Бизнес план по продаже fmcg
- Главная
- >
- Статьи
- >
- Процесс планирования продаж и операций в FMCG-компаниях
Игорь Гусаков
Что представляет из себя процесс планирования продаж и операций (S&OP, Sales and Operations Planning)? Можно найти много различных определений этого процесса. Например, определение, приведенное в свободной энциклопедии Wikipedia, звучит так: «S&OP – это интегрированный процесс управления бизнесом, с помощью которого команда управленцев постоянно достигает синхронизации между всеми функциями организации». А вот еще одно, краткое и емкое: «S&OP – это набор ежемесячных мероприятий, направленных на превращение стратегического плана в конкретные шаги по его реализации». Давайте разберем, что же все это означает.
Во-первых, компании нужно знать, сколько продукции она продаст в следующем периоде. Прогноз спроса, находясь в самом начале цепочки поставок, оказывает огромное влияние на расходы компании. Некачественный прогноз сопряжен со значительными рисками, в первую очередь в продажах: это и потерянные продажи, и «замороженные» в виде страхового запаса деньги, и списания готовой продукции, особенно если это продукция с короткими сроками годности. Двигаясь далее по цепочке поставок, мы можем то же самое сказать и о запасах сырья и материалов. Их избыток на складах приводит к повышению складских издержек и списаниям, а нехватка – к нехватке готовой продукции. Высокая точность прогноза спроса является залогом отсутствия потерь во всей цепочке поставок. И, как следствие, очевидно, что повышение точности прогнозирования спроса – одна из важнейших задач для оптимальной работы компании в целом. Прогнозированию спроса мы полностью посвятим одну из следующих статей.
Зная прогноз продаж и остатки на складах, можно вычислить, сколько продукции нужно произвести. При этом необходимо помнить, что если прогнозирование спроса осуществлялось не на уровне конкретных продуктов, а на более высоком, то перед вводом ограничений необходимо детализировать прогноз до уровня SKU (Stock Keeping Unit). Вообще, детализация прогноза нужна, если мы хотим его полноценно использовать в дальнейшем для того, чтобы:
- На основании прогноза «группа продукции – контрагент» строить план (цели) для коммерческого персонала.
- На основании краткосрочного прогноза «SKU – день» с учетом остатков готовой продукции получать план производства.
- На основании плана производства с учетом рецептур и остатков сырья и материалов (СиМ) получать план закупок ингредиентов.
- На основании долгосрочного прогноза «SKU – месяц» выявлять потребность в новых линиях и персонале.
Следующим этапом S&OP-процесса является финансовая составляющая. Действительно, имея все необходимые планы можно посчитать, сколько расходных материалов нужно закупить, чтобы произвести необходимое количество продукции, для чего нужно вычесть из прогноза производства (разложенного на ингредиенты) прогноз остатков сырья и материалов (СиМ).
Зная, сколько мы продадим, можно посчитать выручку, а зная, сколько СиМ нужно для производства (а также другие затраты), – прибыль. Таким образом, мы можем составить так называемый P&L (Profit and Loss) – отчет о прибылях и убытках – и показать его руководству компании. Руководство, в свою очередь, на основании полученной информации может принять какие-то решения, например, о необходимости увеличить продажи, сократить расходы или закупить новые производственные линии. Все вышеописанное и представляет процесс планирования продаж и операций. Повторим основные шаги, из которых он состоит:
- Прогнозирование спроса на текущий ассортимент и новые продукты.
- Планирование производства с учетом имеющихся производственных мощностей.
- Планирование закупок сырья и материалов.
- Подготовка отчета о прибылях и убытках.
- Корректировки шагов 1-4 в зависимости от решений руководства компании.
Каждый шаг сопровождается соответствующей встречей ответственных сотрудников. Сначала создается прогноз спроса. Затем его нужно обсудить, выслушать различные экспертные мнения и принять окончательное решение. Для этого ответственные сотрудники компании собираются на встречу по прогнозированию спроса (Demand Forecast Meeting, DFM). Согласно современным подходам к планированию нельзя изменять полученный с помощью математических моделей прогноз без веских на то оснований. Иными словами, увеличить (или уменьшить) прогноз можно только если компания понимает, за счет каких мероприятий это произойдет. Приросты продаж от проведения таких мероприятий в английской терминологии обычно называются Volume Building Blocks (VBB). Эту тему мы подробно разберем в статье, посвященной прогнозированию спроса.
