Primo piano

no

vem

bre

2011

22

Primo piano

Come prevederela domanda nel settoredel largo consumo?

Numerose categorie di prodotti di largo consumo e beni di produzione

industriale possono essere incluse all’interno della classe merceologica denominata Consumer Packaged Goods (CPG): la classificazione spazia dai generi alimentari “confezionati” realizzati su larga scala e disponibili nei punti vendita della grande distribuzione (food & beverage) ai prodotti per

Prevedere in modo accurato la domanda di tutte le referenze a catalogo presso ciascun punto vendita della rete distributiva è il presupposto indispensabile per garantire alle aziende del comparto Consumer Packaged Goods la fidelizzazione dei clienti alla marca e la prosperità economica nel medio-lungo periodo. Quali sono dunque innanzitutto le principali variabili nell’analisi delle serie storiche di vendita dei prodotti di largo consumo, con particolare riferimento al processo di depurazione degli effetti promozionali dalla baseline della domanda? L’approfondimento proseguirà sul prossimo numero della rivista con la scelta del modello previsionale, i processo di pianificazione collaborativa e la valutazione degli impatti promozionali sulle vendite previste.

Fabrizio Dallari, Damiano MilanatoCentro di Ricerca sulla Logistica - Università Carlo Cattaneo LIUC

la cosmetica e la cura del corpo (healthcare), dai prodotti dell’elettronica di largo consumo (high-tech) ai prodotti per l’arredamento della casa e il bricolage. Diverse classificazioni sono state proposte per segmentare le aziende industriali e commerciali operanti nel comparto CPG; in generale, queste aziende produttive e distributive (CPG Retail, in quest’ultimo caso) si caratterizzano per la produzione di articoli

a basso-medio valore unitario, realizzati in volumi elevati, mediante processi industriali altamente efficienti e ottimizzati nelle rese produttive, distribuiti capillarmente lungo le filiere logistiche, dagli operatori della grande distribuzione fino ai punti vendita finali di contatto con la clientela consumer (punti vendita classificabili per dimensione spaziale, proprietà di insegna, collocazione geografica, ecc.).

Il processo di Demand PlanningEsistono alcuni processi e metodi di pianificazione della domanda commerciale che sono comuni alle aziende degli specifici segmenti funzionali-tematici del comparto CPG. Nonostante gli item realizzati dalle aziende CPG siano assai variegati e differenti per scopo funzionale, tipologia di processo produttivo-manifatturiero, modalità

[email protected] 22 20/10/11 11.45

23n

ove

mbr

e 20

11

di commercializzazione e distribuzione, si riscontra l’adozione di un workfl ow di processo base comune alle molteplici aziende del settore e ai relativi segmenti di appartenenza.L’architettura di base del macroprocesso di analisi e previsione della domanda commerciale (Demand Planning) si compone dei seguenti macroprocessi funzionali, presentati in ordine sequenziale di collocazione nel fl usso di lavoro:

P Demand Analytics: analisi statistica della domanda storica manifestatasi presso i punti vendita della distribuzione e analisi delle performance (misurazione dei KPI) registrate nei processi di vendita per i diversi segmenti prodotto - mercato (analisi di Business Intelligence);

P Sales Forecasting: previsione statistica delle vendite future per segmenti “item - punto vendita” oppure “item - canale commerciale”, operata mediante algoritmi e modelli matematici di Demand Forecasting, basati su analisi di serie storiche o sulla correlazione delle vendite commerciali con fattori “esterni” (fattori ambientali, promozioni commerciali, azioni dei competitor, ecc.; metodi di regressione);

P Trade Promotion Management: analisi e progettazione di promozioni commerciali sui segmenti prodotto - canale (sconti di prezzo, offerte di pacchetti di prodotti congiunti, inclusione di gadget, ecc.), volte a sostenere e incrementare le vendite per prodotti basso vendenti o di nuova introduzione;

