案例剖析：SAP IBP 如何帮助企业破局，打造供应链计划差异化优势?

企业往往对供应链计划的重视程度不够，陷入「计划不足、执行来补」的怪圈。大部分企业经常抱怨供应链计划不准，却只有领先的企业敢于将优化付诸实践。究其原因：

1. 计划能力是软实力，项目效果难以衡量
2. 计划流程灵活多变，能力建设标准无从参考
3. 供应链计划涉及面广，各部门协同要求高

我们通过一个案例的剖析来展现 SAP IBP 如何帮助企业破局，打造供应链计划的差异化优势，实现业务价值。

一、供应链计划的现实与理想

面对日益复杂的市场波动和供应链不稳定因素，越来越多的企业将供应链数字化转型提上日程。同时，保产业链和供应链稳定，也成为国家「六保」工作重点之一。可以预见，在未来数年，打造韧性敏捷供应链将成为众多企业战略规划的重点。

在供应链建设过程中，数字化的业务计划能力帮助企业从被动式市场响应转变为主动式市场感知和提前规避供应链风险，建立差异化优势。很多企业目前面临的供应链问题实际上都可以通过优化供应链计划能力来解决。试想一下，你的企业是否面临以下痛点：

• 需求波动导致销售预测不准
• 生产时刻处于救火状态，疲于应付不断变化的需求
• 库存积压日益严重
• 由于库存缺货，导致对市场订单不能满足，导致销售损失

下面的愿景又是否正是你的企业供应链优化的方向：

• 提升预测准确率，同时减少数据处理时间与工作量
• 降低库存，同时减少缺货带来的收入损失
• 提升供应链数据可视性，支撑高效的产销平衡决策
• 为销售提供准确及时的供应能力信息
• 提升客户服务与客户体验

实际上，领先的企业已经把这所谓的愿景转变为触手可及的现实。借助 SAP Integrated Business Planning(下文简称 IBP) 需求管理模块，某国际领先的农药种子公司(以下简称为X公司)将需求预测准确率提高了10%，同时降低了预测偏差。更准确的需求预测让该公司能够有效捕捉和感知市场需求波动，把握市场先机，优化供应链运营，最终带来了十分可观的业务回报。截至2019年，X 公司在 SAP IBP 产品的帮助下，将预测不准所导致的销售损失降低了20%，同时节省了数百万美元的库存资金占用。

二、X 公司如何优化计划实现其业务价值

1、X 公司现状与挑战

X 公司是全球农化四巨头之一，其2019年销售额过百亿美元， 其中农药业务占比76%，种子业务占比24%。作为一家跨国巨头，X 公司业务复杂度在业内首屈一指，其在全球90多个国家开展业务，活跃的计划物料数量多达5万多件，全球的生产工厂更是多达110多家。

庞大的供应链和复杂的业务，导致X公司在优化供应链运营过程中面临诸多挑战，如：

• 业务流程不一致 – 全球90多个国家需求计划的流程各不相同，与销售和营销部门的协同不畅；
• 数据和工具割裂 – 5套 ERP，全球有28种计划工具，仅法国就有3套工具
• 为支持 S&OP 会议，花费大量时间进行数据整合-以巴西为例，S&OP 会议的数据整合需要11天；
• KPI 计算方式不统一，缺乏高级分析能力支持持续改善；
• 需求波动不可预测-市场活动、产品价格、高度的季节性波动、不断变化的病虫害压力和对渠道库存缺乏足够的可视性。

全球纵深布局下，X 公司的客户覆盖全球5个大区，17个销售区域，60个商务单元，100多个国家。IBP 最终不仅帮助其实现复杂供应链管理，也为其带来了巨大的业务价值：

• 打造统一高效的需求管理流程，涵盖销售预测、需求计划和需求复核管理；
• 在种子和农药业务线打造全球统一集成的协同业务平台，促进了销售、营销、供应链、财务的紧密协同，形成全产品线的数量&财务计划，提供全球数据可视性；
• 借助于系统自动输出的统计预测，最大程度减少人工参与，改善整体预测准确率并降低预测偏差；
• 模拟多种因素对市场需求的影响，如温度、湿度、价格、降雨量等。

那么 X 公司的 IBP 项目到底是如何进行的呢？

2、X 公司的需求管理实践

在项目伊始，X 公司定义了5维运营模型，指明本次供应链计划能力建设方向：

• 角色定义：在商务单元层级，设立需求计划员和需求经理角色，负责产品线的预测和决策；在集团设立中央需求分析员和数据科学家角色，进行数据挖掘与分析；
• 算法流程设计：基于多年历史进行预测，并支持灵活的预测颗粒度和预测跨度。系统自动选择最优的算法，提升计划质量，降低人为干预；
• KPI 考核：预测准确率和预测偏差多维度自动分析；
• 场景计划：多版本计划场景考虑竞争、市场活动等因素；预测产品价格以及价格偏差分析；自动进行数量与利润金额的转换，模拟价格变化对销量影响。
• 跨部门协同：强化销售、营销的协同，并提供定制的差异化数据视图，提升协同效率。

