Management
36
aprile 2011
Demand Planning per le aziende industriali e commerciali La disciplina del Demand Planning ha come oggetto lo studio dei processi di business che si occupano della generazione delle previsioni di vendita per i prodotti presso i clienti; della generazione del budget aziendale delle vendite a opportuni livelli di aggregazione su prodotti, mercati e periodi; della formulazione del piano finale di domanda vincolato al rispetto delle disponibilità di risorse produttive e distributive reperibili presso le strutture produttive e ricettive dell’azienda nel breve-medio periodo.
Fabrizio Dallari, Damiano Milanato Centro di Ricerca sulla Logistica, Università Carlo Cattaneo LIUC
C
on il termine Demand Planning si intende definire l’insieme dei processi aziendali, delle metodologie gestionali e delle tecniche quantitative atte a supportare la definizione del piano di domanda delle aziende industriali e commerciali, opportunamente collocate all’interno di supply chain multistadio, operanti a vari livelli di integrazione collaborativa fra i partner della filiera logistico-produttiva (clienti, fornitori, terzisti, operatori logistici, ecc.). La disciplina del Demand Planning ha come oggetto lo studio dei processi di business che si occupano della generazione delle previsioni di vendita (sales forecasting) per i prodotti presso i clienti, della generazione del budget aziendale delle vendite (sales budgeting) a opportuni livelli di aggregazione su prodotti, mercati e periodi, della formulazione del piano finale di domanda (demand plan), vincolato al rispetto delle disponibilità di risorse produttive e distributive reperibili presso le strutture produttive e ricettive dell’azienda nel breve-medio periodo. Il piano aziendale di domanda (demand plan) quantifica indirettamente il fabbisogno
I cinque processi chiave del Demand Planning Entrando nel merito dei singoli processi caratterizzanti il Demand Planning, si possono distinguere due momenti concettuali di pianificazione della domanda commerciale: PPpreparazione del budget delle vendite (non vincolato alla disponibilità di risorse messe a disposizione dalle funzioni “supply”), preparato anche con il supporto della previsione statistica delle vendite (sales forecast); PPnegoziazione del budget delle vendite con le funzioni logistico - produttive (vincolato quindi alla disponibilità di risorse delle funzioni “operations”). La negoziazione collaborativa del budget delle vendite fra funzioni “demand oriented” e funzioni “supply oriented” porta alla generazione del piano vincolato di domanda (Demand Plan), del piano operativo delle azioni di marketing (Marketing Plan), del piano degli obiettivi di fatturato (Sales Target) per
gli agenti della forza vendite, piani la cui fattibilità è garantita dal rispetto dei vincoli sulla scarsità delle risorse impiantistiche nel tempo. La figura 1 riporta lo schema di inquadramento generale dei processi di Demand Planning relativi alla generazione dei piani non vincolati di domanda. Dall’analisi di tale figura si evidenziano due principali workflow paralleli, che conducono al processo negoziale di Collaborative Forecasting, nel quale viene definita la versione finale, univoca e condivisa fra le funzioni, del budget delle vendite. Il primo workflow riguarda i due processi Demand Analytics e Sales Forecasting, orientati all’analisi statistica e all’interpretazione delle vendite storiche, finalizzata, da un lato, alla valutazione delle performance di accuratezza nella redazione dei sales forecast passati (Demand Analytics); dall’altro, alla formulazione del piano previsionale di domanda per l’orizzonte di pianificazione (Sales Forecasting). Il secondo workflow comprende i due processi Demand Intelligence e Marketing Intelligence, orientati all’analisi dei segmenti prodotto-mercato, in relazione ai comportamenti di acquisto manifestati nel passato dai clienti, al fine di interpretare e generalizzare le caratteristiche di acquisto peculiari di ogni segmento per poter definire piani di marketing mirati ed efficaci, dal punto di vista della soddisfazione dei clienti e della redditività aziendale. Infine, l’ultimo processo di Collaborative Forecasting (situati a valle dei due workflow paralleli sopra
aprile 2011
distribuzione. Il confronto collaborativo interfunzionale fra le opportunità di sviluppo della domanda nel brevemedio termine (sales budget, sales forecast) e le capacità disponibili per le risorse nel medesimo orizzonte di programmazione (piani delle capacità logistico - produttive) conduce l’azienda alla formulazione dei piani di domanda (Demand Plan) e dei piani operativi, concernenti la predisposizione delle risorse tecnologiche, finanziarie e umane per lo svolgimento delle attività produttive e distributive necessarie per far fronte al volume programmato di domanda per i prodotti finiti.