Когда неограниченный прогноз согласован, он передается в службу, отвечающую за планирование производства. Чтобы обсудить все вопросы, связанные с производственными ограничениями, сотрудники собираются на встречу по операционному планированию (Operations Planning Meeting, OPM). В результате на встрече появляется ограниченный прогноз, на основании которого можно рассчитать потребность в сырье и материалах.
Затем в работу вступает финансовая служба. Зная прогноз продаж, среднюю стоимость продукции и возможные повышения отпускных цен, можно рассчитать выручку. Расходы на закупку необходимого сырья, а также прочие переменные расходы, которые теперь, зная прогноз продаж, можно оценить, вместе с постоянными расходами составляют затратные статьи. В результате получаем отчет о прогнозируемых прибылях и убытках, который можно рассмотреть на встрече, называемой pre-S&OP. Однако часто этот этап опускают и сразу представляют высшему руководству компании ключевую информацию на завершающей встрече, которая, собственно, и называется S&OP. Цель данной встречи – проинформировать топ-менеджмент компании о прогнозе продаж на следующие периоды (следующий месяц, квартал, весь текущий год и т.д.), а также о различных финансовых показателях. На встречу S&OP выносятся все те вопросы с предыдущих встреч, которые требуют внимания высшего руководства компании и не могут быть решены иначе. Таким образом, можно сказать, что весь S&OP-процесс направлен на то, чтобы высший менеджмент компании был постоянно в курсе не только текущего положения дел, но и того, что ждет компанию в среднесрочной (около полутора лет) перспективе.
Классическая схема процесса планирования продаж и операций может быть представлена так, как показано на схеме ниже (оранжевые блоки – встречи, синие – подготовка):
Внедрение S&OP-процесса, как уже понятно из всего вышесказанного, ведет к снижению издержек во всей цепочке поставок, в том числе обеспечивает:
- Повышение точности прогноза спроса.
- Единые цели для всех подразделений компании.
- Снижение уровня складских запасов готовой продукции, сырья и материалов.
- Повышение уровня клиентского сервиса.
- Заблаговременное планирование производственных мощностей и людских ресурсов.
В результате внедрения S&OP-процесса компания получает:
- Ежемесячный прогноз продаж с необходимой детализацией.
- Ежемесячные цели (план) для коммерческого персонала с детализацией до клиента.
- Ежедневный детальный план производства и логистики.
- План закупок сырья и материалов.
- План по закупке оборудования и привлечению людских ресурсов.
- Прогноз прибылей и убытков и возможность анализировать их в реальном времени.
О последнем пункте мы подробно поговорим чуть ниже.
Но даже если описанный выше процесс успешно внедрен, определенные сложности остаются. Действительно, если полученный отчет о прибылях и убытках показывает, что ситуация хорошая, дополнительные действия не требуются. Однако если отчет не соответствует ожиданиям руководства компании, начинается самое интересное. Понятно, что в случае неудовлетворительного финансового прогноза есть два способа изменить ситуацию – увеличить доходы или снизить расходы. Любой из них требует определенного времени на реализацию. Увеличение продаж не произойдет просто потому, что так захотелось руководству компании. Нужны действенные инструменты, например, промоакции. При этом понятно, что начать акцию на следующий день после принятия решения о ее проведении практически невозможно. Тем более, что сначала нужно оценить, приведут ли задуманные мероприятия к желаемому финансовому результату.
И здесь возникает вопрос о том, каков же должен быть тайминг S&OP-процесса, то есть в какие числа месяца должны происходить все описанные выше встречи. С одной стороны, чем ближе к началу месяца, на который мы прогнозируем, тем больше мы знаем о продажах в текущем месяце, и, значит, тем точнее будет наш прогноз. С другой стороны, чем меньше времени остается до начала нового месяца, тем меньше у нас шансов успеть предпринять какие-либо меры для изменения ситуации.
Для того чтобы понять, в какие числа месяца должны происходить встречи цикла S&OP-процесса, оттолкнемся от конечного результата. Обычно для того, чтобы успеть предпринять шаги по увеличению продаж, нужна минимум неделя. Это означает, что встреча S&OP должна происходить примерно за неделю до начала месяца. Соответственно, операционное планирование должно завершиться в середине месяца, а встреча DFM должна проходить в конце первой декады. Учитывая время на ее подготовку понятно, что при таком подходе мы будем прогнозировать следующий месяц, ничего не зная о том, какими будут наши продажи в месяце текущем.
