CASE STUDY
Auf welche Weise haben Danone, Nutricia und Żywiec Zdrój ihre Nachfrageprognosen optimiert?
Informationen zum Projekt
Ein ganzheitliches System zur Nachfrageplanung wurde für drei wichtige Danone-Standorte in Polen implementiert: Danone Polen, Nutricia Polen und Żywiec Zdrój. Danone ist weltweit führend im Segment der Spezialnahrung (für Babys, Kinder und Erwachsene), Joghurts (tierisch und pflanzlich) sowie abgefüllten Wässern. Zu den bekanntesten Marken zählen Bobovita, Nutricia, Danone, Activia, Fantasia, Actimel und Żywiec Zdrój.
Der Umfang des Projekts erstreckte sich über unterschiedliche Geschäftsbereiche, die jeweils spezifische Nachfrageabhängigkeiten aufwiesen – von frischen Produkten mit kurzer Haltbarkeit, die eine exakte tägliche Planung erfordern, bis zu Kategorien, die stark durch Saisonalität und Aktionen beeinflusst werden. Differenzen in Verkaufsdynamik, Bestellzyklen und Marktstrategien machten einen flexiblen Prognoseansatz sowie die Zusammenführung von Daten aus zahlreichen Quellen erforderlich. Durch die Implementierung eines standardisierten Systems konnten Prozesse automatisiert, die Prognosepräzision erhöht und die Bestandsniveaus optimiert werden – jeweils zugeschnitten auf die spezifischen Anforderungen der einzelnen Produktkategorien.
Ziele und Herausforderungen im Projekt
Steigerung der Genauigkeit von Prognosen
Die manuelle Prognose berücksichtigte nicht sämtliche wesentlichen Einflussgrößen und führte dadurch zu Fehlern sowie einem ineffizienten Lagerbestandsmanagement.
Einsparung von Arbeitszeit der Planer
Die Vorbereitung der Nachfrageprognosen erforderte einen erheblichen Anteil manueller Arbeit.
Qualitätsoptimierung der Lagerbestände
Ein optimales Lagerbestandsniveau, die Verringerung von Fehlmengen sowie eine verbesserte Lagerumschlagshäufigkeit.
Migration auf ein einheitliches Tool zur Nachfrageplanung – IBP
Standardisierung der Prozesse auf einer gemeinsamen Plattform.
Gewährleistung richtiger Eingangsdaten
Einheitliche Daten zur Unterstützung der Prognose
Automatisierung der Prozesse zur Nachfrageprognose
Einführung von statistischen Modellen sowie Machine-Learning-Algorithmen
Komplette Integration finanzieller und werblicher Daten
Automatisches Einbeziehen der Auswirkungen von Werbeaktionen und Marktfaktoren auf die Nachfrage.
Diversität der Absatzkanäle
Da jede Produktkategorie über unterschiedliche Vertriebskanäle distribuiert wurde, mussten die Prognosemethoden an die jeweiligen spezifischen Bestell- und Nachfrage
Auswirkungen äußerer Faktoren auf die Nachfrage
Bei den Prognosen mussten makroökonomische Einflussgrößen wie Inflation, Änderungen in der Konsumkaufkraft sowie gesundheits- und umweltbezogene Trends berücksichtigt werden, die das Kaufverhalten prägen.
Saisonalität und Volatilität der Nachfrage
Produktkategorien wie abgefülltes Wasser und Milchprodukte unterlagen stark saisonalen Einflüssen sowie Werbeaktionen, wodurch ein flexibles Vorgehen bei der Planung und Auswertung historischer Verkaufsdaten notwendig war.
Komplexität der Struktur des Produktportfolios
Die breite Palette von Produkten mit verschiedenen Lebenszyklen, einschließlich neuer Marktprodukte, machte ein genaues Management der Prognosen notwendig, um sowohl Überbestände im Lager als auch Fehlmengen im Markt zu verhindern.
