Термин Sales and Operations Planning (S&OP) ввела в оборот компания Oliver White в начале 80-х годов прошлого века. Так назвали процесс, который позволяет находить баланс между спросом и предложением, производя или закупая ту продукцию, которая нужна покупателю. До конца 70-х годов ХХ века прогнозирование спроса и планирование производства чаще всего существовали в компаниях как два независимых процесса.
Изначально специалисты составляли прогноз в натуральных единицах (штуках, литрах, килограммах и т.д.). В конце 80-х годов к S&OP-процессу добавили финансовую составляющую: натуральные единицы стали переводить в денежные. Однако для подсчета предполагаемых заработков этой информации было недостаточно. Поэтому в процесс добавили прогнозирование расходов: себестоимость продукции, переменные затраты, зависящие от объема продаж, постоянные затраты. Получился прогнозный отчет о прибылях и убытках (Profit and Loss Statement, далее P&L), который показывает, какова будет чистая прибыль компании.
В 90-е годы в S&OP-процесс добавилось управление продуктовым портфелем, в нулевых — сценарный анализ и интеграция различных частей цепочки поставок.
Сколько вашей продукции может потребить рынок? Ответив на этот вопрос, получим неограниченный прогноз продаж. Накладываем на него ограничения: например, у компании недостаточно производственных мощностей или невозможно закупить необходимое количество ингредиентов. Ограниченный прогноз станет основой для планирования производства. Учитываем текущие остатки готовой продукции на складах и нормативные остатки на конец периода. Получаем объем продукции, который необходимо произвести (закупить).
Примечание. Речь идет о плане верхнего уровня, составление расписания производственных линий выходит за рамки S&OP-процесса.
Главная сложность использования VBB — оценка влияния факторов на продажи. Месяц завершен, продажи продукции известны. Как определить, какой процент продаж «приходится» на базовый спрос, какой — на промо, а какой — на рекламу? С помощью истории событий, влиявших на продажи в прошлом, прогнозируем влияние аналогичных событий в будущем.
Рекомендация. Учитывайте в качестве VBB только те факторы, которые дают значительный прирост. Если изменение прогноза покрывается страховым запасом, использовать такой VBB нет смысла.
Прогноз, составленный по приведенной выше схеме, дает качественный результат, несмотря на то, что касается только уровня первичных продаж.
Резерв для дальнейшего повышения точности прогноза — интеграция цепочки поставок, то есть получение информации от организаций, которые находятся «ближе» к потребителю по цепочке поставок. Для FMCG-компаний — это в первую очередь информация от дистрибуторов, а также от сетевых клиентов:
Во-первых, она помогает исключить из данных о спросе остатки продукции на складах контрагентов, а во-вторых, определить реальные объемы потребления в конкретном регионе, городе и т.д.
Ключевая цель получения данных о вторичных продажах — уменьшение эффекта кнута. Суть его в том, что незначительные колебания спроса на продукцию со стороны конечных потребителей могут приводить к колоссальным изменениям спроса на следующих этапах цепочки поставок.
Если заменить данные об отгрузке продукции дистрибуторам на продажи дистрибуторов в торговые точки, качество полученного прогноза объединенных продаж будет ощутимо выше. Для каждого дистрибутора этот прогноз легко пересчитать в прогноз первичных продаж по формуле:
Прогноз первичных продаж = Прогноз вторичных продаж – Остаток продукции на складе на начало месяца + Нормативный остаток на складе на конец месяца
Компании, которые хотят получать от дистрибуторов и сетевых клиентов данные о продажах, сталкиваются со стандартными сложностями уже на этапе обсуждения необходимости предоставлять данные. Дистрибуторы опасаются за конфиденциальность информации, не понимают, какие выгоды они получат в итоге. Даже после того, как принципиальное согласие получено, остаются административные вопросы: какие именно данные будут передаваться, как часто и с помощью какого программного обеспечения?
Однако настоящие проблемы обычно начинаются тогда, когда речь заходит о справочниках продуктов и клиентов, или о мастер-данных.
Классические проблемы с мастер-данными:
Кроме того, существуют проблемы и с достоверностью самих данных. Как проверить, что те цифры, которые прислал дистрибутор, соответствуют действительности? С помощью регулярной инвентаризации, например. Для подсчета отгрузок, продаж и остатков верна следующая формула:
Так как компания знает, что она отгружала дистрибутору, а остатки на начало и на конец периода известны из инвентаризации, становится понятно, корректны ли данные о продажах дистрибутора за период.
Выводы. Объединение информации о вторичных и первичных продажах (интеграция цепочки поставок) улучшает результат прогнозирования и создает новые возможности для планирования. Качество данных играет ключевую роль для аналитики и прогнозирования спроса.