La maggior parte dei dirigenti crede che la digitalizzazione della Supply Chain di una grande azienda costi decine di milioni di dollari. Il presupposto è che si tratterà di un enorme sforzo di trasformazione dai tre ai cinque anni, che richiederà grandi investimenti nella tecnologia cloud, l'installazione di IoT su ogni contenitore di prodotti e in ogni struttura, l'implementazione di tecnologie di stampa 3D e robotica, e nuovi strumenti sulle macchine in officina per monitorare le loro prestazioni e condizioni. Tutto ciò è necessario, si pensa, per abbattere i muri tra le aree funzionali e creare una catena di fornitura integrata che fornisca un vantaggio competitivo.

Ma esiste una via più semplice: le esperienze di queste aziende - che includono un rivenditore di moda globale, un grande produttore di beni di consumo confezionati (CPG), un produttore di elettrodomestici globale e un'azienda high-tech che produce PC, tablet e workstation - dimostrano che è possibile ottenere benefici sostanziali spendendo pochi milioni di dollari per una modernizzazione della catena di approvvigionamento che richiede dai 12 ai 24 mesi. In questi sforzi più moderati le aziende assemblano dati facilmente disponibili; usano analisi avanzate per capire e prevedere il comportamento di clienti e fornitori; ottimizzano l'inventario, la produzione e il processo decisionale di approvvigionamento per tagliare i costi e migliorare la reattività; e aggiungono un po' di automazione per rinnovare i processi esistenti e introdurne di nuovi.

Il segreto del successo di questo approccio sta in tre iniziative: Nella prima le aziende sostituiscono le previsioni di consenso con una visione unificata della domanda. Nella seconda si allontanano da una strategia di supply chain a taglia unica per passare a una strategia segmentata. Nel terzo creano un piano unico per bilanciare continuamente la domanda e l'offerta e identificare e rispondere alle deviazioni o alle interruzioni.

Eseguite bene, queste iniziative portano a costi di supply chain più bassi e a ricavi più alti a causa di meno stock-out e migliori livelli di servizio (la percentuale di ordini consegnati in tempo e per intero). Altrettanto importante, permettono alle aziende di aumentare la fidelizzazione dei clienti. Presso il rivenditore di moda, hanno aiutato ad aumentare la quota di mercato di oltre il 28% e a raddoppiare il profitto operativo in soli tre anni. I guadagni operativi e finanziari dell'iniziativa dell'azienda CPG hanno ripagato il suo costo in soli due anni. L'azienda high-tech ha visto un miglioramento dal 10% al 30% nei livelli di servizio. E il produttore di elettrodomestici ha realizzato un aumento del 20% delle entrate, ha aumentato la proporzione di clienti a cui poteva fornire la consegna in un giorno dal 70% al 90%, e ha tagliato i suoi costi operativi dal 3% al 4%.

Previsioni d'ordine più accurate si traducono chiaramente in un piano di approvvigionamento più efficace, che riduce le vendite perse.

In questo articolo ci si concentra sull'implementazione dell'approccio da parte del produttore CPG. Si tratta di un caso particolarmente istruttivo a causa delle straordinarie sfide che l'azienda ha dovuto affrontare per affrontare le carenze del suo sistema esistente, che comprendeva processi manuali multipli e dispendiosi in termini di tempo, un inventario in eccesso e una grande quantità di prodotti scaduti e danneggiati.

Costruire una visione unificata della domanda

Il viaggio inizia ripensando il processo di pianificazione della domanda. Gli approcci tradizionali impiegano previsioni di consenso, in cui ogni funzione - operazioni, finanza, vendite e commercio (che è responsabile del marketing, delle promozioni, degli sconti e così via) - utilizza tecniche statistiche standard, dati storici sulle vendite e alcuni dati esterni per generare la propria previsione. Poi tutte le funzioni si riuniscono per elaborare una previsione uniforme di compromesso.

Questo processo ha due svantaggi. In primo luogo, ci vuole molto tempo - di solito quattro o cinque settimane - per generare le varie previsioni e raggiungere un consenso che soddisfi tutti i requisiti aziendali. A quel punto i dati di vendita utilizzati sono vecchi. In secondo luogo, piuttosto che accordarsi sui dati e fare in modo che l'analitica produca un'unica previsione, le persone coinvolte si concentrano tipicamente sulla ricerca di un equilibrio tra previsioni contrastanti e si affidano alle sensazioni viscerali su ciò che guida le vendite, le entrate e i margini.

