планирования спроса в компании EFES · 2018-06-08 · 7....
Transcript of планирования спроса в компании EFES · 2018-06-08 · 7....
Использование решения SAP IBPдля планирования спроса вкомпании EFES®
АО «Пивоварня Москва-Эфес», г. Москва
Отрасль: Товары широкого потребления
Выручка: 500 млн евро
www.efesrussia.ru
Персонал: 5500+ человек
Товары и услуги: Производство и продажа пива
Решения: SAP IBP for Demand®
О компании
§ Процесс планирования спроса выполнялсяв электронных таблицах
§ Интегрированный сбор данных из исходныхсистем не поддерживался
§ Наиболее детальные прогнозы строились науровне «Бренд» - «Регион». Дезагрегироватьданные в электронных таблицах было оченьсложно
§ Требовалась поддержка интеграции данныхVolume Building Blocks© в финальный прогноз.Этот процесс выполнялся вручнуюв электронной таблице
До: проблемы и возможности Почему SAP?
§ Единая интегрированная платформадля поддержки процесса планирования спроса
§ Экспертная служба, которая помоглаосуществить эффективное внедрениевсего за восемь месяцев
§ Локальный центр обработки данных в Россиидля размещения облачных решений
§ Решение позволило создать интегрированныйпроцесс сбора данных из исходных системи полуавтоматической очистки данных
§ SAP IBP for Demand позволяет обрабатывать огромныеобъемы данных. Поддерживается большая детализацияданных, чем планировалось изначально — на уровне склада /канала / товарной единицы
§ Было проведено сравнение окончательного прогнозаспроса с ожиданиями AC Nielsen и средним объемомреализации для активной клиентской базы
§ Все особые требования Эфес были реализованы в решении
§ Точность прогнозирования на предыдущем низкомуровне (клиент / регион) улучшилась на 6 п. п.*после 1го месяца работы. (*данные по каналу TT)
После: Результаты,ориентированные на прибыль
Более чем в 20 развозросла детализация данныхпри окончательном планировании спроса
Улучшениепроцессов сбора данных, очисткиданных и подготовки прогноза
8 месяцевот планирования до вводав эксплуатацию
~ 20%снижение трудозатратпри планировании спроса
6 п.п.улучшение точности прогноза толькопо каналу TT после 1го месяца работы
Расширениевозможностей управленияпроцессами в цепочке поставок
Предпосылки
История проектаВ Компании был формализован и апробирован на практике бизнес-процесс планирования спроса, который включал следующие шаги:
1. Подготовка базового прогноза спросас применением методов анализа временных рядов
2. Оценка и формирование uplifts продаж и маркетинга,среди которых:
§ Учет влияния на прогноз вывода на рынок новинок,в том числе – учет эффекта каннибализации
§ Учет промо-акций в традиционной и современнойрознице
§ Учет планов включения продукции в listing и исключенияиз него
§ Прочие Volume Building Blocks - около 12
Подготовка прогноза
Совещание с отделамимаркетинга и продаж
Проверканепротиворечивости
PreDRM; DRM
Совещание S&OP
3. Планирование осуществлялось на уровне«Канал сбыта» - «Географический дивизион» -«Бренд»
4. Ставилась задача по дезагрегации данныхпланирования спроса до уровня «SKU» – «Бизнес-партнер»
5. Планирование осуществлялось в MS Excel, поддержкаформатов данных осуществлялась вручную силамиподразделения ИТ-поддержки
6. Подготовка данных базы дезагрегации такжеосуществлялось вручную силами подразделения ИТ-поддержки
7. Ставилась задача по дезагрегации данныхпланирования спроса на недельный уровеньи осуществление краткосрочного планирования
Подготовка прогноза