Вписываясь в рамки S&OP-процесса, такой подход девальвирует ценность прогноза спроса. Сотрудники, работающие в продажах, психологически не готовы прогнозировать следующий месяц так рано. Часто они хотят дождаться не только последних чисел месяца, но даже его полного завершения, и планировать продажи на следующий месяц в его первых числах. Поэтому прогноз спроса, полученный за месяц до наступления планируемого периода, они воспринимают скорее как некую формальность, чем как реальный инструмент работы. Следствием этого является снижение точности прогноза, что девальвирует весь S&OP-процесс. Остальные службы, теряя доверие к прогнозу спроса, начинают создавать собственные прогнозы, что еще больше усугубляет ситуацию.
Современные IT-технологии позволяют преодолеть данное противоречие, однако подход к S&OP-процессу и последовательность его шагов при этом придется пересмотреть. Сначала обсудим изменение процесса, а затем – то, как нам могут помочь информационные технологии.
Итак, первым шагом остается подготовка прогноза спроса. Сразу детализируем этот прогноз, добавим к нему VBB, оценим возможности производства, а затем рассчитаем P&L, который и вынесем на суд руководства компании. Что же изменилось? Казалось бы, ничего. Даже стало в некотором смысле хуже. Вот тут нам и понадобятся информационные технологии. Нам необходимо реализовать три достаточно непростые возможности. Во-первых, необходимо уметь мгновенно изменять прогноз спроса на самом детальном уровне при его изменении на уровне агрегированном. Это позволит нам моментально увидеть изменения на уровне каждого продукта в том случае, если на DFM прогноз изменили на уровне группы продуктов. Более того, если прогноз группы меняется за счет определенного продукта, мы также должны иметь возможность выбрать и изменить только данный конкретный продукт.
Во-вторых, мы должны иметь возможность сразу видеть ограничения производства. Это может быть как просто, так и чрезвычайно затруднительно, в зависимости от различных факторов. Например, если между продуктами и производственными линиями существует взаимно однозначная связь, то проблем нет. Так как прогноз уже детализирован до продукта, можно легко увидеть, сможем ли мы обеспечить компанию этим продуктом в следующем месяце или нет. Гораздо сложнее ситуация в том случае, если один продукт может производиться на разных линиях и, наоборот, на одной линии могут производиться разные продукты. Еще сложнее, если у компании есть несколько заводов, расположенных в разных регионах. На одном заводе может быть нехватка производственных мощностей, а на другом избыток. Но стоит ли производить продукцию в удаленном регионе, чтобы потом везти ее на значительное расстояние, или это будет невыгодно? Наш гипотетический инструмент должен уметь учитывать все эти аспекты.
Наконец, третье, что нам необходимо, – это возможность мгновенно пересчитывать P&L при изменении прогноза спроса. Для этого в инструмент должны быть загружены все необходимые финансовые данные, такие как цены, себестоимость и т.д.
Итак, если предположить, что инструмент, удовлетворяющий указанным выше требованиям, внедрен в компании, S&OP-процесс будет выглядеть следующим образом. Сначала должен быть подготовлен и детализирован прогноз спроса. Одновременно финансовая служба и служба планирования производства загружают в инструмент планирования все необходимые данные для оценки возможностей производства и расчета P&L. После этого все руководство компании собирается на единственную встречу, которая теперь заменяет все остальные. На основании мнений собравшихся экспертов прогноз спроса меняется на произвольном уровне и при необходимости моментально распределяется до самого нижнего уровня. Так как производственные мощности известны, мы сразу видим, какие продукты произвести не получится. В конце встречи автоматически рассчитывается отчет о прибылях и убытках. Если необходимо, принимаются решения о проведении дополнительных мероприятий, направленных на увеличение продаж, и при этом прогноз спроса и P&L сразу же пересчитываются. В частности, если в компании внедрен инструмент для планирования промоакций, который мы подробно обсудим в одной из следующих статей, можно прямо на встрече рассчитать прирост от планируемой акции, и в случае ее одобрения руководством сразу добавить к прогнозу спроса. Теперь схема процесса будет выглядеть так:
Такой подход позволяет проводить объединенную встречу в конце месяца, когда, с одной стороны, уже есть почти полное понимание того, что будет продано в текущем месяце, и в то же время еще есть возможность повлиять на продажи в месяце наступающем.
Книга Игоря Гусакова «Анализ и планирование продаж в компаниях рынка FMСG» доступна на сайте my-shop.ru
Вы можете задать автору интересующие Вас вопросы по телефону +7 (495) 796-11-35 или по электронной почте avtor@src-master.ru.
