Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
EXAKTERE FORECASTS:
MARKTSIGNALE TREFFSICHER ANALYSIEREN UND BESTANDKOSTEN REDUZIEREN
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
FORECAST
MANAGEMENTHERAUSFORDERUNGEN IM FORECASTING IM B2B
Forecast
Prozess Optimierung
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
AUTOMOTIVE
FORECASTINGFACETTEN VON FORECASTING IM AUTOMOTIVE-MARKT
• Fahrzeug Forecasting
• “Total Industry Volume”
Forecasting
• Kurz-,Mittel- und
Langfristforecasting
• Fahrzeug Launch Forecasting
• Ersatzteil & Service Forecasting
• “Units in Operation” (UIO)
Forecasting
• Call Center Forecasting
• Vertriebs Forecasting
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
AUTOMOTIVE ERSATZTEIL-OPTIMIERUNG
“Since introducing the system,
Honda’s forecasting accuracy
has increased by 20% in the US,
and 15% in Japan.”
Oyama-san, Senior Executive Director
Herausforderung ErgebnisLösung
• Hohe Bestandskosten in
Distributionslägern um den
Kunden einen “Next-Day
Delivery” Service zu bieten
• Zu viele Überbestände
und Out of stocks für
Millionen von Produkten in
5DC`s und über 80
Regionallägern in
Verbindung mit einer
Vielzahl von Lieferanten
• Strategie eines globalen
Ersatzteilmanagements
ggü. regionalem
Management
• Demand Synchronization:
Service Parts optimization
• Minimale Bestände für
Automotive Ersatzteile
unter Beibehaltung einer
Lieferrate von 99%
• 15-20% verbesserte
Forecastgenauigkeit,
bei gleichzeitiger
Bestandsreduzierung
und verbessertem
Servicelevel
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
AUTOMOTIVE ERSATZTEIL-OPTIMIERUNG
"SAS helps us sift the important
signals from all the noise coming
at us, so to speak, so we can
make decisions that leverage our
inventory and assets optimally
and give us a good ROI in the
market."
Rajeeve Kaul, Director of Product
and Price Optimization
• Forecasterstellung für
Konsumentennachfrage
für mehr als 1,000,000
service parts in 3,300
stores
• Performance tracking und
Preisoptimierung um
Wachstum zu steigern
und Profitabilität zu
erhöhen
• After-Market Service:
SAS Service Parts
Optimization
• Deutliche Erhöhung der
Forecastgenauigkeit für
den Absatz von
Ersatzteilen in den stores
durch die Nutzung von
allen verfügbaren
Datenmengen
Herausforderung ErgebnisLösung
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
STAHL FORECASTING & OPTIMIERUNG
“We have now established a
good IT infrastructure, and over
recent years we have been able
to build up huge amounts of
data. The next stage for
Baosteel is to make use of this
data to provide us with a
competitive advantage. We are
very pleased that we can work
with SAS to achieve this goal.”
Li Haiping,Deputy General Manager
• Um die führende Position
im chinesischen
Stahlmarkt zu sichern
sollen Bestandskosten
reduziert werden
• 10 Millionen Tonnen Stahl
müssen pro Jahr geliefert
werden
• Demand Synchronization:
Inventory optimization
• Schnellere Übersicht über
die Auftragslage und
Bestandhöhen erhöhen
den Umsatz und das
Servicelevel ggü. den
Kunden
• Durch Optimierung der
Forecasting und
Liefermodelle pro
Produkt, Transportart,
Route, Lagerkapazität
und Bestandsstrategie
werden die Bestände
deutlich reduziert
Herausforderung ErgebnisLösung
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
DER ANALYTISCHE PROGNOSEANSATZ VON SAS
1
Forecast
• Berücksichtigung von externen Einflussfaktoren
