Demand planning membantu perusahaan memperkirakan permintaan pasar sebelum keputusan stok dan distribusi dibuat. Tanpa proses ini, tim sering hanya bereaksi setelah stok kosong, gudang penuh, atau target penjualan tidak sejalan dengan kapasitas supply chain.
Demand planning adalah proses menyusun rencana permintaan berdasarkan data penjualan, tren pasar, rencana promosi, stok, dan masukan lintas divisi agar perusahaan dapat menentukan jumlah barang yang perlu disediakan pada periode tertentu.
Artikel ini membahas pengertian demand planning, tahapan prosesnya, data yang dibutuhkan, metrik akurasi yang perlu dipantau, serta cara menerapkannya dalam operasi bisnis di Indonesia.
Key Takeaways
Demand planning adalah proses menyusun rencana permintaan dari data penjualan, tren pasar, dan masukan lintas divisi.
Tahapan prosesnya mulai dari pengumpulan data historis sampai penguncian consensus plan lintas divisi.
Metrik akurasi seperti MAPE, WMAPE, dan forecast bias dipakai untuk menilai seberapa tepat rencana permintaan.
- Apa itu Demand Planning?
- Mengapa Demand Planning Penting Bagi Bisnis
- Perbedaan Demand Planning dan Forecasting
- Tahapan Proses Demand Planning
- Data yang Wajib Tersedia Sebelum Demand Planning Berjalan
- Metrik Akurasi Demand Planning
- Kesalahan yang Membuat Demand Planning Meleset
- Penerapan Demand Planning per Industri
- Optimasi Demand Planning dengan Software Procurement
- Kesimpulan
Apa itu Demand Planning?
Demand planning adalah proses memperkirakan kebutuhan pelanggan dan mengubahnya menjadi rencana permintaan yang bisa dipakai oleh tim supply chain, inventory, produksi, sales, dan finance. Proses juga memastikan angka tersebut disepakati dan bisa dieksekusi.
Dalam bahasa Indonesia, demand planning sering disebut perencanaan permintaan. Istilah ini penting karena permintaan pelanggan tidak selalu sama dengan penjualan historis, terutama saat ada promo, stockout, perubahan harga, atau musim tertentu.
Mengapa Demand Planning Penting Bagi Bisnis
Bisnis di Indonesia menghadapi pola permintaan yang sering berubah karena musim belanja, hari raya, distribusi antarpulau, dan jaringan distributor yang bertingkat. Kondisi ini membuat rencana stok tidak cukup jika hanya memakai rata-rata penjualan bulan lalu.
Dengan demand planning, perusahaan bisa melihat permintaan sebagai pola yang perlu dibaca lebih awal. Data dari Badan Pusat Statistik dapat menjadi salah satu rujukan eksternal untuk memahami kondisi ekonomi, perdagangan, dan konsumsi secara nasional.
Contohnya, produk FMCG bisa mengalami lonjakan menjelang Ramadan dan Lebaran. Barang impor bisa terganggu oleh lead time pelabuhan. Distributor di luar Jawa bisa membutuhkan stok lebih awal karena waktu pengiriman lebih panjang.
Perbedaan Demand Planning dan Forecasting
Demand planning sering tertukar dengan demand forecasting, supply planning, dan S&OP karena semuanya sama-sama membahas rencana permintaan dan ketersediaan barang. Tabel berikut menjelaskan perbedannya.
| Istilah | Fokus utama | Output | Pemilik proses | Horizon waktu |
|---|---|---|---|---|
| Demand forecasting | Memperkirakan permintaan berdasarkan data dan pola historis | Angka forecast per produk, lokasi, atau periode | Planner atau analyst | Mingguan sampai bulanan |
| Demand planning | Menyusun rencana permintaan yang sudah diperkaya konteks bisnis | Demand plan atau consensus demand plan | Supply chain bersama sales dan marketing | Bulanan sampai tahunan |
| Supply planning | Menyesuaikan supply dengan permintaan yang sudah direncanakan | Rencana pembelian, produksi, distribusi, dan stok | Supply chain, procurement, produksi | Bulanan sampai kuartalan |
| S&OP | Menyatukan demand, supply, dan target bisnis dalam satu forum keputusan | Rencana operasional yang disetujui manajemen | Lintas divisi dan manajemen | Bulanan sampai tahunan |
Tahapan Proses Demand Planning
Urutan demand planning dimulai dari pengumpulan dan pembersihan data, penyusunan forecast, penyesuaian kondisi pasar, review lintas divisi, hingga penguncian consensus plan.