37
Con il termine Demand Planning si definisce l’insieme dei processi aziendali, delle metodologie gestionali e delle tecniche quantitative atte a supportare la definizione del piano di domanda delle aziende industriali e commerciali, opportunamente collocate all’interno di supply chain multistadio, operanti a vari livelli di integrazione collaborativa fra i partner della filiera logisticoproduttiva.
di risorse (manodopera, macchine di produzione e di trasporto, tecnologia, materiali) necessarie al suo ottenimento, supportando i responsabili aziendali nella formulazione dei piani di fornitura (supply plan). Il piano di domanda costituisce quindi l’input principale per la preparazione dei piani aziendali di produzione e approvvigionamento (Master Production Schedule, Materials Requirement Planning) e di distribuzione (Distribution Requirement Planning), ovvero dei piani operativi di brevemedio termine, predisposti per fornire le risorse necessarie al soddisfacimento del piano di domanda e del budget delle vendite. Al Demand Planning afferiscono processi di business (oggetto della presente analisi), metodologie gestionali, workflow tipici e configurazioni organizzative interfunzionali; i processi gestionali di Demand Planning sono quantitativamente supportati da modelli matematici di sales forecasting, business intelligence e data mining, implementati nelle soluzioni informatiche offerte dai software vendor di Supply Chain Management (pacchetti APS – Advanced Planning & Scheduling). Il tradizionale macroprocesso Sales, Inventory & Operations Planning (pianificazione integrata delle vendite, delle scorte e delle attività logistiche e produttive) è scomponibile nelle due componenti Demand Planning e Supply Planning, rispettivamente preposte alla previsione della domanda commerciale e alla definizione degli impieghi delle risorse logisticoproduttive atte a realizzare i piani di produzione e di
Management
38
aprile 2011
Figura 1 - Quadro generale dei processi di Demand Planning.
esposti) ha la finalità di generare il budget delle vendite, tenendo conto delle commesse già acquisite, delle previsioni statistiche di vendita e delle azioni di marketing, inerenti alla pianificazione di promozioni ed eventi speciali e alla progettazione di campagne per l’introduzione di nuovi prodotti sul mercato (figura 2). Il sales budget si ottiene quindi partendo dal piano di sales forecast, sua principale determinante (ottenuto applicando algoritmi di previsione statistica alle serie storiche di domanda), mediante trasformazioni quali, ad esempio: PPaggiunta di promozioni ed eventi commerciali; PPmix dei valori di sales forecast con gli ordini acquisiti alla data corrente; PPspostamento nel tempo o riduzione di quantità di forecast, dovuta alla presenza di correlazioni negative fra due prodotti (analisi di impatto incrociato fra vendite di prodotti simili). Di seguito si analizzano i singoli processi di Demand Planning.
Demand Analytics La fase Demand Analytics (figura 3) si occupa della valutazione delle performance che l’azienda è stata capace di erogare nei periodi passati, in relazione alle attività di vendita e di servizio al cliente. I dati storici in input alle analisi di Demand Analytics (prelevati dai Data Mart di Marketing & Vendite e inseriti in cubi di analisi) appartengono a due differenti tipologie: PPserie storiche consuntive (actual), cioè i valori misurati a posteriori circa la domanda realmente manifestatasi durante i processi del ciclo attivo (actual sales), archiviata nei data warehouse aziendali tramite
raccolta dai point of sale; PPserie storiche preventive (target), cioè valori di sales forecast generati nel passato in relazione all’entità della domanda commerciale prevista (demand plan) ed agli obiettivi di vendita associati (sales target). L’indagine conoscitiva delle cause che hanno condotto all’ottenimento di prestazioni inferiori ai target pianificati è finalizzata all’implementazione di azioni correttive, per poter meglio prevedere i futuri scenari di domanda, e alla remunerazione della forza di vendita. La fase Demand Analytics prevede la navigazione gerarchica sui dati di
domanda, all’interno di cubi multidimensionali di dati, aggregando i valori disponibili per i dati storici e per i valori target secondo le tipiche gerarchie di analisi di Demand Planning, definite dai prodotti, dai mercati, dai canali di vendita, dai periodi temporali e da altre dimensioni significative per lo specifico contesto di business. Tipiche analisi di Demand Analytics riguardano la valutazione dei KPI (key performance indicators) relativi al livello di servizio al cliente (customer service), ai ritorni economici di fatturato (sales analysis) e alla valutazione delle performance interne di previsione (forecast accuracy). Gli scostamenti usualmente misurati sono fra: PPsales forecast e actual sales: errore di previsione (forecast error); PPsales budget e actual sales: analisi delle varianze.