P Collaborative Demand

Planning: negoziazione, revisione e validazione collaborativa del piano fi nale di domanda da parte dei diversi decisori aziendali di Demand Planning (country manager, area manager, product/brand manager, direttori regionali, direttori commerciali, ecc.), al fi ne di arrivare a un unico e condiviso piano di domanda (sales budget, demand plan, a seconda delle denominazioni adottate) da diffondere alle funzioni logistico-produttive, per l’effettiva produzione manifatturiera e spedizione dei prodotti pianifi cati sui diversi canali di vendita, nei periodi dell’orizzonte temporale di planning.La fi gura 1 riassume in forma schematica i processi descritti all’interno

del workfl ow di Demand Planning tipico delle aziende CPG.Il punto di partenza del ciclo di pianifi cazione e controllo della domanda è relativo all’analisi delle serie storiche, nel quale

si valuta l’andamento temporale delle vendite dei segmenti prodotto - mercato con indicatori statistici. In questo processo di Demand Analytics, si vogliono inoltre isolare gli effetti di promozioni

Figura 1 - Processi e fl usso di lavoro di Demand Planning nel comparto CPG.

Figura 3 - Applicazione dell’algoritmo di Sales Cleaning basato sull’intervallo di confi denza.

Figura 2 - Baseline storica, forecast statistico e promozioni commerciali.


no

vem

bre

2011

24

Primo piano

passate, per valutarne l’efficacia a posteriori (promo effectiveness) al fine di avere una solida base conoscitiva (promotion intelligence) per pianificare azioni promozionali future. Una volta depurate le serie storiche di vendita da fenomeni storici non regolari e non ricorrenti quali promozioni di vendita, picchi di domanda anomali (non sempre spiegabili razionalmente da parte dei demand planner) e cali di domanda (dovuti ad azioni commerciali dei competitor o a difficoltà logistiche di approvvigionamento dei prodotti presso i punti vendita), le serie di domanda depurate sono analizzate statisticamente dagli algoritmi di Sales

come l’unione di forecast statistico ed eventuali delta promozionali, viene sottoposto al ciclo di revisione e negoziazione gerarchica per l’approvazione finale (processo noto anche come consensus based forecasting) e successivamente diffuso alle funzioni logistiche (che devono formulare i piani di spedizione e riassortimento dei punti vendita, DRP - Distribution Requirements Planning) e produttive (che devono approntare il piano di produzione dei prodotti finiti - Master Planning o Master Production Schedule - valutando le effettive disponibilità temporali delle risorse produttive - RCCP, Rough Cut Capacity Planning).

Caratteristiche operative del comparto CPGIl comparto industriale Consumer Packaged Goods, in cui operano aziende production oriented e/o distribution oriented, si caratterizza per i seguenti aspetti peculiari relativi al contesto dei prodotti distribuiti e dei mercati serviti:☛ elevato numero di clienti a valle della supply chain: singoli consumatori che formano una moltitudine di decisori statisticamente

indipendenti, ma significativa dal punto di vista macroscopico, influenzando la quota di mercato delle singole aziende della filiera;☛ domanda molto elastica e fluttuante nel breve periodo, in conseguenza di variazioni nel prezzo dei prodotti dell’azienda e dei prodotti della concorrenza;☛ domanda “diretta” all’ultimo stadio della catena logistica (point of sale),

cioè non “mediata”, direttamente espressa dai consumatori finali (Business to Consumer);☛ singoli ordini di acquisto da parte dei clienti, per quantità minime di prodotto;☛ assenza di relazioni di vendita individuali fra acquirente e venditore (tipiche invece nei contesti Business to Business): senza alcuna forma di intermediazione commerciale, per il consumatore finale l’articolo prescelto deve essere disponibile on time sugli scaffali dei centri distributivi, giornalmente riforniti dagli operatori della Grande Distribuzione; se il cliente non trova a scaffale il prodotto desiderato nella quantità richiesta, ne seleziona un altro equivalente di un competitor, all’interno dello stesso punto vendita;☛ ampiezza della gamma commerciale mediamente elevata;☛ elevatissima frequenza temporale di reintregro dei prodotti a scaffale e, più in generale, di rinnovo del mix commerciale;☛ ciclo di vita dei prodotti molto variabile, in dipendenza dello specifico segmento all’interno del comparto CPG;

