销售及营运协同规划  S& OP (Sales & Operations) Solution

 

PGi S&OP销售及营运协同规划解决方案

PGI S&OP

S&OP是企业的管理流程,好的S&OP能让企业聚焦在管理「目标」与「预测」的差异,而不是一直检视与弭平「实绩」与「预算」的差异

   

  • 企业现有S&OP系统的挑战
  • PGi S&OP解决方案
  • PGi S&OP 效益

企业现有S&OP(Sales and Operations Planning) 系统的挑战

  • 过于复杂以及不够灵活导致系统导入困难,各功能性部门还是使用Excel spreadsheet做为计划、规划、预测及预算的工具。可是使用Excel spreadsheet不但无法实时链接各功能性部门的不同格式之版本数据,而且还会出现许多非人为的计算错误,以致于大幅降低S&OP会议与流程的有效性以及实时性,使得沟通成本与企业营运成本的增加。
  • Excel spreadsheet无法快速有效的处理大量Category到SKU level的数据,更无法跨功能部门链接预测与历史实绩数据、计划与动态规划数据。
  • 无法快速有效的整合散落在各个部门、国家的ERP与Legacy交易系统(Transactional Systems)或外围系统,导致管理者无法实时获取准确的信息。
  • 相对专注于运营指标的管理 (In-Stock, Units, Lead time, NPI, etc) 尚无法跟财务指标做预测性连结 (Sales, Profitability, Inventory Turnover Rate, Gross Margin…etc)。

制造业

制造业的S&OP要将销售部门的销售计划、营销部门的产品与市场计划、生产管理部门的产能与生产计划、资材部门的采购计划全部连结起来连动是非常困难的事,更别提要能连结到库存管理(进耗存滚动与安全库存的平衡)得到料件到成品的实时库存信息与未来的预估库存以做预先管理;而CEO/CFO与BU Head则是希望能连动到产品别财务损益的影响预估;加上由于外在的快速变化与提供对客户更好的响应时间,整个S&OP周期希望能从过去的月到周,再从周到Real-Time

零售业

零售业的S&OP协同是商品采购要能将各店端销售的历史实绩分析、短期销售预测下订、长期商品销售策略连结在一起,并能与实时库存与预估库存连动,再连结到商品毛利与对公司资金流的影响;因为要整合多重系统与Excel底稿故多用人工进行,而这些不整合不实时的计划与信息造成了销售与毛利的损失

PGi S&OP Solution

1. PGi S&OP采用世界独步技术「Olation」,是目前整合多维度数据模型与关系型数据模型的唯一解决方案:

  • 企业的商业营运是多面向、多维度的,故常见的就是各功能部门使用Excel spreadsheet做为数据呈现、计算与分析模型。例如:使用Spreadsheet做预算或是做销售预测并撷取各系统的事务数据混合在一起做差异分析;接着再链接数据仓储与Cube做分析与报表…等。
  • 企业的主文件与事务数据是关系型数据模型:例如ERP、自行开发的系统…等。

2. 由于市场与企业的营运一直是变动的,故使用者无法将多变的多维度数据模型与结构化的关系型数据模型整合在一起做实时且跨部门的连动分析,故大多都是用人工与开会方式解决。而PGi的「Olation」是目前世界唯一实现此整合技术方案的领先者:

  • 使用Excel或Web连结到Olation,让Business User使用已熟悉的接口输入预测与计划、快速无缝导入S&OP预测及规划机制而不须做改变;进而各部门能使用相同的数据、实时连动的版本来作规划、预测、财务预算、Rolling与What-if。
  • 链接即有分析系统(数据仓储&Cube)的分析数据、营运指针以及公司财务指标…等至Olation。所以各功能部门能随时存取实时的差异分析与实作滚动预测。
  • 链接ERP与各交易系统的关系型数据至Olation,此种关系型数据链路技术是实时的,故只要有数据异动,例如:销售预测系统的预测版本的随时更改与变动,MRP/APS的新一版生产排程计算产生都可实时整合连动至Olation,并依商业逻辑计算出Fulfillment plan,并且产出产品别的损益预估与未来的库存变化。
  • 系统化的追踪各部门预测的准确性与随时的历史实绩整合,以确保S&OP机制的有效性与未来的滚动预测的能见度。
  • 大数据分析整合能力:PGi Olation能链接PGi代理之Tableau可视化分析工具,可就已整合的多维度与关系型数据快速转为容易阅读的交互式图像信息并可在行动装置上观看;亦能整合非结构化数据进行大数据分析:例如社群、数据采矿…等。

PGi S&OP 效益

PGi S&OP一开始导入的前半年并没有让Forecast Accuracy变好,因为市场需求变动一直是常态,但PGi的解决方案导入后让Forecast Liability造成的一连串负面负债影响 (Consequence Liability) 得到有效的沟通与显著的改善

但接着PGi S&OP导入半年后产生了化学变化,由于信息更实时与透通(Sense),各部门的沟通变顺了,各部门的协同计划与滚动预测run的更顺之下(Response),Forecast的变动更容易被预测与掌握,相对地整体的Forecast Accuracy变的更准确了
Forecast Liability:
由于Forecast Bias或Forecast Dynamics所造成的连带负面影响,例如:成品与料件的库存管理复杂且困难,库存周转率变差,对客户达交回复的延迟与不确定,资金压力,最终影响财务表现