Referenzen /

SAS Austria
Mariahilfer Straße 116
A-1070 Wien
www.sas.com/austria

Referenzen

DruckversionDruckversionPDF PDF

Referenzen

 

Immer frische Produkte im Supermarktregal

Optimale Produktverfügbarkeit am Point of Sale durch SAS® Forecasting

Eine Milliarde Produkte. Pro Tag. Diese Zahl macht deutlich, in welchen Dimensionen sich das Geschäft von Nestlé abspielt. Die Devise „Good Food, Good Life" setzt der größte Lebensmittelhersteller der Welt mit Produkten in sage und schreibe 10.000 Marken um. Bessere und gesündere Lebensmittel hat sich Nestlé auf die Fahnen geschrieben – und will damit für den Verbraucher ein Stück mehr Lebensqualität schaffen.

Um sicherzustellen, dass von all diesen Produkten immer die richtige Menge im Handel verfügbar ist, setzt Nestlé auf Forecasting mit SAS. Schließlich können sogar die besten Marketing- und Promotionaktionen wirkungslos verpuffen oder sogar schaden, wenn sie beispielsweise dazu führen, dass Kunden plötzlich vor leeren Verkaufsregalen stehen und sie auf eines ihrer Lieblingsprodukte verzichten müssen. Vor diesem Hintergrund kann es also kaum verwundern, dass Nestlé in höchstem Maße daran interessiert ist, seine Lieferkette sehr fein auszusteuern und zugleich seine eigenen Lagerbestände so schmal wie möglich zu halten. Die Planung auf globaler Ebene ist bei einem Unternehmen dieser Größenordnung eine hoch komplexe Angelegenheit, das liegt auf der Hand. Produktkategorien, Verkaufsregionen und die verschiedenen Fachbereiche verweben sich zu einer anspruchsvollen Matrix. Es ist aber auch die Natur des Lebensmittelgeschäfts an sich, die die Unternehmenssteuerung zu einer enormen Herausforderung macht. Saisonalitäten, die Abhängigkeiten etwa von Ernten (und damit vom Wetter), Nachfrageschwankungen und Trends – und auch die Verderblichkeit vieler Produkte erschweren Produktionsplanung und Logis tik. Ein einfaches Beispiel dafür: Speiseeis muss im Voraus produziert werden. Dazu müssen etwa Milchprodukte zu günstigen Preisen verfügbar sein. Die (Tiefkühl-)Lagerung wiederum ist aufwendig und teuer, genau wie die Logistik. Ob, wann und wo das Wetter aber die Nachfrage steigen lässt, ist schwer vorauszusagen.

KPIs im Widerspruch
„Das Supply Chain Management bei Nestlé ist ein äußerst etablierter, unternehmensweit anerkannter Prozess", erklärt Marcel Baumgartner, in der Konzernzentrale weltweit zuständig für Demand Planning Performance and Statistical Forecasting. „Unsere Beschäftigten in diesem Bereich kümmern sich beispielsweise um Transportnetzwerke oder betreiben hocheffi ziente Lagerhäuser, und sie arbeiten direkt an der Schnittstelle zu unseren Kunden. Ein besonders wichtiger Aspekt in diesem Zusammenhang ist die Planung – genauer gesagt: die Planung von Angebot und Nachfrage."

Dabei geht es darum, wie Baumgartner präzisiert, zwei Systeme miteinander in Einklang zu bringen: Servicelevels und Versorgungslevels. Man könne zwar die Qualität des Kundenservice steigern, beispielsweise indem man die Lagermenge erhöhe und damit einen sehr hohen Anteil vollständiger und pünktlicher Lieferungen erreiche. Aber das binde Kapital, ganz abgesehen davon, dass es nicht immer leicht sei, geeignete Lagerkapazitäten zu finden. Außerdem leide die Frische der Produkte darunter. Insofern sieht es Baumgartner als wichtigste Aufgabe des Supply Chain Management, genau solche negativen Kausalketten zu vermeiden: „Bei Nestlé arbeiten wir nicht nach dem ‚oder', sondern nach dem ‚und'-Prinzip. In diesem Fall heißt das konkret: Wir haben bewiesen, dass es möglich ist, hohe Servicequalität zu bieten und gleichzeitig den Versorgungslevel zu steigern."

Verschärft wird die Herausforderung noch durch die Logik der Lebensmittelproduktion. In der Regel werden Produkte in sehr großen Losen hergestellt, um einerseits die Stückkosten niedrig zu halten, andererseits aber auch die Qualität zu sichern oder etwa Rohstoffverfügbarkeiten zu nutzen. Daraus ergibt sich zwangsläufig ein „Make to Stock"-Prozess – anders als etwa die „Make to Order"-Maxime beispielsweise im Automobilbau. „Wir sind deshalb darauf angewiesen, die Bestellungen unserer Kunden möglichst genau vorhersagen zu können, um die richtige Menge der richtigen Produkte am richtigen Ort zum richtigen Zeitpunkt vorhalten zu können", erklärt Baumgartner.