Un modo molto migliore per generare una visione unificata della domanda è iniziare con le serie di dati che tutti i partecipanti sono d'accordo nel produrre il quadro più accurato. Il produttore CPG, per esempio, ha scelto quattro tipi:
- dati interni sulle spedizioni ai rivenditori, prezzi, sconti, promozioni e varie caratteristiche dei prodotti.
- dati sulla domanda dei consumatori, a cui si può accedere attraverso la tecnologia dei punti vendita dei rivenditori o forniti da aziende come IRI e Nielsen.
- informazioni macroeconomiche - tra cui il PIL trimestrale, l'indice dei direttori d'acquisto, l'indice dei prezzi al consumo e i tassi di disoccupazione e inflazione - che aiutano a spiegare il comportamento dei consumatori, la stagionalità e le tendenze
- dati esterni su altri fattori che possono indicare o influenzare la domanda, come le ricerche sul web, le menzioni di prodotti sui social media, la temperatura media, le precipitazioni, le vacanze e i prezzi dei concorrenti

Utilizzando questi dati e l'analitica avanzata, le aziende possono impostare un processo circolare automatizzato in cinque fasi che genera piani di fornitura, finanziari e commerciali per le prossime 50-80 settimane, l'orizzonte di pianificazione per la maggior parte delle aziende. Ecco come si presenta questo processo al produttore CPG:

In primo luogo, le informazioni di pianificazione commerciale - sulle promozioni future, gli sconti e gli investimenti di marketing - vengono combinate con i dati dei consumatori, macroeconomici ed esterni per generare una previsione della domanda di mercato per SKU e rivenditore per ogni settimana dell'intero orizzonte. Da quello che è stato osservato, la maggior parte delle aziende CPG non ha mai provato a prevedere la domanda a un livello così granulare.

In secondo luogo, la previsione della domanda per ogni rivenditore viene combinata con i dati storici sulle spedizioni dell'azienda a quel rivenditore per generare una previsione settimanale degli ordini del rivenditore di ogni SKU per l'orizzonte.

In terzo luogo, l'azienda aggrega tutte le previsioni degli ordini e le converte in un piano di approvvigionamento fattibile. Il piano considera le risorse disponibili, inclusi gli inventari delle materie prime e dei prodotti finiti; i vincoli di capacità produttiva; e gli obiettivi di mercato (per esempio, per l'aumento delle vendite di una categoria di prodotti in una data combinazione rivenditore-regione). Mira anche a raggiungere certi obiettivi di performance. L'azienda CPG si è concentrata sulla minimizzazione dei costi totali della catena di fornitura, ma l'obiettivo scelto varia da azienda a azienda. In alcune aziende, per esempio, potrebbe essere quello di massimizzare le entrate o la quantità di forniture prodotte.

Il quarto passo consiste nell'utilizzare il piano di approvvigionamento settimanale di SKU per tutti i rivenditori per generare previsioni di entrate e margini lordi a livello di marchio per ogni mese dell'orizzonte di pianificazione.

Il quinto passo è confrontare questa previsione finanziaria con gli obiettivi commerciali dell'azienda. Un divario tra i due può innescare un cambiamento nel piano commerciale - per esempio, l'aggiunta di sconti più aggressivi o maggiori investimenti nel marketing per stimolare le vendite.

Quando stavano considerando l'adozione di questo nuovo processo, i manager dell'azienda CPG hanno sollevato una serie di domande, che sono rappresentative del tipo di preoccupazioni che la maggior parte dei dirigenti esprime riguardo all’approccio in questione. Esaminiamole una per una.

Quale grado di accuratezza delle previsioni può raggiungere il processo?

La ricerca ha dimostrato che la variabilità della domanda dei clienti è significativamente inferiore alla variabilità degli ordini al dettaglio - una realtà che è alla base del ben noto effetto bullwhip nelle catene di fornitura. Questo implica che prevedere il consumo dovrebbe essere più facile che prevedere gli ordini al dettaglio, e infatti l'accuratezza delle previsioni dell'azienda CPG per la domanda di mercato è abbastanza alta. In qualsiasi momento le previsioni della domanda a livello di SKU, settimana e rivenditore per cinque-otto settimane si sono dimostrate accurate all'85%.