Мария Богданова, руководитель департамента FPM&BI компании Navicon
В FMCG начался этап новых, математических подходов к моделированию и прогнозированию потребления на основе анализа данных, а также организации более «тонких» и продуманных взаимоотношений с клиентом. Эксперты считают, что пришло время data-ориентированного бизнеса, в котором все решения принимаются на основе всестороннего анализа и прогнозирования.
Знакомая ситуация
Каков портрет сегодняшнего потребителя? Человек, приходя в магазин, обладает информацией о товаре на уровне обученного продавца или даже больше. Он менее лоялен к брендам и одновременно более требователен к характеристикам продукта. Он опирается не на консультацию продавца в магазине, а на свое социальное окружение и онлайн-рекомендации. Оффлайн-магазины становятся своеобразной «витриной»: там человек выбирает товар, а покупать его отправляется в онлайн, где действуют совершенно другие правила цифрового маркетинга и e-commerce. Уже сейчас наилучшее ценовое предложение легко определить благодаря специальным интернет-сервисам сравнения цен в онлайн-магазинах. И этот тренд будет усиливаться в связи с общей тенденцией к «уберизации» экономики, в которой сервисы-агрегаторы (наподобие сервиса заказа такси Uber или онлайн-ритейлера AliExpress) выстраивают абсолютно новые цепочки «продавец-клиент». Один удачный пост популярного блоггера в Instagram или видеоблоггера на YouTube может поднять продажи далеко не флагманского продукта до космических высот, а негативный отзыв – убить популярную новинку. И кажется, что контроль над рынком и потребителем полностью утрачен, мы не в состоянии что-либо спрогнозировать, все развивается слишком хаотично и непредсказуемо.
Это – реалии сегодняшнего дня. Поэтому фокус внимания FMCG-компаний смещается в сторону персонифицированных цифровых коммуникаций с потребителями, а основная конкурентная борьба – в сферу управления удовлетворенностью клиентов. В FMCG начался этап новых, математических подходов к моделированию и прогнозированию потребления на основе анализа данных, а также организации более «тонких» и продуманных взаимоотношений с клиентом.
Возможности аналитики
Выявлять факторы, влияющие на спрос и реализацию товаров, прогнозировать основные сценарии развития бизнеса в FMCG помогают технологии BI (бизнес-анализа), Big Data (анализа больших данных) и предиктивной (прогнозной) аналитики.
В условиях постоянно меняющихся трендов на рынке для производителей массовых товаров важно непрерывно вести мониторинг спроса. Это позволит вовремя сократить производство и запасы непопулярных товаров, переключить внимание на востребованные на рынке продукты, найти незанятые и перспективные ниши. Отчетная аналитика пост-фактум, которая главным образом использовалась до сих пор, уже не дает возможности оперативного управления в режиме реального времени. Стандартная отчетность не всегда позволяет формировать адекватные прогнозы и сценарии предстоящих событий, планировать управленческие решения – данные слишком быстро устаревают, поэтому их анализ должен происходить уже «на лету».
Многофакторный анализ помогает производителю широкого спектра товаров оптимизировать продуктовую линейку. К примеру, для того, чтобы скорректировать продуктовую матрицу, необходимо правильно определить «кандидатов на вылет» — не только на основании отчетов о продажах, но и учесть целый ряд показателей: динамику продаж в зависимости от сезона, маржинальность отдельных продуктов, объем издержек, связанных с поставками, логистикой и хранением и т.д. Помимо этого, необходимо учесть и локальные географические особенности – товар может совершенно по-разному продаваться в различных регионах страны. Здесь потребуется анализ разнородности спроса по отдельным товарам и товарным группам, учет покупательской способности населения региона, демографических характеристик и т.д.
Но и это еще не все. Важно проанализировать, к примеру, не упадут ли продажи сопутствующих товаров, спрос на которые зависит от продаж товара-«неудачника».
Фактически FMCG-компаниям приходится ежедневно решать серьезные аналитические задачи, требующие оперативного и всестороннего анализа всего массива имеющихся данных.