1. Kumpulkan Data Historis Penjualan
Data historis membantu melihat pola penjualan berdasarkan produk, lokasi, channel, pelanggan, dan periode. Data yang terlalu umum bisa menutupi masalah seperti stockout atau overstock.
2. Bersihkan Outlier Promo dan Stockout
Promo dapat membuat penjualan melonjak, sedangkan stockout bisa membuatnya turun. Tandai periode tersebut agar tidak dianggap sebagai pola permintaan normal sebelum menyusun forecast penjualan.
3. Susun Baseline Forecast
Baseline forecast adalah perkiraan awal berdasarkan data historis, tren musiman, dan pola penjualan. Angka ini menjadi dasar objektif sebelum masukan bisnis ditambahkan.
4. Tambahkan Intelijen Pasar dan Promo
Tambahkan informasi seperti promo, perubahan harga, pembukaan channel, atau peluncuran produk. Langkah ini membuat forecast lebih sesuai dengan kondisi pasar saat ini.
5. Jalankan Demand Review
Demand review mempertemukan sales, marketing, dan supply chain untuk menyepakati angka permintaan. Sales membawa informasi pelanggan, marketing rencana kampanye, dan supply chain menilai kemampuan pasokan.
6. Kunci Consensus Plan
Consensus plan adalah angka permintaan yang sudah disepakati lintas divisi. Rencana ini menjadi acuan bersama untuk supply, procurement, produksi, dan finance agar keputusan tetap selaras.
Data yang Wajib Tersedia Sebelum Demand Planning Berjalan
Perusahaan perlu memastikan beberapa data utama sudah tersedia sebelum menyusun demand plan. Tabel berikut merangkum data yang paling penting.
| Jenis data | Isi data | Fungsinya |
|---|---|---|
| Data penjualan | Penjualan per SKU, cabang, channel, dan periode. | Membantu melihat pola permintaan dari waktu ke waktu. |
| Master data produk | Kode SKU, nama produk, kategori, satuan, dan lokasi gudang. | Mencegah data produk terpecah atau terbaca ganda. Pembahasan lanjutnya bisa dibaca di artikel inventory accuracy. |
| Data promo dan harga | Jadwal promo, diskon, perubahan harga, dan campaign penjualan. | Membantu membedakan permintaan normal dan lonjakan karena promo. |
| Data stok | Stok tersedia, stockout, retur, dan pergerakan barang. | Mencegah penjualan rendah salah dibaca sebagai turunnya permintaan. |
| Data supply | Lead time supplier, kapasitas produksi, dan jadwal pembelian. | Membantu memastikan rencana permintaan masih bisa dipenuhi. |
Metrik Akurasi Demand Planning
Metrik akurasi membantu perusahaan menilai apakah demand plan sudah mendekati permintaan aktual. Dengan metrik ini, tim bisa melihat produk mana yang sering meleset dan apakah forecast cenderung terlalu tinggi atau terlalu rendah.
1. MAPE
MAPE atau Mean Absolute Percentage Error mengukur rata-rata persentase kesalahan forecast dibandingkan permintaan aktual. Semakin kecil nilai MAPE, semakin dekat forecast dengan permintaan sebenarnya.
MAPE = rata-rata dari |aktual – forecast| / aktual x 100%
- Aktual: jumlah permintaan atau penjualan sebenarnya.
- Forecast: jumlah permintaan yang diperkirakan sebelumnya.