• Identifikation von Ausreißern bzw. ungewöhnlichen Lieferpeaks
• Definition von Filtern für Ausnahmekriterien
• Automatische Modell-Diagnose und -auswahl
• Modelle für sporadische Nachfrage
• Forecasting auf allen Hierarchiebenen
• Hierarchie-Konsolidierung (Top Down, Bottom-Up…)
• …
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
FORECAST AUTOMATISIERTE SELEKTION DER BESTEN MODELLE
Forecast Horizont
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
FORECAST AUTOMATISIERTE SELEKTION DER BESTEN MODELLE
Modell TrainingsperiodeDefinition einer “Holdout”
Periode für die
Modellauswahl1
Forecast Horizont
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
Kalender Events
Kausale Faktoren
Ausreißer
Trends
FORECAST AUTOMATISIERTE SELEKTION DER BESTEN MODELLE
Definition einer holdout Peri-
ode für die Modellauswahl
Diagnose der
Trainingszeitreihen
1
2
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
FORECAST AUTOMATISIERTE SELEKTION DER BESTEN MODELLE
Definition einer holdout Peri-
ode für die Modellauswahl
Auswahl der antretenden
Modelle
Diagnose der
Trainingszeitreihen
1
2
3
Modell 1:
ARIMA X
f (Zeitreihen, Ausreißer, Ø-Preis, Promotions,
Distribution, Feiertage, Ökonomische Faktoren)
Modell 2:
Exponential Smoothingf (Zeitreihen, Saisonalität)
Modell 3:
ARIMA f (Zeitreihen, Ausreißer, Ø-Preis,Feiertage)
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
FORECAST AUTOMATISIERTE SELEKTION DER BESTEN MODELLE
Definition einer holdout Peri-
ode für die Modellauswahl
Entwicklung der antretenden
Modelle
Forecast & und Auswertung
der Modelle
Diagnose der
Trainingszeitreihen
1
2
3
4
Modell 1:
ARIMA X
f (Zeitreihen, Ausreißer, Ø-Preis, Promotions,
Distribution, Feiertage, Ökonomische Faktoren)
Modell 2:
Exponential Smoothing
f (Zeitreihen, Saisonalität)
Modell 3:
ARIMA
f (Zeitreihen, Ausreißer, Ø-Preis,Feiertage)
13.64%
11.05%
8.58%
Error
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
FORECAST AUTOMATISIERTE SELEKTION DER BESTEN MODELLE
Definition einer holdout Peri-
ode für die Modellauswahl
Entwicklung der antretenden
Modelle
Forecast & und Auswertung
der Holdout Period Modelle
Auswahl Champion Modell &
Anpassung an die Historie
Diagnose der
Trainingszeitreihen
1
2
3
4
5
Modell 1:
ARIMA
f (Zeitreihen, Ausreißer, Ø-Preis, Promotions,
Distribution, Feiertage, Ökonomische Faktoren)
13.64%
Modell 2:
Exponential Smoothing
f (Zeitreihen, Saisonalität) 11.05%
Modell 3:
ARIMA
f (Zeitreihen, Ausreißer, Ø-Preis,Feiertage) 8.58%
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
FORECAST AUTOMATISIERTE SELEKTION DER BESTEN MODELLE
Definition einer holdout Peri-
ode für die Modellauswahl
Entwicklung der antretenden
Modelle
Forecast & und Auswertung
der Holdout Period Modelle
Auswahl Champion Modell &
Anpassung an die Historie
Erstelle Forecast auf Basis
des Champion Modells
Diagnose der
Trainingszeitreihen
1
2
3
4
5
6
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
FORECAST SPORADISCHE NACHFRAGE
SAS verbessert die Forecastgenauigkeit für Teile mit sporadischem Demand
durch eine Automatische Aggregation auf Cluster
Teile werden geclustert und
der Demand für eine höhere
Hierarchiebene aggregiert.
1
Auf dem aggregierten Level,
werden Saisonalität, Trends,
Eventfaktoren etc. erkannt
und können für das Cluster
modelliert werden.
2
Trends die in Schritt 2
identifiziert wurden, werden
nun an die unterste
Hierarchieebene übergeben
um die Forecastgenauigkeit
zu erhöhen.