Совещание с отделамимаркетинга и продаж
Проверканепротиворечивости
PreDRM; DRM
Совещание S&OP
• Выполнение DRM: согласование плана• Предоставление обратной связи отделам маркетинга, продаж и финансов• Обновление событий и оценка прогноза• Выполнение детального согласованного плана
• Проведение совещания S&OP• Предоставление обратной связи отделам маркетинга, продаж, финансов и SC• Обновление событий и оценка прогноза• Выполнение детального согласованного плана
Процесс среднесрочного прогнозирования
Подготовка прогноза
Совещание с отделамимаркетинга и продаж
Проверканепротиворечивости
PreDRM; DRM
Совещание S&OP
• Сбор исторических данных• Очистка истории• Создание базового плана• Подготовка базы каннибализации – перечня подобных товаров для новинок и
коэффициентов поглощения
• Сбор данных по маркетингу и продажам• Обновление событий• Определение и оценка влияния
• Консолидация прогнозов• Проверка непротиворечивости• Оценка расхождений с бизнес-данными• Предложение прогноза
• Сбор данных• Очистка истории• Создание базового
плана
• Выбор подобного товара• Сбор данных• Управление
каннибализацией
Стандарт NPD и каннибализация• Сбор данных о событиях• (качественная и
количественнаяинформация)
• Анализ событий
Реклама и мероприятия
• Сбор качественнойи количественнойинформации
• Анализ и альтернативныйпрогноз
Изучение рынка
Глобальная согласованная консолидация
• Анализ договоровс клиентами
• Сбор качественнойи количественнойинформации
Включение в списоки исключение из него
• Сбор качественнойи количественнойинформации
• Анализ и альтернативныйпрогноз
ACB
Качественная и количественная информация
Подготовка прогноза
Совещание с отделамимаркетинга и продаж
Проверканепротиворечивости
PreDRM; DRM
Совещание S&OP
Уровень приложенныхусилий, когда прогноззависит от 6 факторов Прогноз
Цель
Горизонт
Уровеньдетализации
(товар/регион/канал/период)
Типологиятовара
(новинка,промо товар,стандарт)
Классифика-ция SKU /
клиент / канал
Методы
Долгосрочный прогноз:играет роль на стратегическом уровне,на горизонт от 1-3 лет
Среднесрочный прогноз:позволяет конкретизировать цели, определить/управлять ресурсами.на горизонт до 18 месяцев
Краткосрочный прогноз:играет роль для операционного планирования,на горизонт до 16-18 недель
Временные горизонты
1. Возможности MS Excel как средства комплексной автоматизациибизнес-процесса планирования спроса недостаточны
2. Низкая автоматизация базовых процессов требовала большого объемаручного труда по выверке данных смежных подразделений и устраненияошибок человеческого фактора
3. Ограничения MS Excel как вычислительной платформы затрудняли:§ Осуществление дезагрегации§ Архивирование и повторное использование данных прошлых
сессий прогнозирования§ Сценарии и версии§ Управление полномочиями на доступ к данным§ Автоматически формируемая отчетность в различных разрезах
4. Неизбежность автоматизации бизнес -процесса на промышленнойплатформе стала очевидной
Очевидные сложности
Как шел проект
Вехи
11.2016 – 02.2017Выбор платформы и партнера по внедрению
17.02.2017Запуск проекта
02.2017 – 03.2017Семинары по платформе, выяснениебизнес – требований, Fit-GAP-анализ
03.2017-06.2017Прототипирование
07.2017Подготовка к опытно –промышленной эксплуатации
08.2017Первый прогноз
09.2017-10.2017Стабилизация системы
По итогам подготовки прогнозана октябрь 2017 г. подписанприказ о принятии системыв продуктивную эксплуатацию
Дата последнего статусногосовещания 20.10.2017 г.
