Повышение эффективности планирования промо

Заказчик:: Май Foods
Руководитель проекта со стороны заказчика: Олег Ляшко

Руководитель отдела трейд-маркетинга
Поставщик: Novo BI
Год завершения проекта: 2023
Сроки выполнения проекта: Январь, 2022 - Март, 2023
Масштаб проекта: 1056 человеко-часов
Цели: Создать единую систему планирования спроса, которая могла бы учитывать все данные из разных отделов и за счёт этого повысить аккуратность прогноза спроса
Результаты: Многое уже реализовано. Следующий шаг — создание контура согласования трейд-маркетинговых акций непосредственно в единой цифровой платформе, чтобы не зависеть от сторонних ERP-решений. Поэтому при выборе и внедрении было 2 основных задачи: организовать полноценный процесс планирования таким образом, чтобы прогнозам доверяли, а также сделать весь этот процесс в независимой системе, чтобы смена ERP не повлияла на прогноз.

Сегодня в компании ушли от расчёта базовой линии, основываясь на дистрибуции и выдуманных офтейках, теперь все данные основываются на статистике продаж, очищая от промо, используется разная глубина, в зависимости от особенностей клиента или территории. Появился прогноз по выручке. Если раньше аккуратность прогноза была достаточно турбулентной, то сейчас ее удалось стабилизировать до 68% (рост точности на 20%, благодаря цифровизации процессов прогнозирования и планирования) и сделать так, чтобы она продолжала постоянно увеличиваться.

Уникальность проекта

В первом квартале 2023 года продажи через промо принесли в среднем 44% выручки на продовольственном рынке. Большинство компаний заранее планируют акции и составляют календарь активностей. Компания «Май-Foods» занимается производством и дистрибуцией чая и кофе, имеет 6 основных брендов. Производит более 25 000 тонн продукции в год и занимает 22% доли внутреннего рынка. В сегменте горячих напитков продажи по промо составляют около 70% всего объема товарооборота. Это усредненная цифра, потому что в локальных сетях или в традиционной торговле этот процент ниже, но если говорить про национальных ритейлеров, то это 75-80%, а по ряду SKU может достигать 90% и выше. Экономические потери из-за неточности прогноза спроса могут быть колоссальными.

Проект решает задачи импортозамещения: Да
Использованное ПО: Цифровая система для оптимизации цепи поставок и интегрированного планирования Novo Forecast Enterprise
Сложность реализации: Компания искала вариант оптимизации. В первую очередь перенесли все планирование в формат таблиц. Модель планирования была следующая: создавали Excel-файл и там считали планы по организации дистрибуции в разных сетях, на основе этого планировали листинги, делистинги и прочие факторы, а также как это будет реализовано в течение года. Отдел стратегического маркетинга собирал данные воедино, считал, какой должен быть офтейк (off-take — «уходимость» товара с полки), и компания применяла этот офтейк к той дистрибуции, которую запланировали. А KAM (Key Account Manager) на основе этих данных формировал стратегию, от которой зависело много факторов, в том числе KPI сотрудников отдела продаж и трейд-маркетинга. Трейд-маркетинг должен контролировать выполнение этих показателей, причём в две стадии. Первая – это планирование самого промо-календаря, который делается горизонтом 6 месяцев минимум, и вторая, это реализация вместе с партнерами. Стоит отметить, что иногда они совершенно не совпадали между собой. Из-за этого столкнулись со следующей особенностью: компания большая, работает не только на территории РФ, стран СНГ, но и многих других. В большинстве из них не растут чай и кофе, а значит достаточно большое логистическое плечо. Кроме того, использование всех возможных каналов продаж: сетевой ритейл, национальные и локальные сети, традиционная торговля через дистрибьюторы, существенно увеличивает объем данных, которые необходимо учитывать, ведь всем участникам этой цепочки важно, чтобы прогнозы были реальными и осуществимыми на практике. Когда компания пришла к планированию в Excel, данные собирались раз в месяц, но возникла другая проблема: невозможно учесть все. Для корректного прогноза необходимо считать не только объем и вес, а еще стоимость и количество в штуках. KPI у коммерческого отдела был в рублях, исходя из этого вся компания планировала объём продаж в рублях.
Описание проекта: Когда в компании поняли, что Excel не идеал, не покрывает все необходимые потребности, стали искать другие варианты планирования. Собрали список требований и пришли к выводу, что это должна быть полноценная система по прогнозированию спроса и планированию, чтобы все было в едином контуре. Кроме того, была важна кастомизация — при необходимости адаптировать функционал под компанию.

Решением стала цифровая система Novo Forecast Enterprise, где искусственный интеллект с помощью алгоритмов машинного обучения анализирует весь объем данных и считает прогноз, учитывая факторы структурного изменения спроса: листинги, делистинги, различных блокировок, промо и еще около сотни различных тонкостей настройки расчёта прогноза. Промо создается в простых формах Excel, и оператором-аналитиком вносится достаточно быстро в систему. Дальше KAM (Key Account Manager) может добавить или убрать необходимые факторы. В таком случае результат будет практически сразу. Не через неделю, как было раньше, а на следующий день можно увидеть обновлённые данные и внести какие-то дополнительные изменения.
Система быстро адаптируется, как только появляется новая информация, она пересчитывает данные и выдает результат. Можно выбрать любую сеть, провалиться до конкретного товара в ней и посмотреть, какое количество дней у него по гайдлайнам, сколько времени запланировано на промо, какие отклонения, сколько SKU в матрице и так далее.

После внедрения системы возникла необходимость оптимизации. В компании очень много вопросов решалось на словах, но никак и нигде не были зафиксированы. Не было единой системы и иногда сложно было найти ответственного. Следующим шагом стала формализация процессов: описание, согласованием, выполнение необходимых процедур по порядку. Процесс стал достаточно цивилизованным.
География проекта: РФ
Дополнительные презентации:: Шаблон-опросника.pdf