Kolejne spotkanie w cyklu Digital Finance Excellence odbyło się w ub. tygodniu w Rzeszowie. Monika  Wótkowska z firmy farmaceutycznej Adamed Pharma opowiedziała, jak zoptymalizowano proces prognozowania popytu, aby odpowiednio zaplanować produkcję, Marcin Okrzes z Silvermedia, partner technologiczny Adamed, wyjaśniał jakie narzędzie informatyczne umożliwia realizację tego procesu.

Naszą rozmowę zaczęliśmy od wymiany opinii na temat koniunktury w najbliższej przyszłości. Mamy różne opinie na ten temat, jednak reakcja Moniki Wótkowskiej właściwie unieważniła nasze dylematy, nie tak znowu ważne co będzie. „ W Adamedzie traktujemy  zmiany koniunktury czy regulacji jako szansę do wykorzystania. Być może innym firmom  sprawiają kłopot,  my dzisiaj jesteśmy naprawdę dobrze przygotowani, aby właściwie reagować cokolwiek się zdarzy. Tak więc kryzys jest dla nad okazją, aby jeszcze dalej odskoczyć konkurencji”.

Bartosz Radziszewski – który prowadził to spotkanie –    podkreślał, że dla dobrze – również w znaczeniu procesowo – zarządzanych firm gorsze czasy w gospodarce często są właśnie okazją do zdobycia kolejnego kawałka rynku.

Ta wypowiedź doskonale harmonizuje z jego artykułem w Business Dialog, serwisie Klubu Dyrektorów Finansowych „Dialog”  pt. „Z kryzysem się zderzymy czy tylko lekko nas podgryzie? Od menedżerów to zależy czy od kryzysu?” http://www.businessdialog.pl/profiles/blogs/kiedy-z-kryzysem-sie-zderzymy-czy-tylko-lekko-nas-podgryzie

W Adamedzie historia tego projektu zaczęła się od kłopotów z utrzymaniem odpowiedniej struktury zapasów. Firma połączyła się z Polfą Pabianice, co spowodowało nagły znaczący wzrost asortymentu. Przy pełnych magazynach nie zawsze była możliwość realizacji zamówień dystrybutorów on time in full.

Zmiana była konieczna: produkcja powinna dostawać takie dane, które pozwolą jej wyprodukować w danym czasie to, co z wielkim prawdopodobieństwem zamówią klienci. A w tej branży trzeba planować produkcję w długim ponadrocznym horyzoncie  ze względu na specyfikę dostaw surowców i wolny łańcuch dostaw.

Co przekonało zarząd do inwestycji w projekt modernizujący proces prognozowania oraz w odpowiednie dedykowane oprogramowanie?

„Symulacja prognozowania popytu na okresach zamkniętych dostarczyła odpowiednich wskaźników. Sprawdziliśmy jak wyglądałby poziom obsługi klienta oraz poziom kapitału zamrożonego w zapasie.  To były dobre argumenty dla zarządu.” – mówiła Monika Wótkowska, menedżer procesu prognozowania popytu, szefowa planistów.

Ogólnie się przyjmuje, że zwiększenie trafności prognozy o 1%, przekłada się na 2,5-3% wzrost takich wartości, jak sprzedaż czy marża.

Podczas przygotowywania tej symulacji rozrysowano strumień wartości oraz procesy w firmie, wskazano najważniejsze, zidentyfikowano wąskie gardła.

Firma miała wiele systemów informatycznych, włącznie z ERP. A jednak doszła do wniosku, że potrzebuje jeszcze innego narzędzia, dedykowanego właśnie do procesu prognozowania.

