撰写者 凌晨3:16 需求驱动, 卓越供应链

跨越大鸿沟

 

那是亚特兰大炎热的一天。驾驶室中的温度闷热。那种日子让你感觉像在人行道上的油脂点。当我忙于穿过空调大厅,过去的接待处时,直到我坐在首席财务官会议室的深皮椅子上时才屏住呼吸,我试图下定决心。但是,被问到的问题没有一个简单的答案。我当时在热议席上。

首席财务官鲍勃(Bob)在会议上致辞:“我们的SAP实施非常昂贵。我知道我们需要它,但是我正在尝试获得投资回报(ROI)。我认为我可以通过使用零售销售点(POS)数据来改善预测和补货来提高ROI。其他人如何使用POS数据?”

我用力吞咽了。这个问题没有一个简单的答案。大多数公司都在努力回答相同的问题。该公司已经建立了一个用于需求数据的存储库,并希望将其插入到SAP APO中,但是我知道它并不是那么简单。我回答说:“您不能从这里到达那里。客户团队无法使用存储库中的数据将其插入APO,这有以下三个原因:可伸缩性,粒度和可用性。而且,我开始给他讲一个故事。”

故事:我们有一些拼图块不匹配

好消息是,零售商对零售数据的共享正在增加,并且数据比以往任何时候都更干净,更精细。对于大多数消费品制造商而言,每周有40-60%的渠道可作为每日收到的数据。

坏消息是POS技术被过度炒作和令人困惑。在2009年第四季度,在北美市场上出售了72个下游数据存储库实例。每个公司通常以不止一种的价格出售,有时在同一个客户团队中出售不止一种技术。在品牌制造商的技术生态系统中拥有4-6种不同的技术来管理POS并不少见。

下游数据存储库供应商的市场竞争激烈,人满为患。为了提高市场定位,一些技术提供商已对其产品进行了预测。这些公司对帐户级别和公司级别预测之间的差异了解很少。至少,它会因关注点(短期还是长期),数据模型和统计预测的深度而异。 (帐户级别的预测是短期的(0-8周),公司的预测是长期的预测。平均而言,长期的公司预测过程使用需求数据来预测0-78周的时间)。

同样,超过80%的市场都有用于企业预测的高级计划系统(APS)。大多数公司都采用APS来按月或每周根据数据(发货或订单)对发货进行建模。传统的APS技术还使用基于规则的消耗来将预测划分为每日目标(通常称为“存储桶”以推动补给)。问题在于,基于规则的补给永远是不正确的。而且,POS数据需要运抵或市场驱动的预测数据模型(由内而外)。

客户团队中的数据用于每周预测和补货。它是隔离的,很少集成,可用于临时分析。很少有公司想出如何在公司级别进行全球计划,以便在销售客户团队级别上更深入地了解情况。同样,数据需要双向流动,以使客户团队能够感知需求,从而发现机会,通过基于拉动的补货来提高销售,通过需求编排最小化成本,并减少渠道和公司库存。如今,有98%的公司没有同步的需求信号,这不像将POS数据插入APO那样简单。花费的不止于此。要使用POS数据和驱动器最大值,您必须跨越大鸿沟。

答案:就像跨越大鸿沟

需求数据是贯穿整个公司的生命之河。有很多(而不仅仅是一个)流 要求利用数据。

大分水岭是一个山区的名字,形成了一个分水岭的水文分界。例如,美国的大陆性鸿沟将排入太平洋的分水岭与排入大西洋的河流系统分隔开来。

同样,预测是上市过程和供应方过程之间的巨大鸿沟。这是一个艰难的过程-每个公司对它的定义都有一些不同-很少有公司对他们拥有的东西完全满意。在需求波动的时代,需求错误是企业最大的风险,它经常引起争议。为了成功实现POS数据集成,您需要两个层次结构:一个需求层次和一个供应层次结构。大多数公司只有一个:供应层次结构。因此,它们无法跨越巨大的鸿沟,也无处放置POS数据进行建模。

好的预测过程始于最终目标。每个功能都有不同的目标。

让我们来看看历史。当您阅读此提要时,很明显,目标已经改变,数据输入的选择得到了改善,流程正在重新定义,以从以供应为重点的预测过渡到以需求为导向的流程。这是一个由内而外(基于装运和订单的供应方建模)向由内而外的预测过程(基于下游数据的需求方建模)的转变,以关注市场驱动力。

预测供应

在1990年代,即供应链管理的发展过程中,新的预测系统回答了两个有关供应的问题:

制造业应该做什么?

我们应该在仓库中存放什么以改善客户服务?