Sales Forecasting La valutazione di forecast accuracy, output della fase Demand Analytics, rappresenta un dato in ingresso alla fase di previsione statistica della domanda commerciale (Sales Forecasting). Essendo a conoscenza dell’entità degli errori di previsione commessi in periodi passati dopo aver utilizzato uno specifico set
Figura 2 - Processi di Collaborative Forecasting.
di modelli matematici di sales forecasting, è possibile tarare nuovamente i parametri degli algoritmi disponibili, oppure cambiare gruppo di algoritmi, in seguito al mutato andamento temporale delle serie storiche di domanda. Obiettivo della fase di Sales Forecasting (figura 4) è la costruzione del piano previsionale non vincolato di domanda, per tutte le combinazioni significative dei segmenti prodotto-mercati, per tutti i periodi dell’orizzonte temporale di pianificazione. L’ownership funzionale di tale processo di pianificazione è dei demand forecaster, aventi competenze matematico statistiche, unite a una solida conoscenza del business di riferimento. Le attività di sales forecasting si dividono in:
PPSales Cleaning: analisi degli outlier (irregolarità sporadiche) presenti nelle serie storiche, dovute a fenomeni inconsueti (promozioni storiche, stock out, vendite eccezionali), da rimuovere al fine di fornire una corretta baseline storica in input agli algoritmi di generazione della previsione statistica; PPProduct / Marketing Classification, consistente nell’identificazione dei metodi quantitativi più idonei per la generazione della previsione di vendita per prodotti continuativi, sporadici, monostagionali, regolari o fortemente irregolari nella distribuzione temporale delle vendite. Si definiscono in tal senso cluster per prodotti/mercati a seconda
40
aprile 2011
Management
Figura 3 - Fasi del processo di Demand Analytics.
Figura 4 - Fasi del processo di Sales Forecasting.
della tipologia di profilo di domanda (sales pattern). Per ciascun cluster di entità si seleziona un opportuno set di algoritmi di sales forecasting, fra le categorie di modelli presenti in letteratura: modelli per serie storiche regolari continuative (smorzamento esponenziale, Holt-Winters, scomposizione additiva o moltiplicativa), sporadiche irregolari (Croston, Poisson), significativamente correlate a variabili esogene (modelli di regressione lineare); PPSales Forecasting per la generazione del piano di domanda: gli algoritmi di analisi delle serie storiche identificano e isolano agevolmente le componenti di tendenza, stagionalità e casualità dai pattern di domanda storica. Identificata
la migliore tipologia di algoritmo per ogni entità, si procede al settaggio dei parametri numerici propri dei singoli modelli (ottimizzazione parametrica), specificamente con l’ausilio di software commerciali di Demand Planning, e alla generazione periodica e massiva del sales forecast.
Demand Intelligence La fase conoscitiva di Demand Intelligence (figura 5) viene svolta in parallelo all’analisi delle caratteristiche quantitative dei pattern storici di domanda. L’obiettivo delle analisi di Demand Intelligence consiste nella ricerca di relazioni statisticamente significative, non banali, frequenti e aventi valore aggiunto di conoscenza, all’interno di un insieme eterogeneo di dati di prodottomercato riguardanti: PPi comportamenti temporali di spesa dei consumatori presso i punti vendita; PPle caratteristiche temporali di acquisto (volumi e periodicità) dei clienti industriali; PPgli attributi descrittivi dei singoli prodotti e dei singoli clienti; PPle caratteristiche qualitative dei segmenti in cui l’azienda opera; PPle tipologie di pattern numerici associati a specifiche promozioni di vendita. Dai risultati offerti dallo studio delle caratteristiche nascoste nelle grandi moli di dati storici presenti nei Data Warehouse dipartimentali, si possono ricavare informazioni e conoscenze di business sul contesto competitivo, da sfruttare nella fase di pianificazione delle attività di marketing (successiva fase di Marketing Intelligence). Le tecniche e i modelli
ciascun cluster si possono ad esempio applicare azioni di marketing simili; PPl’analisi delle sequenze temporali di vendita, consistente nel monitoraggio dei percorsi di navigazione sui siti web delle aziende (clickstream analysis), o nella sequenza degli acquisti effettuati in diversi istanti temporali presso il medesimo punto vendita; PPl’analisi dei pattern promozionali storici (trade promotion effectiveness), estrapolati dalle vendite storiche mediante algoritmi di sales cleaning.