Combinando la previsione di consumo più esatta con gli ordini storici dei dettaglianti, l'azienda CPG ha potuto migliorare la sua previsione degli ordini futuri dei dettaglianti. L'accuratezza delle previsioni degli ordini settimanali è stata da 15 a 20 punti percentuali superiore a quella delle previsioni standard, basate sul consenso, che l'azienda utilizzava in precedenza. E previsioni più accurate degli ordini, o delle spedizioni, si traducono chiaramente in un piano di rifornimento più efficace, che riduce le vendite perse - quindi aumenta le entrate - e migliora i livelli di servizio e l'esperienza del cliente.

Infine, poiché gli input sono più accurati, lo è anche il piano finanziario. In molteplici implementazioni di questo approccio in diverse aziende CPG, l'accuratezza della previsione finanziaria fatta all'inizio di un dato mese per il mese successivo è salita dal 95% al 97%.

Saremo in grado di capire cosa guida i cambiamenti comportamentali e di altro tipo che i piani prevedono?

Questa domanda è probabilmente la più critica. Infatti, nell’esperienza degli autori dell’articolo, praticamente tutti i dirigenti sono riluttanti a seguire ciecamente le raccomandazioni di una scatola nera sviluppata da scienziati dei dati. Vogliono giustamente essere in grado di interpretare e spiegare l'output del processo di previsione della domanda.

Per esempio, un aumento o un calo è dovuto al comportamento dei concorrenti, alla cannibalizzazione tra i prodotti, alle promozioni e agli sconti, o semplicemente a un evento speciale o a una vacanza? La buona notizia è che la tecnologia analitica oggi è abbastanza matura da permettere di scomporre una singola previsione settimanale di SKU nelle sue componenti di base. Questo viene fatto modellando esplicitamente i dati come una combinazione di variabili chiave (il comportamento dei concorrenti e così via) e stimando il contributo di ciascuna alla previsione.

I dirigenti vogliono anche sapere le ragioni per cui, diciamo, la previsione generata la settimana scorsa è diversa da quella generata questa settimana. Anche questa è un'informazione che la tecnologia analitica di oggi può fornire, confrontando i dati di input usati per generare ciascuna delle previsioni.

Infine, i dirigenti vogliono capire perché le previsioni e le vendite effettive a volte si discostano. Nell'azienda CPG la risposta è che le vendite sono influenzate dal modo in cui i prezzi, le promozioni, gli sconti e le decisioni sulle scorte vengono eseguite dai rivenditori - una dimensione che il team di pianificazione del produttore non può vedere. Per esempio, la previsione potrebbe essere sbagliata quando un rivenditore sperimenta problemi operativi nello spostare l'inventario sugli scaffali o nell'implementare promozioni o sconti secondo il piano. Le informazioni sull'inventario del rivenditore e sui prezzi pagati dai consumatori al registratore di cassa possono rivelare questi problemi, ma secondo la nostra esperienza la maggior parte dei rivenditori non le fornisce ai loro fornitori CPG. Così, nell'azienda CPG, ogni divario significativo tra la previsione e le vendite effettive fa scattare un'indagine sul motivo della differenza.

Come possiamo garantire che tutte le funzioni seguano il nuovo approccio?

La risposta è stabilire un centro di eccellenza per le previsioni che riunisca persone delle varie funzioni, informatici e scienziati dei dati. Il loro ruolo sarà quello di concordare i dati da utilizzare e lasciare che l'analitica generi le previsioni e il piano di approvvigionamento secondo il processo a cinque fasi.

Con quale frequenza dovremmo eseguire questo processo?

Qui, la risposta dipende dai cicli di mercato delle varie aziende e marchi. Per la maggior parte delle imprese la previsione della domanda, la previsione degli ordini dei rivenditori e il piano di approvvigionamento dovrebbero essere aggiornati settimanalmente o bisettimanalmente, mentre la previsione finanziaria e il confronto con gli obiettivi dell'azienda dovrebbero essere fatti mensilmente. Ma ci sono chiare eccezioni. Alcuni prodotti dei produttori CPG hanno cicli di vita brevi di sole sei o sette settimane. In questi casi le aziende devono aggiornare la previsione della domanda, la previsione degli ordini dei rivenditori e il piano di approvvigionamento due volte alla settimana. (Lo stesso vale per i produttori di prodotti di moda, le cui stagioni di vendita non durano più di 10 o 11 settimane).