- |aktual – forecast|: selisih mutlak antara angka aktual dan forecast.
2. WMAPE
WMAPE atau Weighted Mean Absolute Percentage Error mengukur kesalahan forecast dengan memberi bobot lebih besar pada produk bervolume tinggi. Metrik ini cocok untuk bisnis dengan banyak SKU karena kesalahan pada produk utama biasanya lebih berdampak.
WMAPE = total |aktual – forecast| / total aktual x 100%
- Total aktual: jumlah seluruh permintaan atau penjualan aktual.
- Total |aktual – forecast|: total selisih mutlak dari semua produk atau periode.
- Persentase akhir: tingkat kesalahan forecast secara keseluruhan.
3. Forecast bias
Forecast bias menunjukkan apakah forecast lebih sering terlalu tinggi atau terlalu rendah dibandingkan permintaan aktual. Jika forecast terlalu tinggi, perusahaan berisiko overstock, sedangkan forecast terlalu rendah bisa menyebabkan stockout.
4. Forecast Value Added
Forecast Value Added atau FVA digunakan untuk menilai apakah penyesuaian manual dari tim benar-benar membuat forecast lebih akurat. Jika penyesuaian justru membuat angka makin meleset, proses review perlu diperbaiki.
5. Benchmark akurasi menurut tipe produk
Setiap tipe produk perlu target akurasi yang berbeda karena pola permintaannya tidak sama. Produk fast moving biasanya perlu akurasi lebih ketat karena berdampak langsung pada service level, stok, dan fill rate.
| Peran | Tanggung jawab | Contoh keputusan |
|---|---|---|
| Supply chain | Menggabungkan data, menyusun demand plan, dan menjaga proses review | Menentukan baseline forecast dan skenario stok |
| Sales | Memberi masukan dari pelanggan, pipeline, dan channel penjualan | Menyesuaikan forecast untuk pelanggan besar |
| Marketing | Memberi rencana promosi, campaign, dan peluncuran produk | Menandai periode lonjakan akibat promo |
| Finance | Menilai dampak rencana terhadap budget, cash flow, dan margin | Menyetujui pembelian stok tambahan |
| Manajemen | Mengambil keputusan jika demand dan supply tidak seimbang | Memilih prioritas produk, channel, atau pelanggan |
Kesalahan yang Membuat Demand Planning Meleset
Dengan mengetahui sumber masalahnya, tim bisa memperbaiki proses secara bertahap, mulai dari membaca data historis hingga mengevaluasi forecast.
1. Hockey Stick di Akhir Bulan
Hockey stick terjadi ketika penjualan melonjak di akhir bulan karena dorongan target, lalu dianggap sebagai permintaan normal. Pisahkan penjualan tersebut agar forecast berikutnya tidak terlalu tinggi.
2. Phantom Demand akibat Stockout
Phantom demand terjadi saat penjualan terlihat rendah karena stok kosong, padahal permintaan tetap ada. Tandai periode stockout agar tidak terbaca sebagai penurunan permintaan.
3. Kanibalisasi Antar Promo
Kanibalisasi terjadi ketika promo satu produk mengurangi permintaan produk lain dalam kategori yang sama. Catat periode dan jenis promo agar perubahan sementara tidak dianggap sebagai tren permanen.
4. Sales Forecast Dipakai sebagai Target
Kesalahan terjadi ketika forecast mengikuti target penjualan, bukan estimasi permintaan yang realistis. Pisahkan target komersial dan forecast operasional agar stok tidak disiapkan berdasarkan ambisi semata.
5. Forecast Tidak Pernah Dievaluasi Ulang
Forecast yang tidak dievaluasi membuat kesalahan terus berulang. Bandingkan forecast dengan aktual secara rutin dan catat penyebab selisihnya agar hasil berikutnya lebih akurat.
Penerapan Demand Planning per Industri
Contoh berikut membantu melihat bagaimana konsep demand planning diterapkan dalam pekerjaan sehari-hari. Fokusnya adalah proses operasional agar perusahaan lebih mudah menyesuaikan stok, supply, dan produksi dengan permintaan pasar.