Marketing Intelligence Le analisi di Demand Intelligence incrementano la conoscenza delle caratteristiche dei segmenti prodotto-mercato, a vantaggio degli operatori delle funzioni di Marketing e Vendite, il cui ruolo consiste nel sostenere nel tempo la vendita dei prodotti attraverso la progettazione di azioni commerciali mirate. Gli studi di Demand Intelligence vengono presentati dai demand planner / analyst, sotto forma di reportistica, ai responsabili delle attività commerciali per le diverse famiglie di prodotti sui diversi mercati. La fase di Marketing Intelligence si propone di interpretare i risultati ottenuti dall’applicazione dei modelli di Data Mining sui dati di vendita, con l’obiettivo di definire i piani operativi di marketing da integrare con il piano previsionale di sales forecast e con il portafoglio delle commesse acquisite.
Il piano aziendale di domanda quantifica indirettamente il fabbisogno di risorse (manodopera, macchine di produzione e di trasporto, tecnologia, materiali) necessarie al suo ottenimento, supportando i responsabili aziendali nella formulazione dei piani di fornitura.
Le azioni di marketing si sviluppano lungo le due dimensioni di prodotto e mercato. Esempi di piani di marketing sui prodotti sono: PPdefinizione di promozioni su prodotti basso-vendenti, attuate con sconti sul prezzo; PPdefinizione di offerte di vendita congiunta di gruppi di prodotti confezionati insieme (on pack), in occasione di particolari eventi o festività, oppure inclusione di gadget al prodotto acquistato; PPridefinizione dei listini PPper i prodotti finiti, a livello di opzioni e varianti; PPprogettazione di campagne pubblicitarie su determinate linee di prodotto, attuate attraverso canali multimediali di comunicazione; PPpreparazione dei cataloghi commerciali da distribuire presso i punti vendita, organizzati raggruppando nella stessa area (pagina o gruppo di pagine) prodotti funzionalmente simili e/o con comportamento di vendita differente, per stimolare l’acquisto incrociato di tali prodotti. Esempi di piani di marketing sui mercati sono: PPvalutazione
aprile 2011
Figura 5 - Tecniche e modelli di supporto alla fase di Demand Intelligence.
41
matematici di Data Mining permettono di analizzare i dati storici secondo una duplice ottica: PPottica interpretativa: estrarre conoscenza e relazioni di regolarità dai dati per meglio comprendere le caratteristiche dei clienti nei diversi segmenti; PPottica predittiva: formulazione di previsioni circa i comportamenti futuri dei clienti sui diversi prodotti, proiettando nel futuro le relazioni logico-matematiche ricavate dall’analisi interpretativa dei dati storici. Gli ambiti di indagine dei modelli di Data Mining utili per il Demand Planning sono ad esempio: PPl’analisi di impatto incrociato delle vendite, ottenuta mediante uso di “regole associative” fra prodotti appartenenti a diversi panieri di spesa (market basket analysis volta a definire le migliori azioni di cross-selling fra prodotti diversi); PPl’analisi di omogeneità delle caratteristiche di vendita dei segmenti prodotto-mercato, mediante raggruppamento in cluster omogenei (con algoritmi di “clustering”). Ai segmenti di
Management
42
aprile 2011
La diffusione dei cinque processi di Demand Planning è assai variegata nelle aziende industriali e commerciali che operano nelle supply chain europee.
dell’opportunità di aprire nuovi punti vendita presso nuove aree geografiche; PPvalutazione delle prospettive di vendita su potenziali prospect, presso i quali inviare gli agenti di vendita per un contatto iniziale; PPdefinizione di cicli promozionali (contenuti, durata, modalità di presentazione, parametri economici dell’offerta) su gruppi di segmenti prodotto - canale; PPintroduzione di nuove linee di prodotto su specifici mercati target; PPcessazione delle attività di commercializzazione presso alcuni canali di vendita di prodotti basso-vendenti; PPprogettazione di relazioni commerciali collaborative con singoli clienti industriali B2B; PPdefinizione delle modalità di contatto con il cliente in contesti B2C (siti web commerciali, mailing list, attività di advertising multimediali, call center PPper i servizi di customer care).