„Firmy żyją w przeświadczeniu, że jak mają system ERP, to mają dane i mają odpowiednie narzędzie do planowania. A to nieprawda: ERP jest jedynie jednym z kilkudziesięciu źródeł danych, które trzeba wziąć pod uwagę w prognozie i nie zawiera mechanizmów uczenia się (machine learning).” – mówi Marcin Okrzes z Silvermedia. I dodaje: „Systemy są wdrażane w pewnym okresie życia organizacji i do tego etapu dostosowane. Ale organizacja się zmienia, a te systemy nie ewoluują wraz z nią. Upgrade to nie jest proces dopasowywania systemu do zmieniającej się organizacji i biznesu. ERP są to systemy drogie, kosztowne są też zmiany, które trzeba by w nich poczynić, aby były na bieżąco z etapem, na jaki wchodzi firma. Więc tego się nie robi. Ostatecznie wszyscy, starając się jednak ogarnąć potrzebne dane i raporty, lądują w Excelach.”

Projekt w Adamed zaczął się od uporządkowania danych podstawowych oraz wielu procesów związanych z nimi, np. zakładania indeksów, definiowania danych. Powstało jedno źródło danych. Nieład w danych jest powszechną bolączką w firmach. Pracownicy 80% czasu poświęcają na szukanie odpowiednich danych, a 20% na ich analizę. Uporządkowanie tej sfery i wprowadzenie jednego źródła danych, odwraca te proporcje i wreszcie można te dane wykorzystać w biznesie.

System wspierający proces prognozowania opiera się na algorytmach machine learning i na wiedzy eksperckiej człowieka, np. kierownika produktu. Kierownik produktu może nie zgodzić się z liczbą wskazaną przez system, ale rozmowa na ten temat jest merytoryczna, oparta o dane, fakty i symulacje.

 Włascicielami procesu budżetowania są managerowie  sprzedaży i marketingu,  to oni bronią przed zarządem ostatecznych cyfr, które deklarują się zrealizować w przyszłych latach.  Są to cele ambitne, poparte odpowiednimi strategiami marketingowymi i sprzedażowymi.   Często są to liczby wyższe niż wykazywane w prognozie przygotowanej przez system. Te osoby są bowiem zawsze większymi optymistami, mają też w zanadrzu pomysły na osiągnięcie zabudżetowanego wyniku.

Do zaplanowania produkcji używane są liczby  wskazane przez planistów, na podstawie prognoz przygotowanych przez system  i ich własnej wiedzy, biorące pod uwagę sytuację magazynową u dystrybutorów. Obecnie prognozy w Polsce mają ponad 60% trafności, przed wdrożeniem systemu było to kilkanaście procent.

Zapraszamy także do zapoznania się z relacją ze spotkania w Szczecinie, gdzie również omawiana budowa procesu prognozowania i jego automatyzacji przykładzie Adamed https://dfe.org.pl/po-pierwsze-dowiedzmy-sie-kiedy-gdzie-i-czego-potrzebuja-klienci/

Aby więcej dowiedzieć się jak budować system informatyczny wspierający firmę w prognozowaniu popytu, warto skontaktować się z Marcinem Okrzesem marcin.okrzes@silvermedia.pl

Konsultacji i rekomendacji w obszarze Digital Finance Excellence udziela Bartosz Radziszewski z KDF Dialog Bartosz_radziszewski@businessdialog.pl

_________________

Testy porównawcze i badania benchmarkowe mające na celu identyfikację luk i możliwości w zakresie prognozowania prowadzone były przez Gartnera. Gartner demonstrował zyski, które inni zdobyli dzięki ulepszonemu planowaniu popytu. Podczas tych badań stwierdzono, że za każdą poprawę dokładności prognozy o 1%, zmniejszającą różnicę między medianą a najlepszymi w danej branży firmami, osiągnięto zyski: – 2,7% redukcja zapasów wyrobów gotowych (dni) – 3,2% redukcja kosztów transportu (procent sprzedaży) – zmniejszenie o 3,9% starzenia się zapasów (% wartości zapasów).

Podobne obliczenia prowadzi firma LLamasoft. Według Toby’ego Brzoznowskiego, dyrektora ds. strategii w LLamasoft, poprawa prognozy o 1% prowadzi do 2,5-procentowej redukcji ilości zapasów, które muszą być przechowywane.