zou dalen (b.v. verschillende dalingspercentages van de prijzen van kopieerapparaten) en verschaften aldus een basis voor de beoordeling van de waarschijnlijkheid van een neergang.

Bepaling van een passende inspanning

Het hierboven geschetste prognosekader kan zowel voor uitgebreide als voor eenvoudige beoordelingen werken, maar er zijn verschillende manieren om deze analyses uit te voeren. Een grote uitdaging bij vraagprognoses (net als bij andere soorten marktanalyse) is het bepalen van de juiste inspanning voor het doel van het project. Het is nuttig zich af te vragen: “Hoeveel moet ik weten om de betreffende beslissing te kunnen nemen?”

Managers kunnen veel tijd in dergelijke analyses investeren – het papieren voorbeeld kostte ongeveer 8 manweken en de grootschalige elektriciteitsprognose ongeveer 14 manweken. Sommige bedrijven hebben prognose-afdelingen die het hele jaar door aan deze onderwerpen werken. De grondiger, maar tijdrovender aanpak wekt meer vertrouwen, en de inspanning is aangewezen wanneer de vraagprognose de bedrijfsstrategie aanzienlijk kan beïnvloeden (bijvoorbeeld de vraag of een kapitaalinvestering van enkele honderden miljoenen dollar moet worden gedaan), of wanneer er grote onzekerheid bestaat over de totale vraag.

Vaak zijn de problemen echter niet ingewikkeld, is de tijd beperkt, of is de prognose van de totale vraag niet belangrijk genoeg om die inzet te verdienen (het bedrijf wil bijvoorbeeld een paar punten toevoegen aan zijn kleine marktaandeel). In dergelijke gevallen moeten managers snel en goedkoop te werk gaan. Zij kunnen bijvoorbeeld vertrouwen op het oordeel van deskundigen of op ongenuanceerde regressies om de drijvende krachten achter de vraag te voorspellen. Zelfs deze beperkte benaderingen kunnen inzichten opleveren. Bovendien kan het begin van het vraaganalyseproces managers helpen bepalen of er belangrijke vraagproblemen bestaan die grondiger moeten worden geanalyseerd.

Total-demand forecasting kan belangrijk zijn voor strategiebeslissingen. Het ontwikkelen van onafhankelijke prognoses door middel van het vierstappenkader dat ik heb geschetst, zal niet alleen leiden tot betere aanbevelingen, maar ook helpen bij het opbouwen van overtuiging en consensus voor actie door begrip te kweken voor de drijvende krachten achter de vraag en de risico’s in prognoses.

Zelfs wanneer het werk degelijk is, zullen er echter onzekerheden blijven: discontinuïteiten zullen nog steeds moeilijk te voorspellen zijn, vooral als ze geworteld zijn in ingrijpende politieke, macro-economische, of technologische veranderingen. Maar managers die hun denken door de stappen in dit raamwerk duwen zullen een betere kans hebben om deze discontinuïteiten te vinden dan zij die dat niet doen. En zij die hun bedrijfsstrategieën baseren op een solide kennis van de vraag zullen een veel grotere kans hebben om verstandige investeringen te doen en effectief te concurreren.