• Сбор данных• Очистка истории• Создание базового
плана
• Выбор подобного товара• Сбор данных• Управление
каннибализацией
Стандарт NPD и каннибализация
• Сбор данных о событиях(качественная иколичественная информация)• Анализ событий
Реклама и мероприятия
• Сбор качественнойи количественнойинформации
• Анализ иальтернативный прогноз
Изучение рынка
Глобальная согласованная консолидация
• Анализ договоровс клиентами
• Сбор качественнойи количественнойинформации
Включение в списоки исключение из него
• Сбор качественнойи количественнойинформации
• Анализ иальтернативный прогноз
ACB
Процесс среднесрочного прогнозирования
Подготовка прогноза
Совещание с отделамимаркетинга и продаж
Проверканепротиворечивости
PreDRM; DRM
Совещание S&OP
Chain/Channel
PTP / типPTP/GEO SKU
Основные данные:уровни данныхи атрибуты в IBP
Распределительныйсклад
Авторегион / город
Партнер попланированию
Тип партнера
Географическоеподразделениеторговой команды
Типрозничной сети
Канал
Группарозничной сети
Месяц
Год
НеделяСуббренди упаковка
Ценовой сегмент
Бонусный сегмент
SKU
Бренд / упаковка(ON/OFF)
Уровень агрегирования
Chain/Channel
PTP / типPTP/GEO SKU
Основные данные:возможные уровнипостроения и проверкипрогноза
Распределительныйсклад
Авторегион / город
Партнер попланированию
Тип партнера
Географическоеподразделениеторговой команды
Типрозничной сети
Канал
Группарозничной сети
Месяц
Год
НеделяСуббренди упаковка
Ценовой сегмент
Бонусный сегмент
SKU
Уровень агрегирования
дезагрегация
Бренд / упаковка(ON/OFF)
дезагрегация
агрегация
дезагрегация
агрегация
Системная архитектура
Интеграционные потоки:
§ Входящий поток основных данных: SAP BW -> IBP
§ Входящий поток транзакционных данных:история продаж SAP BW -> SAP IBP
§ Входящий поток данных плана промов Modern Trade: Excel (с VBA) -> SAP IBP
§ Исходящий поток транзакционных данных:результаты прогнозирования SAP IBP -> SAP BW
Прототипирование осуществлялось на ограниченном объеме данных:§ 2 самых массовых бренда§ Все регионы/бизнес-клиенты/сети – полная клиентская база
Интеграционное тестирование проводилось в 4 этапа:§ Отработка математики на ограниченном объеме в тестовой среде§ Отработка интеграции на полном объеме в продуктивной среде§ Отработка дезагрегации на полном объеме в продуктивной среде§ Стресс-тест в продуктивной среде
Тестирование
Что в итоге получилось
Chain/Channel
PTP / типPTP/GEO SKU
Основные данные:уровни данныхи атрибуты в IBP
Распределительныйсклад
Авторегион / город
Партнер попланированию
Тип партнера
Географическоеподразделениеторговой команды
Типрозничной сети
Канал
Группарозничной сети
Месяц
Год
НеделяСуббренди упаковка
Ценовой сегмент
Бонусный сегмент
SKU
Бренд / упаковка(ON/OFF)
Уровень агрегирования
Уровень ракурса данных отчета дляDRM-митинга ~ 50 000 записей
Самый детализированный уровень~ 220 000 записей
~ 300
~ 3
~ 7/32
~ 450
~ 4
~ 3/5
~ 42
~ 150
~ 3TT, OT, MT
~ 3NKA, LKA и др.
~ 50Tander, KIB, x5…
и др. LKA
Chain/Channel
PTP / типPTP/GEO SKU
Основные данные:возможные уровнипостроения и проверкипрогноза
Распределительныйсклад
Авторегион / город
Партнер попланированию
Тип партнера
Географическоеподразделениеторговой команды
Типрозничной сети
Канал
Группарозничной сети
Месяц
Год
НеделяСуббренди упаковка
Ценовой сегмент
Бонусный сегмент
SKU
Уровень агрегирования
дезагрегация
Бренд / упаковка(ON/OFF)
дезагрегация
агрегация
дезагрегация
агрегация
Разрешение оставшихсяконфликтов
Процесс планирования спроса: поддержка версий и сценариев
Статистический прогноз IBP и планировщик спроса
Начальный прогноз Планировщик спроса
План без ограничений Планировщик спроса
Согласованный план Планировщик спроса
Проверенный начальный прогноз Менеджер по продажам и маркетингу
Прогноз
Цель
Горизонт
Уровеньдетализации
(товар/регион/канал/период)
Типологиятовара
(новинка,промо товар,стандарт)
Классифика-ция SKU /
клиент / канал
Методы
Наличие встроенныхстатистическихметодов
Наличие прогнозана заданномвременномгоризонте идетализации
Наличие гибкойнастраиваемойсегментации/классификации
Дезагрегированиес разных уровнейпланирования
Спасибо за внимание!