这些优化引擎使用订单和货运来基于历史记录生成对未来的预测。

在1990年代后期,围绕一项共同计划增加了内部协作流程,以协调销售,营销,财务,制造和供应链。有一种假设是,当事方可以提供公正,准确的输入,并且可以构成跨职能的水平桥梁。该假设被证明是错误的。为了改善预测,在2005-2010年期间增加了共识预测中的偏见和错误责任。

预测需求

在2000年至2010年期间,销售客户团队的短期预测(持续时间为每周1-8周的每周/每日预测)成为零售商的期望。结果,客户团队开始使用供应商管理的库存(VMI)程序的销售点数据进行预测,以回答“零售商将出售什么?”的问题。随着这些客户团队的激增(普通消费产品团队仅在北美就有22个客户团队),并且销售点数据呈指数增长,公司开始自问以下问题:

如何将这些客户团队预测与公司需求计划联系起来?我如何最好地利用不断增长的销售点数据来改善公司预测?

此数据通常在客户团队中是隔离的。

难题

传统的APS体系结构不支持公司预测和客户团队预测的直接连接。同样,在公司预测中直接使用销售点数据也可能会出现问题。公司没有用于总体规划和在客户团队级别执行的总体需求管理架构。为了实现这一点,需要发生七件事:

  1.  Change hierarchies. 必须重新实施公司预测,以基于市场驱动力对发货方关系进行建模。层次结构需要具有帐户级别的粒度,以确保建模的灵活性。
  2.  评估技术是否合适。 必须访问优化引擎对下游数据建模的拟合度,以确定优化引擎的最佳拟合度和可伸缩性。这通常是重新实现。
  3. 建立流程治理。  需要在客户团队和公司计划人员之间建立治理模型。客户团队通常会为短期预测拥有该账户的自下而上预测,并将这些数字输入到公司计划中。另一种选择是将短期预测作为指标纳入模型。指标基于对多个需求流的预测。然后通过比较指标来触发警报。
  4. 消除基于规则的预测消耗。  转到每日统计预测以确定基于拉动的信号。使用下游数据获得了最大的回报。
  5. 将纪律灌输给共识预测。  将偏差和错误责任制插入共识预测中。
  6. 持久性和数据所有权。  需求预测过程需要一个持久层和一个数据所有者。随着POS从每周一次的每周数据共享变为每天一次的每日数据共享,数据量呈指数增长,此要求的重要性日益提高。
  7. 需求翻译和需求编排:  要在“大鸿沟”的分水岭上转换需求数据,请重点关注需求转换和需求编排流程的定义。需求转换是将发货或市场驱动的层次转换为供应层次的过程。这需要对混合,供应能力和运输类型/特性有深入的了解。需求编排是将需求预测从供应方层次推回到需求方层次结构以分析并最大化机会的过程。这些假设分析可评估需求调整对公司机会的影响,这些因素包括销售激励,营销计划,新产品发布,促销,价格管理和库存过时计划。

所以,现在您知道我在亚特兰大炎热的那一天在首席财务官的公告板上给出的答案了。我的层次结构并没有画得那么漂亮,而且董事会里到处都是涂鸦。这是一次深入的讨论,但最后,他感谢了我。

因此,net / net,POS数据共享是一个巨大的机会,但它不仅需要通过传统的预测系统泵送POS数据。处理此定义时,请记住以下几点很重要:

  1. 一种数字预测是骗局。  不要雇用任何试图说服您为此而努力的咨询。相反,应将重点放在通用计划上,即必须基于需求转换和需求编排来同步数据。
  2. 需求转换需要基于运营策略。  清楚点花时间为您的公司制定正确的策略,以将公司财务预测,公司市场驱动和供应预测结合在一起。如果您的策略是需求驱动的,则市场驱动的预测模型可以驱动计划。该预测的输出是公司财务预测的输入,但是市场驱动的预测永远不会受到财务预测的约束。供应预测是基于基于模型的需求转换从市场驱动的预测中填充的。
  3. 确保有纪律。  许多公司在制定以市场为导向的预测时都犯了错误,他们认为他们只能问销售他们将要出售什么。错误。这是一种销售驱动的方法,而不是市场驱动的方法。根据定义,销售组织是由COIN经营的。他们按奖金和佣金支付,他们的预测天生就有偏差。在制定以市场为导向的预测时,应关注市场驱动因素。花点时间做对。

好消息是,首席财务官让我完成了整个故事。他喜欢大陆鸿沟的比喻。需求层次结构就像具有不同分水岭的山脉。需求翻译是它们之间的路径。

你怎么看?您想分享有关卓越需求的故事吗?您会告诉CFO什么?

<请原谅这篇文章的长度。这是一个经常问到的复杂概念,我认为应该得到详细的答案。>