Преобразование процесса планирования спроса в "Пивоварня Москва-Эфес" на SAP IBP for Demand

До: проблемы и возможности

• Процесс планирования спроса выполнялся в электронных таблицах
• Интегрированный сбор данных из исходных систем не поддерживался
• Наиболее детальные прогнозы строились на уровне «Бренд» - «Регион». Дезагрегировать данные в электронных таблицах было очень сложно
• Требовалась поддержка интеграции данных Volume Building Blocks в финальный прогноз.

Этот процесс выполнялся вручную в электронной таблице

Почему SAP?

• Единая интегрированная платформа для поддержки процесса планирования спроса
• Экспертная служба, которая помогла осуществить эффективное внедрение всего за восемь месяцев
• Локальный центр обработки данных в России для размещения облачных решений

После: Результаты, ориентированные на прибыль

• Решение позволило создать интегрированный процесс сбора данных из исходных систем и полуавтоматической очистки данных
• SAP IBP for Demand позволяет обрабатывать огромные объемы данных. Поддерживается большая детализация данных, чем планировалось изначально — на уровне склада / канала / товарной единицы
• Было проведено сравнение окончательного прогноза спроса с ожиданиями AC Nielsen и средним объемом реализации для активной клиентской базы
• Все особые требования Эфес были реализованы в решении
• Точность прогнозирования на предыдущем низком уровне (клиент / регион) улучшилась на 6 п. п. после 1 го месяца работы. (*данные по каналу TT). Улучшение точности прогноза только по каналу TT после 1го месяца работы
  • Более чем в 20 раз возросла детализация данных при окончательном планировании спроса
  • ~ 20% снижение трудозатрат при планировании спроса
  • Улучшение процессов сбора данных, очистки данных и подготовки прогноза
  • 8 месяцев от планирования до ввода в эксплуатацию
  • Расширение возможностей управления процессами в цепочке поставок

История проекта

В Компании был формализован и апробирован на практике бизнес-процесс планирования спроса, который включал следующие шаги:

• Подготовка базового прогноза спроса с применением методов анализа временных рядов
• 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 современной рознице
  • Учет планов включения продукции в listing и исключения из него
  • Прочие Volume Building Blocks - около 12

• Планирование осуществлялось на уровне «Канал сбыта» - «Географический дивизион» - «Бренд»
• Ставилась задача по дезагрегации данных планирования спроса до уровня «SKU» – «Бизнес-партнер»
• Планирование осуществлялось в MS Excel, поддержка форматов данных осуществлялась вручную силами подразделения ИТ-поддержки
• Подготовка данных базы дезагрегации также осуществлялось вручную силами подразделения ИТ-поддержки
• Ставилась задача по дезагрегации данных планирования спроса на недельный уровень и осуществление краткосрочного планирования

Процесс среднесрочного прогнозирования

Подготовка прогноза

• Сбор исторических данных
• Очистка истории
• Создание базового плана
• Подготовка базы каннибализации – перечня подобных товаров для новинок и коэффициентов поглощения

Совещание с отделами маркетинга и продаж

• Сбор данных по маркетингу и продажам
• Обновление событий
• Определение и оценка влияния

Проверка непротиворечивости

• Консолидация прогнозов
• Проверка непротиворечивости
• Оценка расхождений с бизнес-данными
• Предложение прогноза

PreDRM; DRM

• Выполнение DRM: согласование плана
• Предоставление обратной связи отделам маркетинга, продаж и финансов
• Обновление событий и оценка прогноза
• Выполнение детального согласованного плана

Совещание S&OP

• Проведение совещания S&OP
• Предоставление обратной связи отделам маркетинга, продаж, финансов и SC
• Обновление событий и оценка прогноза
• Выполнение детального согласованного плана

Очевидные сложности

• Возможности MS Excel как средства комплексной автоматизации бизнес-процесса планирования спроса недостаточны
• Низкая автоматизация базовых процессов требовала большого объема ручного труда по выверке данных смежных подразделений и устранения ошибок человеческого фактора
• 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

• Неизбежность автоматизации бизнес -процесса на промышленной платформе стала очевидной

Вехи проекта

Процесс среднесрочного прогнозирования

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 промо в Modern Trade: Excel (с VBA) -> SAP IBP
• Исходящий поток транзакционных данных: результаты прогнозирования SAP IBP -> SAP BW

Тестирование

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

Итог проекта

• По материалам презентации "Преобразование процесса планирования спроса в одной из крупнейших пивоваренных компаний России с решениями SAP IBP for Demand" на SAP Forum 2018 года