Ridefinire la strategia della catena di approvvigionamento

Le strategie tradizionali della supply chain si sono spesso concentrate sull'efficienza operativa o sulla reattività. Quando l'efficienza operativa è la priorità, un'azienda si sforza di spremere il più possibile i costi dalla catena di fornitura, e questo obiettivo guida la selezione dei fornitori, le strategie di produzione, il design e la distribuzione del prodotto e la logistica. Tipicamente, le decisioni di produzione e distribuzione sono basate su previsioni a lungo termine, le scorte di prodotti finiti sono situate vicino alla domanda dei clienti, e i componenti sono spesso acquistati da paesi a basso costo.

L'obiettivo di una strategia reattiva è di competere sul time to market, soddisfare rapidamente la domanda ed eliminare le scorte. La produzione o l'assemblaggio del prodotto si basa su ordini effettivi piuttosto che su previsioni; i prodotti possono essere personalizzati; le scorte di componenti sono massimizzate ma le scorte di prodotti finiti sono minimizzate; e la velocità è prioritaria rispetto al costo nelle decisioni sull'approvvigionamento e sul trasporto.

Anche se i dirigenti esperti delle operazioni e della supply chain capiscono la differenza tra efficienza e reattività, molti sono tuttavia confusi su quando applicare ciascuna strategia. Questo perché prodotti diversi hanno caratteristiche diverse, con alcuni che richiedono una strategia incentrata sull'efficienza, altri una strategia incentrata sulla reattività e altri ancora un approccio ibrido. Fino a poco tempo fa, i dirigenti non avevano gli strumenti per segmentare i prodotti e decidere quale strategia fosse appropriata per un particolare segmento. Ma questo è cambiato, grazie alla digitalizzazione e all'analisi.

Le aziende hanno bisogno di predittori di performance chiave: metriche che indicano quale sarà lo stato della supply chain nelle prossime tre-sei settimane. Queste sono fondamentali per un'esecuzione intelligente.

Il produttore CPG ha iniziato esplorando le variazioni dei dati di vendita, concentrandosi sulla volatilità delle vendite dei prodotti, il volume e il margine di profitto, perché ognuno di essi è direttamente correlato ai rischi associati a stock-out, livelli di servizio, inventario e trasporto. Più alta è la volatilità delle vendite, più bassa è la precisione delle previsioni e più rischioso è il prodotto. Questo a sua volta si traduce in frequenti stock-out e livelli di servizio più bassi. Allo stesso modo, più alto è il margine di profitto di un prodotto, più alto è il rischio, poiché perdere un ordine avrà un impatto maggiore sulla linea di fondo. Il volume, al contrario, è inversamente proporzionale al rischio, cioè più alto è il volume, minore è l'impatto di un ordine mancante e minore è il rischio. Queste relazioni sono coerenti con quelle che gli editori dell’articolo hanno visto in altre aziende CPG e di vendita al dettaglio, anche se a volte altre aziende si concentrano sul prezzo o sul costo del prodotto piuttosto che sul margine del prodotto, a seconda di quale sia più stabile e di conseguenza più facile da applicare.

L'analisi ha rivelato che l'azienda CPG aveva quattro segmenti di prodotto, anche se altre aziende potrebbero avere più segmenti date le caratteristiche dei loro prodotti. Ogni segmento richiedeva una diversa strategia di supply chain. Il primo segmento comprende prodotti caratterizzati da un'alta volatilità. Poiché i loro rischi di stock-out, di livello di servizio e di inventario sono alti, richiedono una strategia di supply chain reattiva. Le scorte di prodotti finiti per loro dovrebbero essere situate in centri di distribuzione centrali. Ogni centro sarà responsabile di molti punti vendita, il che permette all'azienda di aggregare la domanda, migliorare l'accuratezza delle previsioni e ridurre le scorte necessarie per rifornire collettivamente i rivenditori mantenendo alti livelli di servizio. Poiché la consegna rapida è fondamentale, questi prodotti vengono spesso spediti attraverso strutture regionali di cross-dock, in cui gli articoli dai grandi camion in arrivo vengono ricaricati su camion più piccoli in uscita senza alcuno stoccaggio intermedio.