1. Retail dan FMCG
Pada retail dan FMCG, demand planning membantu menentukan stok toko, gudang pusat, dan replenishment karena pergerakan barang biasanya cepat. Produk fast moving perlu dipantau lebih sering, sedangkan produk musiman perlu rencana stok yang jelas agar tidak menumpuk setelah periode puncak selesai.
2. Distribusi
Pada bisnis distribusi, demand planning membantu membaca permintaan berdasarkan pelanggan, area, channel, dan jadwal pengiriman. Pemisahan data sell-in dan sell-out penting agar perusahaan tidak salah mengira barang sudah terserap pasar, padahal stok masih tertahan di jaringan distributor.
3. Manufaktur
Pada manufaktur, demand planning membantu menentukan jadwal produksi, kebutuhan bahan baku, dan kapasitas mesin. Jika ingin membaca pola permintaan yang lebih kompleks, perusahaan juga bisa mempelajari pendekatan prediktif melalui artikel AI demand planning.
Optimasi Demand Planning dengan Software Procurement
Demand planning sulit berjalan jika data penjualan, stok, pembelian, dan gudang masih tersebar. Karena itu, perusahaan membutuhkan sistem yang menyatukan data agar kebutuhan stok dan replenishment lebih mudah dipantau.
Fitur software yang membantu demand planning:
- Pemantauan stok secara real-time di banyak gudang dan cabang.
- Pengaturan minimum stock, reorder point, dan kebutuhan replenishment.
- Pencatatan pergerakan barang masuk, keluar, transfer, dan retur.
- Integrasi data inventory dengan penjualan, pembelian, dan produksi.
- Laporan stok dan histori transaksi untuk membantu analisis permintaan.
Dengan Software Procurement Total ERP, perusahaan dapat mengelola data pembelian dan kebutuhan stok secara lebih terpusat. Tim pun bisa mengambil keputusan stok, pembelian, dan distribusi dengan dasar data yang lebih jelas.
Kesimpulan
Demand planning adalah proses menyusun rencana permintaan yang menggabungkan data historis, kondisi pasar, rencana promo, stok, dan masukan lintas divisi. Proses ini membantu perusahaan mengurangi risiko stockout, overstock, dan keputusan supply chain yang tidak selaras.
Agar berjalan baik, demand planning membutuhkan data yang rapi, review rutin, metrik akurasi, dan kepemilikan angka yang jelas. Perusahaan yang mengukurnya secara konsisten akan lebih mudah memahami apakah rencana permintaan benar-benar membaik dari waktu ke waktu.
FAQ tentang Demand Planning
Horizon ideal bergantung pada jenis bisnis dan lead time supply. Banyak perusahaan memakai horizon 3 sampai 12 bulan agar cukup untuk pembelian, produksi, dan distribusi. Produk musiman atau barang impor biasanya membutuhkan horizon lebih panjang.
Bisa, tetapi akurasinya perlu dipantau lebih ketat. Jika data historis masih pendek, perusahaan dapat memakai data produk sejenis, masukan sales, rencana promo, dan review mingguan sebagai pengganti sementara.
Supply chain biasanya memimpin proses demand planning karena hasilnya dipakai untuk stok, pembelian, dan produksi. Namun, sales dan marketing tetap harus memberi masukan karena mereka paling dekat dengan pelanggan dan aktivitas pasar.
Forecast sebaiknya direvisi secara rutin, minimal setiap bulan. Untuk produk fast moving, promo besar, atau kondisi pasar yang berubah cepat, review mingguan bisa lebih tepat agar rencana stok tidak terlambat menyesuaikan.
Spreadsheet masih cukup untuk bisnis dengan SKU sedikit, lokasi terbatas, dan perubahan permintaan yang tidak terlalu cepat. Software mulai dibutuhkan ketika data tersebar di banyak cabang, jumlah SKU besar, proses approval panjang, atau keputusan stok harus dipantau real-time.
