En este artículo, me gustaría compartir la experiencia de construir un sistema de planificación de ventas y hablar sobre los pasos prácticos para su implementación.
La cuestión de la planificación dispersa
A menudo se desarrolla la siguiente situación en las empresas: cada división tiene su propia versión única del plan de ventas. Dichos planes son utilizados en el trabajo, por ejemplo, por los departamentos de marketing, ventas, financieros y logística.
Estos planes tienen un formato diferente, un grado diferente de detalle y, lo más importante, figuras diferentes y conflictivas.
Surge una pregunta lógica, cómo construir un sistema de planificación integrado en la empresa y qué se necesita para esto.
Construyendo un proceso de negocio
Creo que es importante abordar el problema desde la perspectiva de
crear una tecnología comercial simplificada .
Normalmente, la planificación es un proceso regular (a menudo mensual o semanal), en el que hay una coordinación y ajuste del plan de ventas y los planes relacionados (por ejemplo, suministro y producción).
(Términos utilizados a menudo: S&OP - Planificación de ventas y operaciones, IBP - Planificación empresarial integrada).
En el proceso de planificación, los participantes y sus roles, tareas específicas y fechas deben estar claramente definidas. Por ejemplo, los vendedores proporcionan planes de clientes (o canales). Marketing verifica el surtido e informa sobre nuevos productos, etc.
Para el proceso de planificación y sus participantes, se deben determinar los KPI y desarrollar informes, de acuerdo con los cuales será posible controlar la calidad de los resultados. Por ejemplo, integridad de los datos, precisión de la planificación, rotación de inventario y nivel de servicio.
Desafíos organizacionales
Disciplina de los participantes
La planificación requiere la participación de diferentes empleados de la empresa, así como proporcionarles datos de calidad a tiempo. (El sistema de TI puede compensar parcialmente estos problemas mediante el uso de cálculos automáticos).
Corrección e integridad de los directorios (asistente de datos)
Es necesario garantizar la actualización oportuna de los directorios en el sistema contable. Por ejemplo, para un producto, se debe determinar el estado actual, las fechas de inicio / finalización de las ventas, la categoría y otros campos que se utilizarán en la planificación y el análisis.
Ajustes "descendentes"
Al coordinar planes en el nivel superior, inevitablemente, los ajustes de arriba hacia abajo pueden ocurrir automáticamente. En este caso, la responsabilidad de la planificación es erosionada por los artistas intérpretes o ejecutantes, ya que los números fueron "ajustados arriba".
En cualquier caso, es necesario establecer el seguimiento / auditoría de ediciones y versiones de planificación.
Alto grado de incertidumbre.
Los cambios en el mercado y las acciones de los competidores pueden anular todos los esfuerzos de planificación. Será útil introducir un método de comparación con el "pronóstico ingenuo". Es decir por ejemplo, cuánto mejor es el resultado del proceso que un promedio móvil simple u otro método de pronóstico simple. (Desafortunadamente, en la práctica puede resultar que el pronóstico ingenuo sea comparable en calidad con el resultado del proceso).
Almacén de datos analíticos
Ahora es difícil encontrar una empresa que no tenga su propio sistema de informes analíticos y un único repositorio de datos analíticos.
Sin embargo, dicho sistema es un requisito previo para construir un sistema de planificación.
Estadísticas de ventas reales, precios, análisis externos adicionales, suministros de almacén, facturación, mercancías en tránsito: todo esto es necesario tanto para la preparación de un plan de ventas como para su posterior análisis.
Por lo tanto, es posible que antes de construir un sistema de planificación, tenga que construir un almacén de datos y un sistema de inteligencia empresarial.
Hay muchos enfoques y soluciones, pero quiero detenerme en varios puntos clave:
Calidad de los datos
Porque El almacén de datos es un sistema separado, entonces creo que las diferencias en los números con los principales sistemas de contabilidad desde los que se cargan los datos en el almacén son inevitables. Una parte importante del esfuerzo se puede gastar en limpiar, verificar y volver a verificar los datos descargados. Para que esto no sea una sorpresa para la gerencia, vale la pena incluir estas tareas en el plan / presupuesto del proyecto.
Visualización de datos (paneles)
En general, los paneles son útiles para el marketing interno de un proyecto y para su presentación efectiva a la gerencia de la empresa. Sin embargo, una desventaja significativa es el costo bastante alto de su creación y la falta de flexibilidad en la configuración del lado del usuario final. De hecho (en mi opinión) es más probable que un tablero sea un producto de TI y la mayoría de los usuarios avanzados no están preparados para dominar ningún sistema de visualización de datos que no sea Excel.
Rendimiento
El rendimiento puede ser un gran problema, que afectará en gran medida la actitud de los usuarios hacia el sistema y su disposición a trabajar con él. Una buena manera de mejorar el rendimiento es utilizar la tecnología OLAP, mientras se minimiza la cantidad de cálculos sobre la marcha.
Aprendizaje automático
Por supuesto, este tema es un "bombo" clave y hay mucha información publicitaria a su alrededor.
Veamos qué nos puede dar el aprendizaje automático en la práctica y a qué nos enfrentaremos.
En mi opinión, el aprendizaje automático en la esfera de la planificación, por regla general, no proporciona una mayor precisión que la planificación manual (aunque esto es posible solo por una cuestión de tiempo).
Un beneficio importante de su implementación es la simplificación de las operaciones de rutina, especialmente para los bienes que se clasifican según la clasificación ABC en B y C.
Se pueden lograr ganancias significativas si el proceso de planificación requiere un alto grado de detalle y el volumen de combinaciones de bienes / canales / tiendas / períodos, etc. en los millones de registros.
Ahora sobre las dificultades:
El 90% del esfuerzo se gasta no en construir un algoritmo, sino en limpiar y preparar datos
Como en el caso de la construcción de análisis de negocios, los datos suministrados a la entrada del algoritmo de la máquina deben verificarse y convertirse en "características" (o predictores). En mi opinión, en esta etapa, el mayor riesgo de errores lógicos y errores. Puede resolver el problema visualizando y verificando datos en etapas intermedias.
El resultado y el costo del trabajo son difíciles de predecir
En mi opinión, este es el mayor problema. La construcción de algoritmos de pronóstico es un proceso inherentemente cercano a la investigación científica. Es fácil hacerlo interminable y existe un alto riesgo de falla con una baja calidad de pronóstico. La razón es la infinidad de opciones para predictores y modelos que puede intentar mejorar la calidad del pronóstico.
Distancia de negocios
En los proyectos de ciencia de datos, en mi opinión, existe un alto riesgo de que los usuarios comerciales no entiendan el lenguaje que hablan los expertos en ciencia de datos.
Para la colaboración, es importante poder transmitir en palabras simples los resultados y el progreso del trabajo. Evite términos matemáticos y otros términos complejos, interprete los resultados de los modelos desde el punto de vista del sentido común.
Para reducir los riesgos y aumentar la capacidad de administración de un proyecto de ciencia de datos, las tecnologías de gestión de proyectos ágiles son muy adecuadas.
El enfoque iterativo, la demostración frecuente de los resultados al cliente y el lanzamiento de las partes "mínimamente útiles" de la solución en el producto es esencial.