Il secondo segmento comprende prodotti con alto volume e bassa volatilità, che richiedono una strategia di efficienza. Nel loro caso, le previsioni sono affidabili e la gestione dei costi di trasporto è importante. Per questo motivo, i prodotti sono immagazzinati in magazzini regionali vicini ai clienti, e l'inventario viene rifornito secondo un programma fisso. Questo permette all'azienda di caricare completamente i camion che portano i prodotti dagli stabilimenti di produzione ai magazzini regionali, il che mantiene basse le spese di trasporto.

Gli altri due segmenti sono entrambi caratterizzati da fattori contrastanti: bassa volatilità della domanda (che suggerisce che una strategia di efficienza sarebbe la migliore) e basso volume di prodotti (che da solo richiederebbe una strategia reattiva). Ciò che distingue questi due segmenti sono i margini dei prodotti.

Guardiamo prima quelli ad alto margine. Poiché questi prodotti sono più rischiosi, molti di loro sono immagazzinati sia in luoghi centralizzati che in magazzini regionali e sono riforniti sulla base delle vendite effettive del negozio. Questa strategia permette all'azienda di trovare un equilibrio tra efficienza e reattività, anche se propende per la reattività.

I prodotti a bassa volatilità, basso volume e basso margine, al contrario, richiedono una strategia ibrida che propende per l'efficienza. Infatti, poiché i rischi e il costo di tenere l'inventario sono bassi mentre la domanda è prevedibile, un'azienda può spedire questi prodotti su camion a pieno carico a magazzini regionali vicini ai suoi clienti, rifornirli da quelle sedi e minimizzare i costi di trasporto.

Una volta che un'azienda ha fatto la segmentazione, ha bisogno di sviluppare strategie dettagliate di sourcing, produzione e logistica. Un obiettivo dovrebbe essere quello di identificare le sinergie tra i segmenti che permetteranno all'azienda di beneficiare delle economie di scala. Queste possono essere ottenute facendo leva sul volume tra i segmenti per ridurre i costi di approvvigionamento; condividendo la capacità e le infrastrutture nella produzione e nella logistica; e consolidando le informazioni sulla domanda e sull'offerta per una migliore pianificazione ed esecuzione. Ora guarderemo più in dettaglio quest'ultima attività.

Bilanciare la domanda e l'offerta

Un importante processo di gestione della supply chain che è stato applicato dalla metà degli anni '80 è la pianificazione delle vendite e delle operazioni (S&OP). Bilancia continuamente la domanda e l'offerta, e storicamente ha richiesto ai manager che lanciano nuovi prodotti e ai leader della produzione e della distribuzione di riunirsi e concordare un unico piano. Tipicamente, implica un'analisi a livello di business unit o di famiglia di prodotti, non a livello di singolo prodotto.

Tradizionalmente, il S&OP è semplicemente un'estensione della previsione di consenso, e per questo soffre di limitazioni simili: Non inizia con una visione unificata della domanda, non crea un piano a livello di SKU, non distingue tra i segmenti della supply chain ed è guidato principalmente dal senso comune, dall'esperienza e dall'intuizione, non da dati e analisi. Poiché è un processo manuale, generalmente richiede un mese.

Un approccio migliore al S&OP sostituisce il processo manuale con uno automatizzato che può essere eseguito settimanalmente e assicura che le funzioni di ingegneria, finanza, vendite, supply chain, produzione, sourcing e commercio lavorino tutte per raggiungere gli stessi obiettivi aziendali. Il nuovo processo inizia quando un sistema di ottimizzazione guidato dall'analisi genera il piano di fornitura SKU-by-SKU che abbiamo descritto prima. Questo piano informerà tutto, dai programmi di produzione principale alla pianificazione dei materiali alla logistica, comprese le decisioni di inventario e di trasporto.

Mentre non tutte le aziende o le business unit hanno bisogno di produrre un piano settimanalmente, tale frequenza è critica per i prodotti la cui domanda è altamente volatile e le cui strategie di marketing e promozione cambiano spesso.