Hinzu kommen weitere unternehmerische Kenngrößen wie etwa Budgets und Umsatzziele, aber auch strategische Ziele. Insgesamt gehe es, so Baumgartner, darum, „proaktiv handeln und nicht nur reagieren zu können." Um das zu erreichen, setzt Nestlé auf stabile Abstimmungsprozesse, auf eine sehr enge Zusammenarbeit mit den Kunden und auf eine hochklassige Prognosetechnologie. Für das höchstmögliche Maß an Präzision braucht es schon außerordentliche Prognosemethoden – und deshalb setzt das Unternehmen beim Forecasting auf SAS.

Grundsätzlich gibt es zwei Möglichkeiten, Forecasts aufzustellen. Die erste – subjektive – baut vorwiegend auf die Einschätzung und Bewertung des Planers und seine Erfahrungen. Die andere – statistische – nähert sich der Prognose auf Datenbasis. Vor SAS nutzte Nestlé in erster Linie die in SAP APO vorhandenen Forecasting- Funktionen sowie Modelle aus der Statistik-Software R, die in SAP APO integriert ist. Diese Forecasts wurden dann von den Nachfrageplanern bei Nestlé überprüft. SAS sorgte hier für erhebliche Verbesserungen – und ergänzt die Fähigkeiten von SAP APO damit perfekt.

Statistisches Forecasting sei tendenziell zuverlässiger, so Baumgartner, wenn genügend historische Daten zur Verfügung stünden. „Klar ist aber auch: Die Zukunft lässt sich nicht einfach statistisch aus der Vergangenheit ableiten – egal, wie komplex die Modelle dafür sind."

Die Auswahl der statistischen Methode ist also nicht das Problem für Baumgartner und sein Team. Entscheidend ist, in diesem komplexen Umfeld die Zuverlässigkeit von Forecasts sicher beurteilen zu können. Und dabei rückten zwei Begriffe ins Zentrum des Interesses: der Faktor Volatilität – und SAS. „Wie präzise sich die Nachfrage nach einem Produkt vorhersagen lässt, hängt in höchstem Maße von den Schwankungen ab, denen sie unterliegt", so Baumgartner. „Und gerade bei stark schwankender Nachfrage ist die Methodenauswahl und -kombination entscheidend. Und die erleichtert der SAS® Forecast Server enorm."

Für das Supply Chain Management besonders wichtig sind die sogenannten Mad Bulls: So nennt Nestlé hochgradig volatile Produkte, die gleichzeitig besonders umsatzstark sind. Nescafé ist beispielsweise ein solcher „Mad Bull": ein Produkt, das sich übers Jahr grundsätzlich relativ gleichmäßig verkauft, dessen Absatz aber durch Promotionaktionen massiv in die Höhe gehen kann. Eine einfache statistische Hochrechnung ist zur Nachfrageprognose solcher Produkte ebenso wenig ausreichend wie das „Bauchgefühl" eines erfahrenen Planers. Eine Chance ist, die zurückliegenden Schwankungen zu verstehen, wenn man die Geschichte anschaut. Baumgartner setzt mit seiner Mannschaft auf den Forcecast Value Added (FVA) als Messgröße. Sie beschreibt, um wie viel sich die Genauigkeit einer Prognose in einem Schritt des Forecasting-Prozesses verbessert (oder umgekehrt: wie sich die Fehlerquote verkleinert).

Mehr wissen, weniger schätzen
Der SAS Forecast Server, so Baumgartner, sei dafür ein fast ideales Werkzeug: „Statistiker wie ich lieben ihn." Durch die Skalierbarkeit der Lösung können wenige Spezialisten große geographische Regionen abdecken. Dabei sind sehr wenig manuelle Eingriffe notwendig – die Auswahl der geeigneten statistischen Modelle erfolgt weitgehend automatisch. Das ist aus Sicht von Nestlé einer der ganz großen Vorzüge des SAS Forecast Server. „Zugleich können wir aber auch sehr tief in die Kundenhierarchie eindringen und sogar die Auswirkungen von Promotionaktionen direkt in die statistischen Modelle integrieren."

Die Ergebnisse sprechen eine deutliche Sprache. In einem Vergleich zwischen der herkömmlichen Forecasting-Methode und den Prozeduren mit Hilfe von SAS® High-Performance Forecasting – weitgehend in den Standardeinstellungen – lieferte SAS häufig ein deutliches Plus an Genauigkeit. Dank dieser Zuverlässigkeit müssen sich die Planer weniger mit den Produkten beschäftigen, deren Nachfrage sich statistisch vorhersagen lässt – und haben mehr freie Zeit, um sich um die „unberechenbaren" Mad Bulls zu kümmern.

Denn auch Nestlé ist sich im Klaren, dass nicht einmal eine so ausgereifte Lösung wie der SAS Forecast Server die Arbeit des Nachfrageplaners ganz ersetzen kann. „Gerade im Umgang mit Mad Bulls muss sich ein Planer mit jeder der Facette des Geschäfts auskennen, er braucht Glaubwürdigkeit, Erfahrung und tiefes Wissen." Indem sie mehr Zeit für solche komplizierten Fälle zur Verfügung haben, können Planer erfolgreichere Entscheidungen für die Produktion treffen. Damit am Badestrand auch wirklich genügend Nestlé-Eis verfügbar ist, wenn die heißen Sommertage dann wirklich kommen.

Copyright © SAS Institute Inc. All Rights Reserved.

Nestlé

Business Thema:

 

Die Lösung:

SAS® Forecasting