В нинішніх кризових умовах значно зростає роль інструментів планування та прогнозування розвитку підприємства. Саме тому досвід В«Пивоварна компанія" Балтика "В» зі створення автоматизованої системи прогнозування попиту і планування продаж на наш погляд, дуже цікавий.
Треба сказати, що нам дуже хотілося розпитати Германа Епштейна, CIO компанії В«БалтикаВ», про застосування бізнес-аналітики, про побудову моделей, про прогнозуванні попиту та плануванні продажів у зв'язку із завданнями, поставленими економічною кризою ... Для обміну досвідом ... Але він відмовився.
В«Якщо компанія почала серйозно замислюватися про ефективність ланцюжка поставок тільки зараз, у важкі часи, то навряд чи їй ніж то можна допомогти, - сказав він. - Нічого специфічно "кризового", у тому числі в області BI, ми не робимо. Підвищувати ефективність роботи потрібно постійно, і тоді компанія не зустріне криза з роздутими витратами і неефективними бізнес-процесами В».
Створення інтегрованої системи планування, невід'ємною частиною якої є система прогнозування попиту і планування продаж, в якості стратегічної завдання ІТ-дирекції була поставлена ​​топ-менеджментом В«БалтикиВ» ще в 2007 році, за закінчення чергового етапу впровадження CRM системи (про цей проект ми писали в IE, № 7/2008). Повністю проект був завершений в кінці 2008-го, і з січня 2009-го почалася промислова експлуатація.
Ініціаторами цієї роботи з'явилися відділ маркетингу і відділ прогнозування і планування продажів В«БалтикиВ». Було поставлено завдання підвищити якість прогнозування попиту по всьому асортименту продукції і по всіх ланках логістичного ланцюжка. Вимагалося формувати плани відвантаження продукції на різні періоди на основі прогнозу попиту, даних про фактичні залишки, цільових вказівок.
В«Звіти, генеруються операційним блоком CRM системи, дозволяють одержувати будь-яку оперативну інформацію, - говорить керівник відділу прогнозування та планування продажів Павло Іванов. - Але по мірі накопичення даних потрібен більш глибокий аналіз даних за великі періоди часу (до двох років) з розбивкою по місяцях або тижнях. Небхідно було рішення, яке могло б поєднати в одній системі координат різні показники по торгових точках. Наприклад, дистрибуцію і частку власної продукції на полиці торгової точки В».
Задача ускладнювалася тим, що ланцюжок руху продукції В«БалтикиВ» до споживача - досить Багатоланкова, тому надзвичайно важливу роль в аналітичній системі повинні грати засоби взаємодії з партнерами, з усіма членами логістичного ланцюжка. В«Пиво вважається проданим, коли споживач забирає пляшку з магазину, а не в момент відвантаження товару дистриб'ютору В», - пояснює Герман Епштейн. Тому без актуальних даних про роздрібні продажі ніяке прогнозування і планування сенсу не має. Не менш важливі дані можливостях постачальників і умови використання транспорту, про наявність сировини, тари, доступних виробничих і складських потужностей, напівфабрикатів на різних стадіях виробництва і готової продукції, про товари в дорозі і т. д. Всі ці питання вимагали особливої вЂ‹вЂ‹уваги в ході проекту.
Нарешті, ще одна мета проекту полягала в тому, щоб упорядкувати процес узгодження планів продажів в розподіленому середовищі, зробити його більш керованим і зрозумілим для всіх учасників.
Технічний аспект
З технологічної точки зору рішення складається зі сховища даних і розробленого для цієї задачі BI-додатки. Воно інтегроване з ERP системою В«МонолітВ», розробленої петербурзькою компанією В«Моноліт-ІнфоВ» і вже більше десяти років використовуваної в В«БалтиціВ», і CRM системою того ж вендора, впровадженої в 2007 році.
