Diese Umgebung führt dazu, dass größere Produkt-Portfolios gemanagt werden müssen, das Risiko von Obsoleszenzen steigt und dass der Aufwand zur Bedarfsplanung und zur Bedarfsprognose komplexer wird.
Neue Produktkonfigurationen und Long-Tail Nachfrage erhöhen die Prognosefehler. Einflüsse wie Nachfragemodellierung (Medien, Werbeaktionen, Produktentwicklung) und das Kaufverhalten im Internet vervollständigen das Bild. Die Lieferkettenplanung teilt sich entlang mehrerer Kanäle und sich konkurrierender Ziele auf. In einigen Unternehmen hat sich die Genauigkeit der Prognosen verringert.Viele Unternehmen sind auf der Suche nach Antworten auf Fragen wie: Wie kann die Nachfrage bei dem Online-Verkäufen prognostiziert werden? Wie soll der Bestand dafür organisiert werden? Wie viel Lagerbestand des Vertriebszentrums soll als Vorrat versendet werden? Sollten wir Lagerbestände zwischen den Kanälen teilen?
Und viele Unternehmen beginnen damit auf die Notwendigkeit den Entscheidungsprozess zu automatisieren zu reagieren, dadurch wird die Rolle der Planer produktiver. Einige fragen sich sogar warum sie Heerscharen von Planern beschäftigen. Und ob ein Aufwand ohne Mehrwert sie davon abhält ein höheres Planungsniveau zu erreichen?
Die gute Nachricht ist: die meisten Hersteller von Konsumgütern verfügen bereits über die Daten die sie benötigen, um erhebliche Verbesserungen in ihrer Supply-Chain zu erreichen. Ihnen fehlen nur die Werkzeuge, um dies zu erreichen. ToolsGroup hilft Kosumgüterunternehmen mehr Signale mit weniger Nebengeräuschen zu erzeugen, um Prognose, Lagerbestand und Service-Level zu verbessern.
- Die Nachfragemodellierung kann die Long-Tail-Vorhersage enorm verbessern. Wahrscheinlichkeitsbasierte Prognosetechniken bewältigen diskontinuierliche Nachfrage und externe Faktoren die den Bedarf beeinflussen.
- Maschinelles Lernen und Nachfrageanalysen modellieren Marketingdaten zuverlässig und unterstützen dadurch die Erstellung einer Markt-orientierten Prognose.
- Das Demand Sensing verwendet POS- oder Kanaldaten, um kurzfristige Änderungen zu erkennen. Es in der Lage beiläufige Einflüsse wie Werbeaktionen sowie Faktoren aus den Sozialen Medien oder aus wirtschaftlichen Daten, die ein Frühwarnsignal für potenzielle Probleme sein können zu erkennen.
- Zusammenarbeit bei Nachfrage und Belieferung, ermöglichen eine Zusammenarbeit in Echtzeit zwischen internen Teilnehmern im Unternehmen auf der einen Seite und den Vertriebs- und Lieferpartnern auf den anderen Seite.
- Die Optimierung der Supply-Chain und der Multi-Echelon Bestände (MEIO) stellt sicher, dass der Service-Level aller Produkte und die Bestandsrichtlinien den optimalen Service in einem mehrkanaligen Netzwerk bereitstellen.
- S&OP balanciert Belieferung und Nachfrage gegenüber den Budgets aus, identifiziert Ungleichgewichte bei Kosten und Lagerbeständen und erstellt multiple Szenarien durch WENN-Analysen entlang einer komplexen Supply-Chain.
Unsere Kunden erreichen typischerweise folgende Kennzahlen:
- 10-20%Verringerung bei den Prognosefehlern
- 10-30%Verringerung bei den entgangenen Verkäufen
- 10-30%Verringerung bei der Produktobsoleszenz
Lösungen für Konsumgüter:
KUNDENFALLSTUDIE
Granarolo
Granarolo, ein Marktführer in der Molkereibranche wurde durch seine Produkte mit kurzer Haltbarkeit und einem hohen Druck im Bereich des Promotion-Marketings stark gefordert. Sie betreiben jährlich tausende Werbeaktionen, erstellen 34.000 Kombinationen von Artikel-Werbeaktionsprognosen und unterliegen Bedarfsspitzen die zum Teil das 30-fache der Grundnachfrage betragen können. Ihr komplexes Vertriebsnetzwerk (sechs Logistikplattformen, 35 Transitlager und eine große Flotte von hunderten Kühlfahrzeugen) erforderten ein optimiertes Bestandsmanagement und die Fähigkeit zur schnellen Reaktion um die Kunden Service-Level, unter Berücksichtigung aller logistischen Beschränkungen, zu maximieren.
Mit ToolsGroup erstellte Granarole einen sehr zuverlässigen Nachfrage- und Lieferplan für ihre verderblichen Produkte. Kern ihrer Lösung war die Fähigkeit Werbeaktionen zu prognostizieren und die erwarteten Spitzen korrekt vorherzusagen. ToolsGroups Software zur Prognose für Werbeaktionen verwendet Maschinelles Lernen, um Spitzen die durch Werbeaktionen verursacht werden automatisch vorherzusagen und dynamische Sicherheitslagerbestände vorzuschlagen, damit im Falle von geänderter Nachfrage hohe Service-Level herhalten bleiben.
Granarolo steigerte seine durchschnittliche Vorhersagezuverlässigkeit von 80 auf 85 % und steigerte gleichzeitig seine Absätze. Lagerbestände wurde um mehr als die Hälfte reduziert, dadurch wurden der Kapitalaufwand und die Lieferzeit um die 50 % verringert. Durch die Verringerung der Lieferzeit konnte Granarolo auch die Frische seiner Produkte erheblich steigern (Resthaltbarkeit am Point-of-Sale) und die Obsoleszenz minimieren. Granarolo verringerte die Transportkosten, die durch Expresslieferungen entstanden sind.
- 5ppSteigerung in der Prognosezuver- lässigkeit
- 50%Reduzierung des Inventarlevels
Mit dem Vorteil von zuverlässigen und aktuellen Daten können wir den Lagerbestand auf eine vollständig andere Art und Weise behandeln. Die Planer finden es befriedigenderer und haben sogar Spaß bei der Arbeit mit diesen Daten, da sie wissen, die Daten werden irgendwo eingesetzt und sie erhalten ein sofortiges Feedback. Darüber hinaus müssen Sie nicht ihre gesamte Zeit für die manuelle Bewältigung der Zahlen aufwenden und können sich wertvolleren Aufgaben widmen.
Erik Börtemark, Supply Chain Director bei Findus Sweden AB