Unser Vorgehen und unsere Lösungen
Einführung eines integrierten Systems für IBP (Integrated Business Planning)
Individualisierung des IBP-Werkzeugs entsprechend den besonderen Geschäftsanforderungen
Ausarbeitung von Aggregations- und Deaggregationsregeln für Daten, um Prognosen auf unterschiedlichen Ebenen zu ermöglichen, zugeschnitten auf die Anforderungen spezifischer Produktsegmente.
Einführung automatisierter Verfahren zur Datenbereinigung und deren automatische Einspeisung ins System.
Einführung von Algorithmen des maschinellen Lernens sowie statistischer Prognoseverfahren, zugeschnitten auf die Besonderheiten der jeweiligen Geschäftsbereiche.
Ein gemeinsames System, das sämtliche Prozesse umfasst und die Problematik verschiedener Maßeinheiten sowie inkonsistenter Datenansätze eliminiert.
Statistische Modelle und Machine Learning
Analyse von Zeitreihen zur Bestimmung des optimalen Modells je nach Geschäftsbereich.
Nutzung eines umfassenden Spektrums statistischer Modelle – von traditionellen Verfahren bis zu Machine-Learning-Algorithmen, die über historische Daten hinaus zusätzliche Variablen einbeziehen.
Automatisches Filtern und Anpassen der Modelle an die Besonderheiten des Produkts – mit Option manueller Eingriffe, falls notwendig.
Ergebnisse und Erfolgsbilanz der Umsetzung
9%
Erhöhung der Prognosepräzision mithilfe von Machine-Learning-Modellen – von 90,2 % auf 99,2 %.
10,2%
Steigerung der Prognosepräzision mithilfe von Machine-Learning-Modellen – Activia von 88,3 % auf 98,5 %.
7,8%
Steigerung der Prognosepräzision mithilfe von Machine-Learning-Modellen – Danonki von 90,2 % auf 98 %.
0,3%
Steigerung der Prognosepräzision mithilfe von Machine-Learning-Modellen – Alpro von 92,6 % auf 92,9 %.
Wirtschaftliche Vorteile
Automatisierte Bedarfsplanung
Bereitgestellt über ein einheitliches Werkzeug für sämtliche Geschäftsbereiche.
Verringerung der Verluste durch abgelaufene Produkte.
Wesentlich für die Milchindustrie, deren Produkte nur eine begrenzte Haltbarkeit besitzen.
Vermeidung von Bestandsengpässen.
Durch eine verbesserte Produktverfügbarkeit wurde die Kundenzufriedenheit gesteigert und Umsatzverluste verringert.
Optimierung des Lagerumschlags.
Durch einen beschleunigten Warenumschlag konnten der Absatz gesteigert und die Profitabilität verbessert werden.
Umstellung sämtlicher Schnittstellen.
Sämtliche Daten stehen in einem einheitlichen Werkzeug zur Verfügung, unabhängig von den verwendeten Maßeinheiten.
Monatliche Arbeitseinsparung für Planungsverantwortliche.
Verringerung der Arbeitslast.
Reduzierter Zeitaufwand für die manuelle Prognoseerstellung durch den Einsatz automatisierter statistischer Modelle.
Höhere Prognosefähigkeit.
Präzisere Prognosen, gestützt auf vollständige Daten, und die Prozessautomatisierung haben den Planern erlaubt, sich stärker auf die Analyse zu fokussieren.
Optimierung der Lagerbestände und verbesserter Umschlag.
Kostenreduzierung infolge überhöht gebundenen Lagerkapitals und gleichzeitige Gewährleistung der Produktverfügbarkeit.
Resümee
Mit der Implementierung des IBP-Systems (Integrated Business Planning) wurde die Nachfrageplanung bei Danone Polska, Nutricia Polska und Żywiec Zdrój vollständig automatisiert und harmonisiert. Durch den Einsatz moderner statistischer Modelle und maschinellen Lernens wurden die Prognosen wesentlich präziser, die Verluste begrenzt und die manuelle Arbeit der Planer reduziert.
Haben Sie Fragen?
Kontaktieren Sie uns!
Łukasz Krukowski
Hat dich die Case study interessiert?
Lassen Sie uns über die Einführung von SAP IBP bei Ihnen sprechen.