Erwartungen an die Servicequalität, Produkte und die Belieferung steigen – und Konsumgüterunternehmen versuchen mitzuhalten und mitzuwachsen. Das veränderte Kaufverhalten treibt vor allem das Multi-Channel-Marketing und Programme voran, die sich direkt an den Verbraucher wenden. Die Jagd nach Erträgen führt zu neuen Produkten und Produktkonfigurationen, wachsenden Produkt-Portfolios, einer zusätzlichen „Long-Tail“-Nachfrage und Nachfragevolatilität. Die Synchronisierung der Nachfrage und die Optimierung der Supply-Chain vom Konsumenten zum Hersteller sind somit zunehmend schwieriger.

Diese neue Umgebung führt zu größeren Produkt-Portfolios. Das Risiko zur Produktveralterung steigt und die Bedarfsplanung und -prognose werden komplexer.

Neue Produktkonfigurationen und die „Long-Tail“-Nachfrage erhöhen das Risiko für Prognosefehler. Nachfragemodellierende Einflüsse (Medien, Werbeaktionen, Produktentwicklung) und das Kaufverhalten im Internet machen das Ganze noch komplexer. Die Lieferkettenplanung ist zerstreuter – mit mehreren Kanälen und konkurrierenden Zielen, die es zu berücksichtigen gilt. In einigen Unternehmen hat sich die Prognosegenauigkeit daher bereits verringert. Viele Unternehmen sind auf der Suche nach Antworten: Wie kann der Bedarf für Online-Verkäufe prognostiziert werden? Wie sollte der Bestand am besten organisiert sein? Wie sollte der Sicherheitsbestand gehandhabt werden? Sollten wir Bestände zwischen verschiedenen Kanälen aufteilen?

Viele Unternehmen reagieren bereits auf die Notwendigkeit nach einem automatisierten Entscheidungsprozess und wollen die Produktivität von Planern steigern. Einige fragen sich sogar, warum sie so viele Planer mit Routineaufgaben beschäftigen, die keinen Mehrwert generieren. Und ob gerade das ihr Unternehmen davon abhält, ein höheres Planungsniveau zu erreichen.

Die gute Nachricht ist, die meisten Unternehmen verfügen bereits über die nötigen Daten, um erhebliche Verbesserungen in ihrer Lieferkette zu erreichen. Ihnen fehlt es lediglich am richtigen Werkzeug zur Umsetzung. ToolsGroup hilft Herstellern in der Konsumgüterindustrie dabei, bessere Nachfragesignale mit weniger Nebengeräuschen zu erzeugen, um so die Prognose, den Bestand und das Serviceniveau zu verbessern.

  • Die Nachfragemodellierung (Demand Modelling) kann die „Long-Tail“-Vorhersage enorm verbessern. Wahrscheinlichkeitsbasierte Prognosetechniken bewältigen eine diskontinuierliche Nachfrage und externe Faktoren, die den Bedarf beeinflussen.
  • Machine Learning und Nachfrageanalysen (Demand Analytics) modellieren Marketingdaten zuverlässig und unterstützen dadurch die Erstellung einer marktorientierten Prognose.
  • Demand Sensing verwendet Verkaufs- oder Kanaldaten, um kurzfristige Änderungen zu erkennen. Es ist in der Lage, Einflüsse wie Werbeaktionen, Social Media oder wirtschaftliche Faktoren zu identifizieren, die Frühwarnsignale für potenzielle Probleme liefern können.
  • Zusammenarbeit bei Nachfrage und Belieferung (Demand & Supply Collaboration), ermöglichen eine Zusammenarbeit zwischen internen Teilnehmern und Vertriebs- und Lieferpartnern in Echtzeit.
  • Die Optimierung von Supply-Chain und Multi-Echelon-Beständen (Multi Echelon Inventory Optimization) stellt sicher, dass die Servicegrade und die jeweiligen Bestandsrichtlinien aller Produkte den optimalen Service in einem mehrkanaligen Netzwerk garantieren.
  • S&OP wägt Belieferung und Nachfrage mit Bezug auf Budgets ab, identifiziert Ungleichgewichte bei Kosten und Beständen und erstellt multiple Szenarien durch Was-Wäre-Wenn-Analysen entlang einer komplexen Supply-Chain.

Unsere Kunden erreichen typischerweise folgende Kennzahlen:

10-20%
Verringerung bei Prognosefehlern
10-30%
Verringerung bei entgangenen Verkäufen
10-30%
Verringerung der Produktobsoleszenz
KUNDENFALLSTUDIE

Granarolo

In einem Umfeld, das von kurzen Haltbarkeitszeiten und starkem Werbedruck geprägt ist, musste Granarolo Bestände optimal managen und dabei Nachfrage, Vertrieb und Produktion transparent halten. Granarolo führt jährlich tausende Werbeaktionen durch – das sind 34.000 Werbeartikel-Prognosekombinationen. Die dadurch verursachten Nachfragespitzen sind 30-Mal höher als Handelsumsätze. Diese Bedingungen erfordern ein optimiertes Bestandsmanagement und eine bessere Reaktionsfähigkeit.

 

Um wichtige Werbeaktionen zu verwalten und Nachfragespitzen richtig einzuschätzen, hat Granarolo das innovative Promotions Forecasting von ToolsGroup eingeführt, das mithilfe von Machine Learning und historischer Daten zuverlässige Schätzungen für zukünftige Werbeaktionen erstellt. ToolsGroup Promotions Forecasting generiert basierend auf früheren Werbeaktionen automatisch Angebote, die mit den Werbespitzen übereinstimmen. Das System schlägt dynamische Sicherheitsbestände vor, die die Genauigkeit der Vorhersagen für jede Produktklasse und die Nachschubhäufigkeit berücksichtigen, damit Granarolo angesichts der sich ändernden Nachfrage hohe Servicgrade aufrechterhalten kann.

 

Granarolo erhöhte die durchschnittliche Prognosezuverlässigkeit von 80 auf 85 Prozent, mit einem Spitzenwert von rund 95 Prozent bei frischer Milch und Sahne und 88 Prozent bei Joghurt und Desserts. Die Lagerbestände reduzierten sich um mehr als 50 Prozent, Kapitalbindung und Lead Time wurden halbiert. Dank Reduzierung der Lieferzeit um 50 Prozent sind die Produkte von Granarolo frischer und veraltete Bestände können minimiert werden. Darüber hinaus hat Granarolo Servicegrade verbessert, der Umsatz ist gestiegen und die Transportkosten sind gesunken.

5pp
Verbesserung der Prognose
50%
Reduzierung im Bestand

Dank ToolsGroup konnten wir den gesamten S&OP-Prozess viel effizienter und mit viel mehr Anwendern als bisher standardisieren und zentralisieren. Die Kombination einer führenden Systemkomponente mit leistungsstarken Algorithmen und einer einfach zu bedienenden Webschnittstelle für die Zusammenarbeit mit unseren europäischen Vertriebsteams schöpft das volle Potenzial aus, um vollständig nachfrageorientiert zu arbeiten.

Ibrahim Cebban, Supply Chain Manager Europe

Melitta

Relevante Ressourcen

BLOG

Supply Chain Planning for Direct-To-Consumer

ERFOLGSGESCHICHTEN

Thule Fallstudie

ANALYSTENBERICHTE

Nucleus Research Report – 7 Steps to Pick The Right IO Tool