Еще одна «головная боль» многих топ-менеджеров в FMCG-отрасли – мониторинг динамики продаж и KPI продавцов-консультантов, которые зачастую не находятся под прямым контролем FMCG-производителя. Продажей товаров чаще всего занимаются конкретные ритейлеры, торговые сети. А производителю требуется понимать, как именно продаются те или иные группы товаров – по различным регионам, в зависимости от географических, климатических, культурных, национальных и иных особенностей. Сбор и последующий анализ данных дает FMCG-производителю массу полезной информации для оценки и планирования работы по конкретным брендам, магазинам, регионам. Например, в России подобный проект по мониторингу KPI бьюти-консультантов был реализован для Clarins Groupe – одного из крупнейших мировых производителей косметики и парфюмерии. В результате перехода на промышленную BI-платформу корпорация получила инструмент управления бизнесом и измерения эффективности работы сотрудников. Система анализирует размер среднего чека в магазине, количество наименований в чеке и ежедневное количество транзакций. Теперь изменения в покупательской способности людей, модных трендах на рынке, проходимости конкретного магазина или способностях отдельного продавца-консультанта перед топ-менеджерами Clarins Groupe как на ладони.
Как работать с аналитикой при минимальных затратах
Еще недавно внедрение системы бизнес-аналитики требовало значительных временных и финансовых затрат от компании, наличия целого аналитического отдела, серьезных инвестиций в инфраструктуру. Сама же аналитическая отчетность была доступна только профессиональным аналитикам, обычные сотрудники, включая топ-менеджеров, не могли без помощи специалистов строить какую-либо аналитику, проверять гипотезы, отслеживать тренды в любом требуемом разрезе.
Сегодня появилось новое поколение ИТ-продуктов в области аналитики, требующее минимальных затрат на внедрение технологической платформы, обучение сотрудников и последующее сопровождение.
Современные решения отличаются простотой интерфейса, гибкостью настроек, продуманной эргономикой и качественной визуализацией отчетов. Системы уже «заточены» под обработку больших массивов данных – очевидно, что их объемы будут только расти с каждым годом. И что, пожалуй, самое важное – такие инструменты теперь доступны широкому кругу пользователей, то есть рядовому сотруднику компании не обязательно прибегать к помощи ИТ-отдела или обученных аналитиков, чтобы настроить отчетность, построить график или сформировать в системе прогнозную модель на основе различных вводных. С аналитикой может работать каждый – от топ-менеджера, для построения прогноза для всего предприятия в целом, до маркетолога или руководителя направления, для анализа текущей ситуации по отдельно взятому продукту. Интерфейс понятен интуитивно, не нужны сложные «визарды», настройки и слои мета-данных. Кроме того, в системе можно работать в любое время и из любого места: анализ данных доступен даже с мобильных девайсов, а благодаря качественной визуализации данных информацию можно воспринимать «на лету».
Благодаря доступности аналитики для всех заинтересованных сотрудников временной промежуток между моментом выявления проблемы и постановкой задач, направленных на ее решение, стремительно сокращается.
Современные аналитические системы развертываются проще и быстрее их более ранних аналогов. К примеру, по данным Tableau Software, лидера магического квадранта Gartner по BI, ранее при внедрении сложных аналитических систем, до 25% стоимости и длительности проекта уходило только на формирование многомерного OLAP-куба, а еще 15% занимала настройка визуализации. Сегодня решение, со всеми необходимыми для работы модулями и настройками, разворачивается в облаке за несколько минут, не требуя специальной ИТ-инфраструктуры.
Вместе с тем, использование удобного ИТ-решения еще не означает успех аналитического проекта. Компании важно правильно сформулировать бизнес-цели, понять, какое новое знание (о продуктах, потребителях или рынке) она хочет получить, определить, где именно концентрируются данные, которые можно проанализировать, и быть готовой оперативно меняться, перестраивать бизнес-процессы на основе получаемых аналитических выводов и прогнозов. Безусловно, внедрение аналитических методов в работу компании невозможны и без грамотного бизнес-аналитика или data scientist внутри организации.
Будущее – за data-ориентированным бизнесом
Основные преимущества новых математических подходов к анализу данных для FMCG-компаний заключаются в возможности создания адресного предложения для клиентов (в части не только формирования релевантной интересам клиента продуктовой линейки, но и определения подходящего момента для предложения), а также выделения ключевых клиентов и анализа эффективных способов их удержания. Конкурентными преимуществами для FMCG-компаний становятся более точное профилирование клиента, включая управление его жизненным циклом, прогнозное моделирование, динамическое ценообразование по нескольким каналам, более оперативное и продуманное управление продуктовыми линейками.
Безусловно, ближайшее будущее для любого бизнеса – это работа на основе анализа получаемой информации. Поэтому будущее – за теми компаниями, которые раньше и лучше других научатся использовать имеющиеся у них данные и аналитические инструменты, будь то прогнозирование спроса на конкретные товары или повышение лояльности и удовлетворенности клиентов.