Jak zapewnić świeże produkty na półkach

Precyzyjne prognozowanie w firmie Nestlé pozwala usprawnić proces obsługi klienta, zoptymalizować zapasy oraz realizować efektywne działania marketingowe.

Linie produkcyjne zakładów Nestlé codziennie opuszcza miliard sztuk produktów. Ta liczba pokazuje ogromną skalę działalności produkcyjnej tego największego koncernu spożywczego na świecie. Realizując firmowy slogan „Good Food, Good Life” (w polskiej wersji: „Jedz smacznie, żyj zdrowo”), Nestlé wprowadziło na rynek aż 10 000 produktów - zdrowej żywności i napojów - służących poprawie jakości życia konsumentów.

Aby zagwarantować, że odpowiednie ilości tych produktów będą dostępne na półkach, Nestlé wykorzystuje technologie służące do prognozowania popytu. Nawet najlepiej przygotowana od strony marketingowej promocja może zaszkodzić firmie, jeżeli klienci przyjdą po reklamowane produkty i zastaną puste półki.

Dlatego firma Nestlé tak dużo uwagi przywiązuje do precyzyjnego zarządzania łańcuchem dostaw oraz optymalizacji zapasów. Przy ogromnej skali działalności firmy, realizacja tych działań w ujęciu globalnym staje się bardzo skomplikowana. Kategorie produktów, regiony sprzedaży i liczba zaangażowanych działów tworzą złożoną sieć.

Dodatkowym wyzwaniem jest zmierzenie się ze specyfiką towaru w branży spożywczej. Sezonowość, wpływ pogody na jakość i wielkość plonów, wahania popytu, trendy konsumenckie oraz fakt, że wiele produktów ma krótki termin przydatności do spożycia, utrudniają planowanie produkcji i organizację logistyki.

Teraz możemy dokładnie analizować hierarchię klientów i na przykład uwzględniać efekt promocji i ofert specjalnych w modelach statystycznych.

Marcel Baumgartner
Dyrektor ds. planowania globalnego popytu i prognozowania statystycznego

W pułapce sprzecznych KPI

„Zarządzanie łańcuchem dostaw jest ugruntowanym i uznanym procesem realizowanym w Nestlé” — wyjaśnia Marcel Baumgartner, który kieruje działem planowania globalnego popytu i prognozowania statystycznego w centrali firmy Nestlé. „Nasi specjaliści czuwają nad funkcjonowaniem sieci transportowych, kierują sprawnie działającymi magazynami i są pierwszym punktem kontaktu dla odbiorców. Jednym z istotnych obszarów jest planowanie — a dokładniej prognozowanie popytu i podaży”.

W tej branży produkty powstają w bardzo dużych partiach, co pozwala utrzymać niskie ceny jednostkowe, zapewnić jakość oraz wykorzystać dostępność surowców. Taka strategia „produkcji na zapas” kontrastuje z zasadą „produkcji na zamówienie” stosowaną często w innych sektorach, takich jak branża motoryzacyjna. „Aby zapewnić odpowiednią ilość właściwego asortymentu we właściwym miejscu i czasie, w dużym stopniu polegamy na możliwości maksymalnie precyzyjnego przewidywania zamówień składanych przez klientów” — mówi Marcel Baumgartner.

Ważną rolę odgrywają także inne wskaźniki biznesowe, takie jak wyznaczone budżety czy docelowe poziomy sprzedaży. Nadrzędnym celem, według Marcela Baumgartnera, jest możliwość „przejęcia inicjatywy w działaniu zamiast prostego reagowania na sytuację”. Dlatego Nestlé koncentruje się na ścisłej synchronizacji, zacieśnianiu współpracy z klientami oraz stosowaniu właściwych metod prognozowania.

Statystyka czy intuicja

Istnieją dwa podstawowe podejścia do opracowywania prognoz. Metoda subiektywna polega głównie na szacowaniu i ocenach dokonywanych przez planistów na podstawie ich doświadczenia. Natomiast w metodzie statystycznej podstawą prognozy są dane.

Zanim firma Nestlé wprowadziła rozwiązanie SAS, wykorzystywała głównie rozwiązanie SAP APO z modelami pochodzącymi z oprogramowania statystycznego R. Następnie prognozy te były weryfikowane przez planistów Nestlé. Oprogramowanie SAS jest obecnie rozwiązaniem komplementarnym do SAP APO.

Prognozy statystyczne są bardziej wiarygodne, jeżeli dostępna jest wystarczająca ilość danych historycznych. „Trzeba sobie jednak zdawać sprawę z jednej rzeczy — nie da się przewidzieć przyszłości metodami statystycznymi wyłącznie na podstawie tego, co wydarzyło się w przeszłości. Niezależnie od tego, jak złożony model się zastosuje”.