☛ elevato numero di clienti (sia come consumatori finali, sia in termini di numero di punti vendita capillarmente distribuiti nelle zone geografiche servite);☛ presenza di canali commerciali e logistici diversi (distribuzione organizzata, grande distribuzione, insegne indipendenti, ecc) a seconda dei Paesi serviti;☛ lead time di consegna estremamente ridotti, quasi nulli: il prodotto richiesto dai consumatori al punto vendita deve essere sempre disponibile; in relazione a ciò, le consegne dai depositi centrali (warehouse regionali o di zona) sono giornaliere (anche più volte nello stesso giorno), per lotti di piccole / medie dimensioni. Le aziende produttive devono quindi adottare una logica produttiva di tipo Make to Stock (anche Deliver to Stock): i lotti di produzione e di distribuzione debbono servire, come cliente finale, il magazzino logistico immediatamente a valle, in quanto il tempo di ciclo ordine - consegna è, nel settore CPG, praticamente nullo, stante l’esigenza di garantire eccellenti livelli di servizio al consumatore finale.

Forecasting, il cui compito consiste nel generare previsioni future di domanda sulla base di fenomeni di regolarità occorsi nel passato (tendenza di crescita o decrescita nelle vendite, stagionalità nei consumi di prodotti, ciclicità economica e fluttuazioni macroscopiche nelle vendite, ecc.).Una volta che dalla baseline storica regolarizzata si è ottenuta la baseline di forecast (previsione statistica della domanda), si procede alla definizione delle promozioni commerciali, progettate quantitativamente come incremento percentuale o assoluto della domanda futura espressa dalla

baseline statistica: sulla base di alcuni parametri di controllo (tipo di promozione, modalità di comunicazione, insieme di prodotti target, durata, ecc.) i demand planner inseriscono proposte di promozioni temporali sui canali di vendita, avendo precedentemente valutato l’efficacia storica di promozioni simili, effettuate sugli stessi segmenti commerciali o su coppie prodotto - canale simili. La figura 2 evidenzia un esempio numerico relativo alla definizione del forecast statistico e di una promozione commerciale, partendo da una serie storica depurata da alcuni “outlier” (valori anomali).Infine il piano di domanda (demand plan), definito


no

vem

bre

2011

26

Primo piano

Emettere un piano di domanda non affidabile e veritiero nelle quantità di previsione comporta il sostenimento di costi produttivi e logistici, nei due casi antitetici seguenti:

PP Under-forecast (sottostima della domanda finale): comporta riduzione del livello di servizio al cliente, a causa di indisponibilità del prodotto richiesto (stockout), necessità di maggiorare le scorte di prodotto presso i depositi intermedi della rete logistico - distributiva (scorta di sicurezza), necessità di emettere ordini urgenti di produzione e distribuzione (alterando la struttura dei piani ottimizzanti precedentemente formulati), perdita di immagine per l’azienda (percepita come poco affidabile e puntuale nelle consegne dai clienti);

PP Over-forecast (sovrastima della domanda finale): comporta ingenti livelli di stock (e relativi costi di gestione e mantenimento a scorta dei prodotti presso i magazzini), eccessiva ed errata allocazione di capacità produttiva, rischio di deperimento fisico o obsolescenza tecnologica dei prodotti.

L’analisi della domanda storicaLa finalità del processo di analisi delle serie storiche di vendita è triplice:

PP valutare le performance di vendita presso i segmenti prodotto - mercato, al fine di ricompensare opportunamente i sales manager in base alle effettive

performance commerciali erogate (Sales Rewarding);

PP depurare l’effetto di promozioni storiche e di eventi eccezionali (non ricorrenti, difficilmente replicabili) dalle serie storiche collezionate nei datawarehouse e datamart delle funzioni Sales e Marketing, al fine di ottenere la baseline storica (processi di Sales Cleaning e Promo Effectiveness);

