Bessere Zusammenarbeit dank Machine Learning

Unternehmen haben viel Zeit und Geld in eine Kampagne investiert doch dann kommt es zu Lieferengpässen und wütenden Kunden? Für jeden Unternehmer ist dies der Alptraum schlechthin. Die gute Nachricht ist, dass man dies verhindern kann.

Oft schlagen Kampagnen fehl, weil die beteiligten Abteilungen keinen einheitlichen Blick auf die operativen Daten haben, sondern in Silos vor sich hin arbeiten. Wenn Marketing und Supply Chain Planer nicht die gleiche Sicht auf die Daten haben, können Kampagnen schnell nach hinten losgehen und zu unerfüllten Service Levels und enttäuschten Kunden führen.

Sales and Operations Planning (S&OP) Prozesse, die die verschiedenen Funktionen eines Unternehmens in Einklang bringen und Angebot und Nachfrage ausbalancieren sollen, könnten diese Lücke schließen, doch stehen diese selbst unter Druck. Immer mehr Produkte in zig Varianten, globale Wertschöpfungsketten, verkürzte und variable Lieferzeiten, hohe Serviceanforderungen und eine Unmenge an Daten haben zu einer hohen Komplexität geführt, an denen viele S&OP-Lösungen scheitern. 

Einheitliche Sicht für Marketing und Supply Chain Planer

Voraussetzung für die erfolgreiche Zusammenarbeit von Marketing und Supply Chain Planung sind fortschrittliche Analysen, die an ein einziges einheitliches Datenmodell gekoppelt sind, das die strategische, taktische und operative Planung umfasst. Wichtig dabei ist, dass die verschiedenen Abteilungen Zugriff auf das gleiche Datenmodell haben und es gemäß ihrer jeweiligen Rolle betrachten und anpassen können. Fehlt diese Transparenz, ist es schwierig, Kampagnen mit dem operativen Geschäft zu synchronisieren und der Kunden steht dann enttäuscht vor dem leeren Regal.

Neue Supply Chain Planungslösungen beheben das Manko. Sie geben Marketingfachleuten ein leistungsstarkes Werkzeug an die Hand, um Kampagnen in Einklang mit den Abläufen in der Lieferkette anzuzeigen und zu planen. Im Gegenzug werden die prognostizierten Auswirkungen der Kampagnen an die Supply Chain Planer zurückgemeldet, so dass diese ihre Pläne entsprechend anpassen können.

Wie rentabel wird die Sonderaktion?

Sonderaktionen, Werbung und andere Formen des „Demand Shaping“ kosten Konsumgüterunternehmen durchschnittlich mindestens 10-15% des Bruttoumsatzes. Trotzdem sind viele Unternehmen nicht in der Lage, die Rentabilität dieser Investitionen vorherzusagen. Nachfragesignale, Lieferzeiten und andere Faktoren können auf Kanal- oder Filialebene stark variieren, was die Sonderaktionsplanung äußerst komplex macht.

Hier kann maschinelles Lernen (ML) Abhilfe verschaffen. ML-basierte Supply Chain Planungslösung sind in der Lage, die vielfältigen Datenpunkte rund um Sonderaktionen abzugreifen, lernen aus vergangenen Erkenntnissen und können künftige Uplifts vorhersagen. Dadurch wird die Simulation von Sonderaktionen, die in der Regel zeit- und ressourcenintensiv ist, schnell und einfach. Die ML-Algorithmen werten alle Variablen aus und geben Auskunft über die zu erwartende Rentabilität und ermitteln, ob die Kampagne die Service Level gefährden könnte.

Mit einem einheitlichen Datenmodell, das die S&OP-Lücke zwischen Marketing und Betrieb schließt und mit fortschrittlichen ML-Algorithmen, die die Auswirkungen simuliert kann das Marketing-Team seine Kampagnen sicher und auf die Produktionskapazitäten abgestimmt planen. Und die Supply Chain Planer können ihrerseits die Pläne anpassen und sicherstellen, dass der richtige Bestand zur richtigen Zeit am richtigen Ort ist, um die Nachfrage täglich bis auf Filialebene zu decken. So stehen die Kunden am Ende nicht vorm leeren Regal und Umsatzausfälle oder Reputationsschäden gehören der Vergangenheit an.

Mauro Adorno, Managing Director Europe bei ToolsGroup

www.toolsgroup.com/de