Zatem to nie metody statystyczne są problemem dla Marcela Baumgartnera i jego zespołu. Krytycznym czynnikiem w tym złożonym otoczeniu jest możliwość oceny wiarygodności prognoz. Te dwa elementy przyczyniły się do zwrócenia uwagi na rozwiązania SAS.

„Przewidywalność popytu na konkretny produkt w dużej mierze zależy od zmienności zapotrzebowania na ten produkt” — wyjaśnia Marcel Baumgartner. „Wybór metod oraz sposób ich łączenia nabierają zasadniczego znaczenia, zwłaszcza w przypadku produktów charakteryzujących się dużymi fluktuacjami popytu. Rozwiązanie SAS for Demand-Driven Planning and Optimization zdecydowanie upraszcza to zadanie.

W planowaniu popytu szczególną rolę odgrywają tzw. „mad bulls”. Tak Nestlé określa produkty charakteryzujące się dużą zmiennością, a jednocześnie sprzedawane w masowych ilościach. Przykładem takiego produktu jest Nescafé, która przez cały rok sprzedaje się w miarę regularnie, jednak promocja w poszczególnych kanałach dystrybucji może spowodować gwałtowny wzrost zapotrzebowania. W przypadku mniej przewidywalnych produktów, takich jak kawa Nescafé, prosta kalkulacja statystyczna nie przyda się przy opracowywaniu prognozy popytu bardziej, niż doświadczenie planisty. Jedyny sposób na wyjaśnienie zmienności to wykorzystanie danych historycznych. Marcel Baumgartner i jego zespół posługują się metodą forecast value added (FVA). FVA opisuje stopień, o jaki dany etap prognozowania może zmniejszyć lub zwiększyć błąd prognozy.

Więcej wiedzy, mniej zgadywania

Zdaniem Baumgartnera SAS for Demand Driven Planning and Optimization jest idealnym narzędziem w tym scenariuszu. Skalowalność rozwiązania pozwala na analizowanie dużych regionów geograficznych przez małą grupę specjalistów. Wybieranie odpowiednich modeli statystycznych zostało w dużej mierze zautomatyzowane, co jest jednym z największych atutów rozwiązania SAS. „Jednocześnie możemy dokładnie analizować hierarchię klientów i na przykład uwzględniać efekt promocji i ofert specjalnych w modelach statystycznych”.

Nie ma żadnych wątpliwości. Porównanie konwencjonalnych metod prognozowania z procedurami SAS for Demand-Driven Planning and Optimization — w większości przypadków przy zachowaniu domyślnych ustawień — wskazuje, że Nestlé często udaje się utrzymać lub poprawić dotychczasowe wyniki dla przewidywalnej części asortymentu, a tym samym uwolnić cenny czas planistów popytu, aby mogli skoncentrować się na produktach „mad bulls”.

Jednocześnie Nestlé podkreśla, że nawet tak złożony system, jak rozwiązanie SAS, nie może całkowicie zastąpić pracy profesjonalnych planistów popytu. „Szczególnie w przypadku „mad bulls” znajomość branży, wysoka wiarygodność oraz doświadczenie i wiedza to podstawa”. Mając do dyspozycji więcej czasu na skupienie się na bardziej skomplikowanych produktach, planiści mogą podejmować trafniejsze decyzje dotyczące produkcji. To oznacza, że kiedy wreszcie nadejdzie lato, na plaże zostanie dostarczona dokładnie taka ilość lodów Nestlé, jaką są w stanie spożyć wypoczywający tam konsumenci.

Wyzwanie

Zagwarantowanie ilości produktów na półkach zgodnych z zapotrzebowaniem. Zarządzanie łańcuchem dostaw, planowanie operacji i organizowanie logistyki w globalnej skali z uwzględnieniem rozmaitych wpływów i czynników.

Rozwiązanie

SAS for Demand-Driven Planning and Optimization

Korzyści

Wiarygodne metody prognozowania pozwalają zaoszczędzić czas, który można przeznaczyć na planowanie popytu na produkty, których sprzedaż charakteryzuje się dużą zmiennością. Dzięki trafniejszym decyzjom dotyczącym produkcji, towar jest dostępny wtedy, gdy potrzebują go klienci.

O firmie Nestlé

Nestlé jest największym koncernem spożywczym na świecie. Ponad 330 000 pracowników w 469 placówkach i zakładach w 86 krajach generuje roczne przychody przekraczające 90 miliardów franków szwajcarskich. Pod względem wartości sprzedaży Nestlé jest globalnym liderem pozostawiającym daleko w tyle swoją konkurencję.

 

The results illustrated in this article are specific to the particular situations, business models, data input, and computing environments described herein. Each SAS customer’s experience is unique based on business and technical variables and all statements must be considered non-typical. Actual savings, results, and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software. Brand and product names are trademarks of their respective companies.

Back to Top