В
нынешних кризисных условиях значительно возрастает роль инструментов
планирования и прогнозирования развития предприятия. Именно поэтому опыт
«Пивоваренной компании “Балтика”» по созданию автоматизированной системы
прогнозирования спроса и планирования продаж на наш взгляд весьма интересен.
Надо
сказать, что нам очень хотелось расспросить Германа Эпштейна, CIO компании
«Балтика», о применении бизнес-аналитики, о построении моделей, о
прогнозировании спроса и планировании продаж в связи с задачами, поставленными
экономическим кризисом… Для обмена опытом… Но он отказался.
«Если
компания начала серьезно задумываться об эффективности цепочки поставок только
сейчас, в трудные времена, то вряд ли ей чем то можно помочь, — сказал он. —
Ничего специфически “кризисного”, в том числе в области BI, мы не делаем. Повышать
эффективность работы нужно постоянно, и тогда компания не встретит кризис с
раздутыми затратами и неэффективными бизнес-процессами».
Создание
интегрированной системы планирования, неотъемлемой частью которой является
система прогнозирования спроса и планирования продаж, в качестве стратегической
задачи ИТ-дирекции была поставлена топ-менеджментом «Балтики» еще в 2007 году, по
окончании очередного этапа внедрения CRM системы (об этом проекте мы писали в
IE, № 7/2008). Полностью проект был завершен в конце 2008-го, и с января
2009-го началась промышленная эксплуатация.
Инициаторами
этой работы явились отдел маркетинга и отдел прогнозирования и планирования
продаж «Балтики». Была поставлена задача повысить качество прогнозирования
спроса по всему ассортименту продукции и по всем звеньям логистической цепочки.
Требовалось формировать планы отгрузки продукции на различные периоды на
основании прогноза спроса, данных о фактических остатках, целевых указаний.
«Отчеты,
генерируемые операционным блоком CRM системы, позволяют получать любую
оперативную информацию, — говорит руководитель отдела прогнозирования и
планирования продаж Павел Иванов. — Но по мере накопления данных потребовался
более глубокий анализ данных за большие периоды времени (до двух лет) с разбивкой
по месяцам или неделям. Небходимо было решение, которое могло бы совместить в
одной системе координат различные показатели по торговым точкам. Например, дистрибуцию
и долю собственной продукции на полке торговой точки».
Задача
осложнялась тем, что цепочка движения продукции «Балтики» до потребителя —
довольно многозвенная, поэтому чрезвычайно важную роль в аналитической системе
должны играть средства взаимодействия с партнерами, со всеми членами
логистической цепочки. «Пиво считается проданным, когда потребитель уносит
бутылку из магазина, а не в момент отгрузки товара дистрибьютору», — поясняет
Герман Эпштейн. Поэтому без актуальных данных о розничных продажах никакое
прогнозирование и планирование смысла не имеет. Не менее важны данные
возможностях поставщиков и условиях использования транспорта
,
о наличии сырья, тары, доступных производственных и складских мощностей, полуфабрикатов
на разных стадиях производства и готовой продукции, о товарах в пути и т. д.
Все эти вопросы требовали особого внимания в ходе проекта.
Наконец,
еще одна цель проекта состояла в том, чтобы упорядочить процесс согласования
планов продаж в распределённой среде, сделать его более управляемым и понятным
для всех участников.
Технический
аспект
С
технологической точки зрения решение состоит из хранилища данных и
разработанного для этой задачи BI-приложения. Оно интегрировано с ERP системой
«Монолит», разработанной петербургской компанией «Монолит-Инфо» и уже более
десяти лет используемой в «Балтике», и CRM системой того же вендора, внедренной
в 2007 году.
Из
ERP системы в систему прогнозирования спроса и планирования продаж передаются
фактические данные об отгрузках продукции и о производственных ограничениях.
Обратно в ERP поступают согласованные планы. Из CRM система планирования
получает данные о фактических остатках на складах дистрибьюторов и о продажах
на рынке.
Интерфейс
системы прогнозирования спроса и планирования продаж построен по принципу
панели управления: на одном экране собрана вся необходимая для принятия решения
информация — текущий прогноз/план, фактические данные за прошлые периоды, разнообразная
аналитика.
В
основу системы положена BI-платформа Microsoft SQL Server 2005. Расчет прогноза
осуществляется внешней подключаемой компонентой (в настоящий момент это система
Good4Cast компании Forecsys). Требования к аналитической системе были
представлены отделом прогнозирования и планирования продаж. По словам Павла
Иванова основное внимание уделялось гибкости и скорости работы, так как в
процесс планирования вовлечено большое количество сотрудников, которые должны в
оперативном режиме анализировать фактические данные и корректировать планы в
зависимости от сложившейся ситуации. Необходимо было обеспечить поддержку регламента
процесса планирования, чтобы его ход стал прозрачным и можно было в любой
момент времени получать информацию о статусе готовности плана. На основании
этих требований был произведен выбор архитектуры и поставщика решения (компания
«Монолит-Инфо»). Было решено разрабатывать специализированное приложение, так
как предлагавшиеся на рынке продукты не могли удовлетворить требования
бизнес-заказчика. Полученный результат в полной мере подтвердил правильность
такого подхода. Сотрудники отдела прогнозирования и планирования продаж
принимали активное участие в тестировании системы на стадии приемки.
Дополнительное,
но очень важное достижение этого проекта, о котором нельзя не упомянуть, —
интеграция в одном решении данных из ERP- и CRM систем. Это позволило установить
постоянные связи между всеми участниками цепочек поставок продукции на уровне
ИТ систем, и в то же время не был упущен контроль качества данных, их
достоверности.