33
2
1
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
PASSENDE
MODELLEPROGNOSE-ERSTELLUNG AUF ALLEN HIERARCHIEEBENEN
ESM Modelle
ARIMA Modelle
Wetter
Preis,
IDM Modelle
Cluster,
Zeitreihen
UCM Modelle
Ausfallverhalten,
Lebenszyklus,
Trend
Produktgruppe
Marke
Produkte
UCM Modelle
Arbeitslosigkeit, Abwrack-
prämie, Wetter, Öl-Preis
ARIMA Modelle
Preis Index, Wetter
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
FOKUSTHEMEN IM PLANUNGSPROZESS
• Eine periodische Planung auf Quartal, Monat, Woche
• Integration von Entscheidungsrelevanten
Fachinformationen verschiedenster Rollen
• Balance zwischen Nachfrage, Kapazität,
Warenbestand, Budgets und Zielen
• Synchronisierung von Finanz- und Operationszielen
• Abgleich zwischen Operativen und strategischen Zielen
2
Prozess
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
PLANUNGS-
PROZESSNUTZUNG VERSCHIEDENSTER INFORMATIONSQUELLEN
Consensus Forecast
Marketing Pläne
Statistischer Forecast
Financial Plan
Kunden Forecast
SalesForecast
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
PLANUNGS-
PROZESS
SAS ERMÖGLICHT SCHNELLERE FORECASTZYKLEN UND
INDIVIDUELLE PLANUNGSMASKEN
• Flexibles Interace
• Alle Pläne in einem
System
• Automatisierung
• Schnelle
Planungszyklen
• Eine finale Zahl
• Verknüpfung von
Hierarchien
• Ausreißer Findung
• Validierung beim
Vergleich historischer
Daten
• Nachverfolgbarkeit
und Freigabeprozess
• Aggregation und
Disaggregation auf
allen
Hierarchieebenen
• Leistungsfähige
Analyse und
Visualisierung
Effizienz Qualität Genauigkeit
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
ZWEI KLASSISCHE HERAUSFORDERUNGEN
DER BESTANDSOPTIMIERUNG
Die richtige Ware,
zur richtigen Zeit
am richtigen Ort
Umsatzerhöhung und hohes Service Level in
Verbindung mit niedrigen Out of Stocks sind
die Zielsetzung.
Bestandsreduzierung ist nicht die höchste
Priorität, diese führt zu einem Mismatch im
Bestandsmanagement.
Das Mismatch im
BestandsmanagementDie KPI “Wiederbeschaffungszeit” führt zu einem
Bestandsportfolio in dem …
70% der Waren Überbestand
20% der Waren Unterbestand
10% der Waren die optimale Bestandhöhe
ausweisen
3
Bestands-optimierung
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
Verä
nderu
ng S
erv
ice L
evel
BESTANDS-
OPTIMIERUNGZIELSETZUNGEN
Empfohlene Service Level Zielwerte je Distributionsstelle
Service
Verbesserung
Service
Verschlechterung
Distributionsstelle
Erhöhung der Kunden-
zufriedenheit durch
verfügbare Waren
1
Optimierte Bestands-
höhen auf allen
Lagerstufen
2
Reduzierte Bestände und
geringere manuelle
Wiederbeschaffungs-
tätigkeiten.
3
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
BESTANDS-
OPTIMIERUNGWIEDERBESCHAFFUNGS-PARAMETER
… für alle Produkte und Läger im Distributionsnetzwerk
… in Echten “Multi Echelon” Netzwerken
… berücksichtigt individuelle Service Level (Lager/Produkt/Saison)
… berücksichtigt Demand und Wiederbeschaffungszeit flexibel
… berücksichtigt Abhängigkeiten (Stücklisten) und unabhängige Faktoren
… berücksichtigt Kapazitätseinschränkungen
… erlaubt verschiedene Wiederbeschaffungsstrategien
SAS nutzt analytische
Optimierungsverfahren
um optimale Wieder-
beschaffungsparameter
zu definieren:
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
FORECASTING UND BESTANDSOPTIMIERUNG
MIT ANALYTISCHER POWER VON SAS
Nutzt Kausalfaktoren um die Forecastgenauigkeit zu erhöhen
Unterstützt den S&OP Planungsprozess
Optimiert die Bestände im Distributionsnetzwerk
Zufriedene Kunden, höhere Profitabilität und Umsatzoptimierung
Copyr i g ht © 2015, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
SAS FORUM 2015 ANALYTICS – KONKRET UND PRAXISNAH
SAS Forum 2015
sasforum.de