La diffusione dei processi di Demand Planning nelle aziende La diffusione dei cinque processi di Demand Planning è assai variegata nelle aziende industriali e commerciali che operano nelle supply chain europee. I processi di Collaborative Forecasting sono più diffusi ove più ampia è la cultura organizzativa interfunzionale nelle aziende: le riunioni fra le funzioni per definire il single number forecast sono una pratica abbastanza diffusa nelle imprese, a prescindere dalla funzione che detiene l’ownership del processo di previsione statistica della domanda (la Logistica, oppure la funzione Marketing & Vendite). I processi di Demand Analytics e Sales Forecasting si ritrovano abbastanza frequentemente in aziende di grandi dimensioni, e sono sempre più spesso abilitati e supportati da due tipi di package commerciali: da un lato, i sistemi di Data Warehousing e Business Intelligence consentono ai sales analyst di analizzare lo
storico di domanda attraverso cubi multidimensionali e multigerarchici di dati, formulando interrogazioni complessi, cui tali sistemi rispondono mediante operazioni di aggregazione gerarchica (consolidamento), filtraggio e selezione di tali, applicazione di statistiche numeriche (medie, varianze, ecc.) e di KPI di sintesi; dall’altro, i moduli di Demand Forecasting dei sistemi di supporto alle decisioni di tipo APS contengono sofisticate librerie di calcolo per la determinazione della previsione statistica delle vendite. Le aziende medio piccole sono talvolta “frenate” dall’adozione sistematica di applicativi software di tipo APS, non fosse altro che per ragioni di costo complessivo di tale investimento: la recente diffusione delle architetture server di tipo Cloud Computing (capacità computazionale distribuita su strutture di calcolo esterne all’Intranet aziendale) sta progressivamente abbattendo tali barriere all’adozione dei sistemi APS, riducendo enormemente, ad esempio, il costo della licenza d’uso. Per quanto concerne i processi relativi al secondo workflow principale di Demand Planning (Demand Intelligence e Marketing Intelligence), se i metodi di Marketing sono da tempo ampiamente diffuse presso le aziende di qualsiasi dimensione e comparto verticale, raramente si trovano impiegati i metodi di Data Mining a supporto dei processi analitici di Demand Planning: le sofisticate metodologie di classificazione, clustering, e association rules rappresentano ancora materia piuttosto oscura nelle aziende (nonostante la presenza di
adeguati package commerciali di tipo Data Warehousing), per due ragioni: la complessità matematica degli algoritmi di determinazione di regole, cluster ed alberi di classificazione, da un lato; la mancanza di conoscenza delle potenzialità di applicazione di tali metodologie ai più comuni “problemi” di marketing relativi alla gestione della domanda commerciale. Con riferimento a quest’ultimo aspetto, fenomeni di importanza crescente quali la Web Reputation delle aziende presso i propri clienti e i consumatori finali (presenza di gruppi sociali di consumo che fungono da opinion leader), l’analisi delle correlazioni “nascoste” nei comportamenti di spesa degli acquirenti presso i punti vendita della distribuzione, l’analisi dei meccanismi di navigazione degli utenti presso i siti Web delle aziende rappresentano, di per se stessi, uno stimolo all’impiego diffuso a livello di dipartimenti Marketing & Vendite delle metodologie di knowledge discover proprie dei modelli di Data Mining applicati al contesto del Demand Planning. K © RIPRODUZIONE RISERVATA
Bibliografia • Dallari F., Creazza A. (2006) Demand Planning. Risultati di un’indagine sul campo. Logistica, Ottobre 2006 • Mentzer J.T., Moon M.A. (2005) Sales forecasting management. 2a edizione. Sage Publications • Milanato D. (2008) Demand Planning. Processi, metodologie e modelli matematici per la gestione della domanda commerciale. Springer