Система
прогнозирования спроса и планирования продаж: основные характеристики
Функция
прогнозирования позволяет рассчитывать прогноз спроса на требуемый интервал
вперед (скользящее прогнозирование) с необходимой детализацией. Входной
информацией для этого являются фактические данные отгрузки за прошлые периоды и
данные об оценке рынка (объем в натуральном выражении) по годам, включая
будущий год.
Рассчитанный
прогноз может быть скорректирован аналитиком для учета внешних воздействий на
рынок. В системе предусмотрена функция, позволяющая применять корректировки из
прошлых прогнозов к соответствующим периодам прогноза текущего. При этом можно
анализировать прогноз на соответствие целям компании, проводить сценарный
анализ и создавать различные версии прогноза. Последним шагом в работе над
прогнозом является его публикация. После этого он становится доступен
пользователям, а также для функции иерархического ступенчатого планирования.
Функция
иерархического планирования решает следующие задачи:
распределение
полученного прогноза по географии продаж;
создание
и согласование прогноза поставок продукции по всем звеньям логистической
цепочки.
Каждый
пользователь на своем уровне ответственности может вносить изменения в
распределение прогноза, сравнивая при этом текущий прогноз с фактами текущего и
прошлого года, с предыдущим прогнозом и прогнозом, сделанным на начало года
(возможно несколько версий). Существует регламент, предусматривающий порядок
действий пользователей на различных уровнях ответственности. Дополнительно в
системе ведется ассортиментная матрица, задающая доступный ассортимент для каждой
территории (матрица продаж) и календарь маркетинговых акций.
О прогнозных моделях
Больной
вопрос практически любого BI-проекта — происхождение и реалистичность моделей, по
которым выполняется прогнозирование. «Все наши модели собственные, разработанные
в компании, — рассказывает Герман Эпштейн. — Больше взять их неоткуда. Ни одна
стандартная европейская схема, преподносимая поставщиками решений как “лучшая
практика”, работать у нас не будет. В условиях России в оптимизационную модель
добавляется большое количество переменных, которые могут быть проигнорированы в
Европе: это огромные расстояния, низкая плотность населения, слабое развитие
транспортной сети и многое, многое другое».
Надо
сказать, что некоторых топ-менеджеров общая нестабильность инфраструктуры, сильное
влияние непредсказуемых факторов (например, «товар застрял на таможне на
неопределенный срок» или «лед еще не встал, поэтому машины не идут») приводят к
мысли, что нет и смысла налаживать планирование, когда любая подобная
случайность может не только всю оптимизацию свести на нет, но и сильно
осложнить положение дел. Герман Эпштейн с этим категорически не согласен.
«Напротив, чем сложней ситуация и больше риски, тем тщательней нужно
планировать, расставлять приоритеты, в том числе в логистике
,
стараясь нивелировать негативные эффекты возможных форс-мажоров», — уверен он.
Важные
аспекты и потенциальные проблемные места для прогнозирования спроса и
планирования продаж
Обеспечить
необходимую глубину исторических данных. Чем больше эта глубина, тем точнее
будет рассчитан прогноз. И тем труднее обеспечить достоверные факты с выбранной
для прогнозирования детализацией.
Обеспечить
чистоту исторических данных. Очистка данных состоит в корректировке или
исключении той их части, которая искажена внешними воздействиями —
маркетинговыми акциями по стимулированию спроса, проблемами в производстве, — в
результате чего отгрузка продукции компании временно уменьшалась.
Определить
горизонт прогнозирования. При этом важным фактором является возможность
достоверной оценки тенденций рынка (рост/спад).
Определить
текущее положение и спрогнозировать дальнейший жизненный цикл продукта.
Проанализировать
профили спроса по историческим данным. Выявить периоды колебания спроса.
Выбрать
адекватные методы прогнозирования и статистического анализа, методы экспертных
оценок точности полученных прогнозов и уровень требуемых корректировок.
Но
даже при выполнении всех перечисленных шагов переход от прогноза спроса к плану
продаж осложняется дополнительными факторами.
Различная
детализация прогноза спроса и плана продаж. Прогноз спроса с требуемой
точностью может быть построен менее детально — например, по группам товаров и
регионам. В то время как план продаж должен быть детализирован до конкретной
продукции, города или точек доставки.
Различные
горизонты прогнозирования/планирования и различная периодичность. Как правило, горизонт
прогнозирования спроса больше горизонта планирования. Вследствие этого периоды
прогнозирования спроса больше периодов планирования.
Планы
должны учитывать внешние воздействия на рынок в виде маркетинговых акций.
Планы
должны учитывать производственные ограничения: мощность производства, емкость
складов, возможности по доставке.
Планы
должны быть согласованы со стратегическими целями компании.
Количество
и географическое распределение сотрудников, участвующих в цикле планирования.
Сжатые
временные рамки, которые отводятся на подготовку и согласование плана.
В
результате подготовка плана продаж по прогнозу спроса из расчетной задачи
превращается в сложный процесс взаимодействия большого числа (до нескольких
сотен) сотрудников, когда в интерактивном режиме происходит согласование плана
с целями компании, текущими производственными ограничениями и планируемым
воздействием на рынок.
Список литературы
http://www.iemag.ru
Для
подготовки данной работы были использованы материалы с сайта http://logistic-forum.lv/
Дата добавления: 06.10.2011