Планирование в условиях кризиса: экстрим плану не помеха

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.

Похожие записи