PP valutare l’efficacia dei processi di pianificazione della domanda operati nei cicli di Supply Chain Planning precedenti, tramite le analisi di Forecast Accuracy (efficacia previsionale degli algoritmi statistici, misurata come scostamento percentuale fra storico di domanda - actual - e previsione formulata - forecast) e le analisi di scostamento (sales budget vs. actual, sales budget vs. forecast).L’analisi degli scostamenti è ampiamente documentata nella letteratura specialistica sulla definizione di cruscotti direzionali relativi al controllo di gestione (Azzone, 2006).Il processo di Sales Cleaning prevede l’adozione di metodi quantitativi specifici per le aziende del comparto CPG; in particolare, per depurare le serie storiche dagli outlier statistici e promozionali, si segnala, accanto a metodi semplicistici quali l’applicazione di algoritmi a media mobile o a smorzamento esponenziale semplice, l’efficace metodo basato sul calcolo dell’intervallo di confidenza. Questo metodo è particolarmente adatto al trattamento delle serie storiche per prodotti CPG, la cui domanda di

L’importanza del processodi previsioneLa previsione della domanda commerciale (Demand Planning, Sales Forecasting) relativa ai prodotti nel comparto CPG rappresenta un processo ciclico di Supply Chain Planning che assume importanza strategica per le imprese industriali e commerciali operanti in questo settore merceologico (Dallari e Creazza, 2006). La domanda per i prodotti finiti confezionati nel largo consumo si manifesta tramite la volontà di acquisto presso i punti vendita distributivi da parte dei singoli consumatori, che generano una moltitudine di singoli atti di acquisto, singolarmente irrilevanti ma globalmente significativi dal punto di vista statistico. Fattori come la disponibilità del prodotto a scaffale e il conseguente livello di servizio erogato al cliente sono obiettivi cruciali per la sopravvivenza e la profittabilità delle aziende produttive e distributive nel comparto CPG, essendo i prodotti commercializzati altamente sostitutivi, cioè facilmente sostituibili con altri prodotti della concorrenza, essendo tecnologicamente, funzionalmente e qualitativamente del tutto simili fra loro. Prevedere in modo accurato la domanda di tutte le referenze a catalogo presso ciascun punto vendita della rete distributiva è il presupposto indispensabile per garantire alle aziende CPG la fidelizzazione dei clienti alla marca e la prosperità economica nel medio-lungo periodo: l’assenza del prodotto della marca preferita presso il punto vendita si traduce in una preferenza per il consumatore verso un prodotto della concorrenza, e in uno stockout per il produttore e per il distributore (misurabile come perdita del margine di contribuzione unitario sulla vendita del prodotto, nonché come perdita di immagine per il produttore e riduzione della “affidabilità commerciale” del distributore). Inoltre, un distributore insoddisfatto per la persistente assenza a scaffale dei prodotti di un’azienda industriale CPG decide, a seconda dei casi, di rimuovere l’articolo dal catalogo espositivo o, quantomeno, di ridurre lo spazio di lineare allocato a tali prodotti, riducendo i contratti di fornitura con il soggetto produttore.

mercato è trattabile su base statistica, essendo formata da innumerevoli contributi di acquisto dei singoli consumatori, che rappresentato quindi una popolazione campionaria, analizzabile con i metodi della statistica inferenziale.La versione base del metodo dell’intervallo di confidenza consiste nel:

PP calcolare media e deviazione standard dei valori disponibili per la serie storica originale (grezza e cioè non ancora depurata);

PP costruire l’intervallo di confidenza al y% per la serie storica: definite M e S la media e la deviazione standard della serie storica analizzata, l’intervallo ha estremi inferiore Inf e superiore Sup rispettivamente


