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