З ERP системи в систему прогнозування попиту і планування продаж передаються фактичні дані про відвантаження продукції і про виробничі обмеженнях. Назад в ERP надходять узгоджені плани. З CRM система планування отримує дані про фактичні залишки на складах дистриб'юторів та про продажі на ринку.
Інтерфейс системи прогнозування попиту і планування продаж побудований за принципом панелі управління: на одному екрані зібрана вся необхідна для ухвалення рішення інформація - поточний прогноз/план, фактичні дані за минулі періоди, різноманітна аналітика.
В основу системи покладена BI-платформа Microsoft SQL Server 2005. Розрахунок прогнозу здійснюється зовнішньої подключаемой компонентою (зараз це система Good4Cast компанії Forecsys). Вимоги до аналітичній системі були представлені відділом прогнозування і планування продажів. За словами Павла Іванова основна увага приділялася гнучкості і швидкості роботи, так як в процес планування залучено велику кількість співробітників, які повинні в оперативному режимі аналізувати фактичні дані і коригувати плани в Залежно від ситуації, що склалася. Необхідно було забезпечити підтримку регламенту процесу планування, щоб його хід став прозорим і можна було в будь-який момент часу отримувати інформацію про статус готовності плану. На підставі цих вимог був зроблений вибір архітектури і постачальника рішення (Компанія В«Моноліт-ІнфоВ»). Було вирішено розробляти спеціалізоване додаток, так як пропонувалися на ринку продукти не могли задовольнити вимоги бізнес-замовника. Отриманий результат повною мірою підтвердив правильність такого підходу. Співробітники відділу прогнозування та планування продажів брали активну участь в тестуванні системи на стадії приймання.
Додаткове, але дуже важливе досягнення цього проекту, про який не можна не згадати, - інтеграція в одному рішенні даних з ERP-і CRM систем. Це дозволило встановити постійні зв'язки між усіма учасниками ланцюжків постачань продукції на рівні ІТ систем, і в той же час не був упущений контроль якості даних, їх достовірності.
Система прогнозування попиту і планування продаж: основні характеристики
Функція прогнозування дозволяє розраховувати прогноз попиту на необхідний інтервал вперед (ковзне прогнозування) з необхідною деталізацією. Вхідний інформацією для цього є фактичні дані відвантаження за минулі періоди та дані про оцінку ринку (обсяг у натуральному вираженні) за роками, включаючи майбутній рік.
Розрахований прогноз може бути скоректований аналітиком для обліку зовнішніх впливів на ринок. У системі передбачена функція, що дозволяє застосовувати корегування з минулих прогнозів до відповідних періодів прогнозу поточного. При цьому можна аналізувати прогноз на відповідність цілям компанії, проводити сценарний аналіз і створювати різні версії прогнозу. Останнім кроком в роботі над прогнозом є його публікація. Після цього він стає доступний користувачам, а також для функції ієрархічного ступеневої планування.
Функція ієрархічного планування вирішує наступні завдання:
розподіл отриманого прогнозу по географії продажів;
створення і узгодження прогнозу поставок продукції по всіх ланках логістичної ланцюжка.
Кожен користувач на своєму рівні відповідальності може вносити зміни в розподіл прогнозу, порівнюючи при цьому поточний прогноз з фактами поточного та минулого року, з попереднім прогнозом і прогнозом, зробленим на початок року (Можливо декілька версій). Існує регламент, що передбачає порядок дій користувачів на різних рівнях відповідальності. Додатково в системі ведеться асортиментна матриця, що задає доступний асортимент для кожної території (матриця продажів) і календар маркетингових акцій.
Про прогнозні моделях
Хворий питання практично будь-якого BI-проекту - походження і реалістичність моделей, по яким виконується прогнозування. В«Всі наші моделі власні, розроблені в компанії, - розповідає Герман Епштейн. - Більше взяти їх ніде. Жодна стандартна європейська схема, подана постачальниками рішень як "краща практика ", працювати у нас не буде. В умовах Росії в оптимізаційну модель додається велика кількість змінних, які можуть бути проігноровані у Європі...