27n

ove

mbr

e 20

11

Mining, quali i metodi di Clustering, Regressione e le tecniche basate su regole associative di acquisto (per approfondimenti si veda Milanato, 2008). Obiettivo di tali metodologie quantitative è estrarre conoscenza “nascosta” all’interno delle ingenti moli di dati relativi ai consumi e agli acquisti effettuati dai clienti presso i punti vendita della distribuzione, rilevabili dalla lettura degli scontrini di acquisto. K © RIPRODUZIONE RISERVATA

della Fase 1, nella quale sono stati ovviamente reinseriti i periodi storici di promozione per sottoporti all’analisi di outlier.La serie storica che si ottiene a valle della Fase 2 rappresenta la baseline storica, input del successivo processo di Sales Forecasting.L’ordine sequenziale delle due fasi si giustifica con la semplice considerazione empirica che gli outlier storici dovuti a incrementi promozionali nelle vendite sono meglio riconoscibili, estrapolabili e isolabili se altri tipi di anomalie di natura statistica sono stati preventivamente rettificati.La figura 3 mostra un esempio di applicazione del metodo di Sales Cleaning basato sull’intervallo di confidenza.Le aziende del settore CPG più avanzate nell’utilizzo di metodologie quantitative di Demand Planning accostano all’analisi di Demand Analytics ulteriori indagini conoscitive, basate sull’impiego di metodologie di Data

calendario storico dei periodi in cui l’azienda ha effettuato attività promozionali su specifici segmenti prodotto - mercato:

PP Fase 1: calcolo dell’intervallo di confidenza e rimozione dei soli outlier statistici non promozionali (picchi e valli di domanda) dalla serie storica originale (eliminando preventivamente in modo fittizio da tale serie i periodi storici in cui si sono registrate promozioni, i quali non contribuiscono quindi al calcolo degli estremi dell’intervallo di confidenza in Fase 1);

PP Fase 2: ricalcolo dell’intervallo di confidenza sulla serie storica output della Fase 1 e rimozione dei delta promozionali storici dalla serie storica output

pari a Inf = M-k(y)*S e Sup = M+k(y)*S, essendo k(y) il percentile della distribuzione normale standard relativo al grado di confidenza al y%, dove y (es: 95%) rappresenta la probabilità che un outlier rappresenti effettivamente un valore anomalo, non ricorrente, il cui accadimento futuro è quindi altamente improbabile;

PP applicare l’intervallo di confidenza per pulire la serie storica originale: valori numerici di domanda che cadono al di sopra del valore Sup o al di sotto del valore Inf vengono rettificati ai valori Sup e Inf, rispettivamente.Il workflow di applicazione del metodo basato sull’intervallo di confidenza prevede due fasi, avendo come dato di input il

Riferimenti bibliografici✓ Azzone G. (2006) - Sistemi di controllo di gestione. EtasDallari F., Creazza A. (2006) - Demand Planning. Risultati di un’indagine sul campo. Logistica, Ottobre 2006✓ Dallari F., Milanato D. (2011) - Demand Planning per le aziende industriali e commerciali, Logistica, Tecniche Nuove, maggio 2011✓ Milanato D. (2008) - Demand Planning. Processi, metodologie e modelli matematici per la gestione della domanda commerciale, Springer

Seminario sul Demand PlanningSi terrà il 16 e 17 novembre 2011 presso l’Università Carlo Cattaneo LIUC - Castellanza, il seminario sul Demand Plannig. Tra gli obiettivi: introdurre i partecipanti nel contesto aziendale del Demand Planning, inteso come pianificazione, gestione e controllo della domanda commerciale di prodotti e servizi, all’interno del macroprocesso Sales & Operations Planning; illustrare i processi, gli input e gli output più comuni del Demand Planning, nonché i ruoli organizzativi, gli workflow tipici e le metodologie gestionali di supporto e coordinamento fra utenti; evidenziare la copertura applicativa ai processi di Demand Planning

da parte dei software commerciali di tipo ERP, Advanced Planning & Scheduling; illustrare le metodologie, gli algoritmi e i modelli di previsione della domanda commerciale, in funzione della presenza / assenza di serie storiche di domanda e della tipologia morfologica di serie storica; definire i passi tipici di un progetto di Demand Planning Reengineering (ristrutturazione dei processi e dei flussi di lavoro, implementazione di un applicativo software commerciale); Forecasting Assessment: definire criteri per misurare i vantaggi derivanti dall’adozione di sistemi software per il Demand Planning.Per informazioni: 0331-572.342


Primo piano

Documents

Transcript of Primo piano