Il nuovo processo S&OP richiede anche attività di monitoraggio. Le aziende dovrebbero raccogliere informazioni in tutta la catena di fornitura sugli indicatori di performance chiave (KPI) come i tempi di consegna, le scorte di materie prime e di prodotti finiti e i livelli di servizio, cercando qualsiasi problema o deviazione che potrebbe minare il piano delle vendite e delle operazioni. Le aziende possono quindi lavorare per affrontare questi problemi e, se si rivelano significativi, aggiustare il piano stesso.

Le aziende hanno anche bisogno di tenere d'occhio i dati e gli eventi che fanno presagire ciò che potrebbe accadere nel prossimo futuro. Per esempio, mentre l'inventario e i livelli di servizio possono suggerire che tutto sta andando liscio, i dati di monitoraggio delle spedizioni possono indicare che i tempi di consegna stanno probabilmente aumentando e che di conseguenza i livelli di servizio potrebbero scendere nelle prossime settimane, segnalando la necessità di costruire scorte o accelerare le spedizioni. Allo stesso modo, se un disastro provoca la chiusura di un impianto di produzione di un fornitore in Asia, potrebbe influenzare la fornitura disponibile lungo la strada - forse costringendo gli impianti di produzione e assemblaggio di un'azienda sulla costa occidentale degli Stati Uniti a ridurre o interrompere le operazioni in cinque settimane. Ma i KPI tradizionali da soli potrebbero non fornire alcun avvertimento.

Per questo motivo, le aziende hanno bisogno di predittori di performance chiave (KPP): metriche che indicano quale sarà lo stato della supply chain nelle prossime tre-sei settimane. I KPP sono fondamentali per quella che viene chiamata esecuzione intelligente, un nuovo processo aziendale che integra il S&OP intelligente. Mentre S&OP si concentra sulle prossime 50-80 settimane, la smart execution si concentra sul breve termine (non più di sei settimane) e cerca di identificare e rispondere rapidamente alle interruzioni e alle deviazioni dal piano.

L'esecuzione intelligente coinvolge tre capacità automatizzate: (1) l'acquisizione in tempo reale di dati interni ed esterni che rivelano potenziali deviazioni dal piano, interruzioni di fornitura o cambiamenti nella domanda; (2) l'intelligenza artificiale che identifica l'impatto potenziale di questi sviluppi sulla performance della catena di fornitura; e (3) l'ottimizzazione guidata dall'analisi che determina la risposta migliore, considerando vari compromessi e obiettivi.

Ecco un'illustrazione. Raccogliendo informazioni finanziarie sui fornitori che sono aziende pubbliche e dati interni sulle prestazioni del fornitore (per esempio, sui tempi di consegna, sui livelli di servizio o sulla qualità del prodotto), le aziende possono essere in grado di identificare i fornitori in difficoltà. Un sistema di AI può quindi proiettare la probabilità e l'impatto di un'inadempienza del fornitore sui futuri impegni di consegna puntuale e sulla qualità del prodotto. Infine, il sistema di ottimizzazione automatizzato può identificare un fornitore alternativo per l'approvvigionamento del materiale.

Considerazioni Finali

Per la maggior parte della sua storia, l'azienda manifatturiera CPG aveva usato una strategia a taglia unica. Le sue previsioni erano ottenute per consenso, il S&OP era un processo lungo un mese, la strategia della catena di approvvigionamento non distingueva tra i diversi prodotti e le deviazioni dal piano e le interruzioni di fornitura erano gestite ad hoc. L'azienda aveva eccelso nell'efficienza operativa abbracciando il miglioramento continuo nei suoi processi di produzione, imballaggio, distribuzione ed evasione degli ordini, ma non aveva cambiato fondamentalmente nessuno di essi. L’ approccio alla digitalizzazione della supply chain ha permesso all'azienda di trasformare l'organizzazione in meno della metà del tempo e con meno di un quarto della spesa che richiede la maggior parte delle aziende.

Altre aziende possono fare lo stesso. Un approccio completo e automatizzato può permettere loro di ridefinire le loro strategie della catena di approvvigionamento e rispondere rapidamente alle deviazioni dal piano. E poiché è guidato dall'AI, libererà i dirigenti per dedicare più tempo alle attività a valore aggiunto, come l'identificazione delle migliori opportunità di crescita del business.