为了提升预测质量，X 公司结合了时序分析(趋势、季节性、离散性等)功能和 IBP 的 Best-fit 模型，以最大程度减少人员判断：

由于产品的多样性和市场的复杂性，选择算法并不能做到需求管理的一劳永逸。针对不同的产品特性，X 公司亟需制定差异化的需求管理流程。项目中需要思考的是，哪些产品的预测可以相信系统建议，哪些产品的预测需要人工关注，哪些产品需要跨部门协同？借助 IBP 的自动数据分析能力，X 公司将产品图谱划分为4个区域，并制定了后续差异化的需求管理流程：

• 绿色区域的产品：计划员对该区域产品全权负责，系统预测具有高度的可靠性；不上会讨论；
• 黄色区域的产品：参考系统预测，计划员配合相关方等一起协商，最终结果上会讨论裁决；
• 红色区域的产品：计划结果可靠性较弱，计划员配合销售、营销部门一起探讨市场规划，部分重要产品需要上会裁决；
• 灰色区域的产品：市场部作为责任主体，负责审议产品的上市、退市规划。

最后，X 公司需要对各维度的预测准确率进行自动分析。而该部分能力由于对数据规模和分析维度灵活性要求较高，以前一度是欠缺的。IBP 中提供的全维度、细粒度的分析帮助 X 公司建立需求准确率的瀑布分析模型，通过追踪全流程各环节的准确率，发现影响预测不准确的真正原因，并据此在 IBP 中灵活调整后续的流程。

最终借助 SAP IBP，X 公司对5万多件活跃 SKU 进行了统一需求管理，全球2200多名用户在 IBP 平台上实现了统一的协同。IBP 不仅将需求管理的时间缩减38%，更通过减少库存报废和提升库存资金周转效率，帮助X公司节省了数百万美金。

三、市场启示-企业应该如何优化需求管理

他山之石可以攻玉，X 公司的需求管理理念结合了行业实践和 IBP 的灵活自适应能力，对各行各业企业具有较高的启示价值。企业可以结合需求计划成熟度模型，通过定位当前的流程成熟度，定义理性的优化路线。

企业在需求管理过程中，可以重点关注以下领域：

• 建立共识需求管理机制，不能迷信算法和经验。需求管理需要算法，更需要业务流程和跨部门协同。在协同过程中相应衍生出多版本管理、变更管理、自动化分析等调整。在与很多企业交流过程中，他们直接跳到算法原理，这神话了算法或机器学习，也简化了实际业务复杂度。
• 定制差异化的管理颗粒度。企业的客户管理水平参差不齐、企业内部各部门经验千差万别，一套计划模板、所有相关方在统一颗粒度进行计划可望不可及。企业需要思考，如何在满足计划颗粒度千人千面的同时，也保障数据的一致性和准确性。
• 打造科学的需求准确率考核机制。准确率不是一个月的汇总，而应该进行细化多维度的考核。如果企业预测每周10个，一个月预测总量为40个，实际销量月底最后一周40个，前三周实际销量为0个，则企业的月度计划准确率为100%，但是周度的计划准确率低的可怜，实际运营过程中销售很满意，但是供应链面临着高库存、低周转、追急料的困境。
• 统一需求管理平台，当前能支持数据的自动分析，未来可支持数据的沉淀和挖掘。
• 便捷简易的数据集成。供应链计划与企业的ERP运营数据关联紧密，如果不能做到无缝数据集成，必然大大削弱企业计划人员的积极性。国内很多都开发或采购过孤立的计划工具，但是最终都沦为边缘的试点项目，难以推广。究其原因，这些孤立工具真正提供预测结果之前，复杂繁复的数据提取已经让计划员苦不堪言。

SAP IBP 需求管理模块结合行业卓越实践和高级数据分析，内嵌的机器学习能力和丰富的算法帮助企业实现需求管理的一劳永逸。同时，与 SAP ERP 预置的集成优势帮助企业的需求管理项目打破边缘化、试点化的困境，建立企业的战略化优势。

结语

供应链数字化建设是企业苦练内功的必经之路。中国企业的供应链运营普遍侧重于供应链的执行，如物流仓储、跟单补单、插单追料，陷入不断「救火」的窘境。头痛医头，脚痛医脚，缺乏全局统筹的大局观和端到端可视性成为限制企业数字化转型的拦路虎。如何跨越未期的市场波动和供应链敏捷响应之间的巨大鸿沟，也许供应链计划的优化可以成为正确的着力点。相信 SAP IBP 提供的高级计划能力一定能够帮助企业打造差异化优势。