Home – Planowanie popytu w Danone Polska, Nutricia Polska i Żywiec Zdrój

Planowanie popytu w Danone Polska, Nutricia Polska i Żywiec Zdrój

Wdrożyliśmy kompleksowy system planowania popytu dla trzech kluczowych jednostek Danone w Polsce: Danone Polska, Nutricia Polska oraz Żywiec Zdrój.

Planowanie popytu

O projekcie

Wdrożyliśmy kompleksowy system planowania popytu dla trzech kluczowych jednostek Danone w Polsce: Danone Polska, Nutricia Polska oraz Żywiec Zdrój. Danone jest globalnym liderem w sektorze żywności specjalistycznej (dla niemowląt, dzieci i dorosłych), jogurtów (mlecznych i roślinnych) oraz wód butelkowanych. Do jego najbardziej rozpoznawalnych marek należą Bobovita, Nutricia, Danone, Activia, Fantasia, Actimel oraz Żywiec Zdrój.

Zakres projektu obejmował różne segmenty biznesowe, z których każdy charakteryzował się unikalnymi zależnościami popytowymi – od produktów świeżych o krótkim terminie ważności, wymagających precyzyjnego planowania na poziomie dziennym, po kategorie silnie uzależnione od sezonowości i promocji. Różnice w dynamice sprzedaży, cyklach zamówień oraz strategiach rynkowych wymagały elastycznego podejścia do prognozowania oraz integracji danych z wielu źródeł. Wdrożenie ujednoliconego systemu umożliwiło automatyzację procesów, poprawę dokładności prognoz oraz optymalizację poziomu zapasów, dostosowaną do specyfiki każdej kategorii produktowej.

Cele i wyzwania

Poprawa dokładności prognoz

Ręczne prognozowanie nie uwzględniało wszystkich istotnych zmiennych, co prowadziło do błędów i nieefektywnego zarządzania zapasami.

Oszczędność czasu pracy planistów

Duża ilość pracy manualnej była wymagana do przygotowania prognoz popytu.

Optymalizacja jakości zapasów

Odpowiedni poziom stanów magazynowych, redukcja braków i poprawa rotacji zapasów.

Migracja do wspólnego narzędzia do planowania popytu – IBP

Ujednolicenie procesów w ramach jednej platformy.

Zapewnienie prawidłowych danych wejściowych

Spójne dane na potrzeby prognozowania.

Automatyzacja procesów prognozowania

Wdrożenie modeli statystycznych oraz algorytmów ML.

Pełna integracja finansowych i promocyjnych danych

Automatyczne uwzględnianie wpływu promocji i czynników rynkowych na popyt.

Różnorodność kanałów sprzedaży

Każda kategoria produktowa była dystrybuowana przez różne kanały, co wymagało dostosowania metod prognozowania do specyficznych wzorców zamówień i popytu.

Wpływ czynników zewnętrznych na popyt

Prognozy musiały uwzględniać zmienne makroekonomiczne, takie jak inflacja, zmiany w sile nabywczej konsumentów, a także trendy zdrowotne i środowiskowe wpływające na preferencje zakupowe.

Sezonowość i zmienność popytu

Kategorie takie jak wody butelkowane czy produkty mleczne były silnie uzależnione od sezonowości oraz działań promocyjnych, co wymagało elastycznego podejścia do planowania i analizy historycznych danych sprzedażowych.

Złożoność struktury portfolio produktowego

Szeroka gama produktów o różnych cyklach życia, w tym nowości rynkowe, wymagała precyzyjnego zarządzania prognozami, aby unikać zarówno nadwyżek magazynowych, jak i braków produktów na rynku.

Nasze podejście i rozwiązania

Wdrożenie zintegrowanego systemu IBP (Integrated Business Planning)

✔ Dostosowanie narzędzia IBP do specyficznych wymagań biznesowych.
✔ Opracowanie reguł agregacji i deagregacji danych umożliwiających prognozowanie na różnych poziomach, dostosowanych do potrzeb poszczególnych segmentów produktowych.
✔ Implementacja automatycznych mechanizmów czyszczenia danych oraz ich automatyczne ładowanie do systemu.
✔ Wdrożenie algorytmów uczenia maszynowego oraz prognozowania statystycznego, dostosowanych do specyfiki poszczególnych działów biznesowych.
✔ Jeden wspólny system obejmujący wszystkie procesy, eliminujący problem różnych jednostek miary i niejednolitego podejścia do danych.

Modele statystyczne i uczenie maszynowe

✔ Analiza szeregów czasowych w celu doboru najlepszego modelu w zależności od działu biznesowego.
✔ Wykorzystanie szerokiego wachlarza modeli statystycznych, od klasycznych metod po algorytmy ML, które uwzględniają więcej zmiennych niż dane historyczne.
✔ Automatyczne filtrowanie i dostosowywanie modeli do specyfiki produktu – możliwość ręcznej korekty tam, gdzie to konieczne.

Osiągnięcia i wyniki wdrożenia

Zautomatyzowane planowanie popytu obsługiwane przez jedno ujednolicone narzędzie dla wszystkich jednostek biznesowych.

Poprawa dokładności prognoz dzięki modelom ML:

Gratka: z 90,2% do 99,2%
Activia: z 88,3% do 98,5%
Danonki: z 90,2% do 98%
Alpro: z 92,6% do 92,9%

✔ Redukcja strat z powodu przeterminowanych produktów – kluczowe dla branży mleczarskiej, gdzie produkty mają krótką trwałość.
✔ Unikanie braków magazynowych – lepsza dostępność produktów zwiększyła satysfakcję klientów i ograniczyła utracone przychody.
✔ Poprawa rotacji zapasów – szybszy obrót towarów przyczynił się do wzrostu sprzedaży i poprawy rentowności.
✔ Migracja wszystkich interfejsów – wszystkie dane dostępne w jednym narzędziu, niezależnie od jednostek miary.
✔ Oszczędność czasu pracy planistów miesięcznie:
Nutricia Polska – 120 godzin
Danone Polska – 60 godzin
Żywiec Zdrój – 30 godzin

Korzyści biznesowe:

✔ Zmniejszenie obciążenia pracą – mniej czasu poświęconego na manualne budowanie prognoz dzięki automatycznym modelom statystycznym.
✔ Większa przewidywalność – dokładniejsze prognozy oparte na pełnych danych oraz automatyzacja procesów pozwoliły planistom skupić się na analizie.
✔ Optymalizacja zapasów i lepsza rotacja – ograniczenie kosztów związanych z nadmiernym kapitałem zamrożonym w magazynach oraz zapewnienie dostępności produktów.

Podsumowanie

Wdrożenie systemu IBP (Integrated Business Planning) umożliwiło pełną automatyzację i harmonizację planowania popytu w Danone Polska, Nutricia Polska i Żywiec Zdrój. Dzięki nowoczesnym modelom statystycznym i uczeniu maszynowemu udało się znacząco poprawić dokładność prognoz, ograniczyć straty oraz zredukować manualną pracę planistów.

Zobacz więcej realizacji