Duży, mały – każdy zaczyna od… początku

Taką marką niewątpliwie jest L’Oreal, który w badaniach wartości marki w 2012 roku uplasował się na 42. miejscu, tuż za takimi gigantami jak Sony i Philips.

Lider w branży kosmetycznej

L’Oreal jest liderem w branży kosmetyków ze sprzedażą ponad 22 mld dolarów w 2012 roku i obecnością w 130 krajach świata. W Południowej Afryce L’Oreal został utworzony w 1963 roku i obecnie składa się z czterech dywizji: Consumer Products (produkty na rynek masowy), Professional Products (produkty sprzedawane do salonów fryzjerskich), Luxe (produkty luksusowe) oraz Active Cosmetics (produkty do aptek i SPA). Oddział w RPA, z dwoma centrami dystrybucyjnymi i jedną fabryką, jest traktowany jak drzwi do Afryki, a więc ważny z punktu widzenia koncernu.

Południowoafrykański oddział L’Oreal’a ma wdrożony S&OP, jednak obniżający się poziom obsługi klienta oraz utracona z tego powodu sprzedaż zmusiły firmę do weryfikacji obecnych procesów. Dodatkowym bodźcem były badania rynku, z których jasno wynikało, że w przypadku braku poszukiwanych kosmetyków i dezodorantów około 45-50% klientów kupi produkt konkurencyjny. W przypadku braków magazynowych i dużej zastępowalności produktów oznacza to zmniejszenie udziału w rynku.

Rewitalizacja S&OP

Rewitalizację S&OP rozpoczęto od pierwszego kroku, którym jest planowanie popytu. Specjaliści z branży IT określają sytuację L’Oreal’a skrótem – GIGO, co można rozwinąć jako Garbage In – Garbage Out. W wolnym tłumaczeniu znaczy to: śmieci wprowadzisz, śmieci otrzymasz. Skoro słabe jest prognozowanie, to wynikające z tego decyzje, takie jak dostosowanie zasobów produkcyjnych, przewidywane zapasy, często będą rozmijać się z rzeczywistymi potrzebami i wymagać będą ciągłych korekt.

Gerhard Pretorious z firmy L’Oreal dodatkowo wskazuje na błędne koło, w jakim znajdowała się jego firma: słaba jakość prognozowania powodowała niewłaściwą strukturę zapasów (oczywiście brakowało potrzebnych produktów, a inne były w ogromnych ilościach, ale nie było na nie zapotrzebowania). Niewłaściwa struktura zapasów wywoływała obniżenie poziomu obsługi klienta. Klienci z kolei nie chcieli czekać, wybierali produkty konkurencji, a to powodowało utratę sprzedaży. Utracona sprzedaż skutkowała jeszcze większymi odchyleniami rzeczywistej sprzedaży od prognoz, a więc wpływała negatywnie na jakość prognoz. Z drugiej strony proces S&OP jest „batem” i doprowadza w wielu firmach do koncentrowania się na procesie prognozowania, tak by poprawić dane wejściowe przy podejmowaniu decyzji. W procesie S&OP niska jakość prognozowania jest bardzo widoczna i dokuczliwa.

Problem planowania popytu

Dotychczas L’Oreal korzystał z plików Excel, których obsługa, a przede wszystkim aktualizacja była trudna. Firma dysponuje ponad 4000 SKU otrzymywanych z ponad 16 lokalizacji – fabryk z całego świata. Ciągle zmieniające się portfolio i akcje pro-sprzedażowe nie pomagały w stabilizacji – około 30% produktów było zmienianych i udoskonalanych lub całkowicie zastępowanych w ciągu roku. Innymi słowy w ciągu trzech, czterech lat oferta zawierała całkowicie nowe produkty, a oznaczało to około pięciu zmian produktowych… dziennie. Podczas usprawniania procesu planowania popytu pojawiło się kilku problemów. Pierwszym był brak przejrzystości – każdy z planistów popytu używał swoich własnych ulubionych plików i formatek. Poszczególne dywizje miały dodatkowo swoje wymagania, podobnie jak każdy menedżer produktu, co w połączeniu z wcześniej wspomnianą zmiennością rynku stanowiło niezły „groch z kapustą”. W takiej sytuacji planiści popytu starali się nadążać za tymi wymaganiami, a na prognozowanie nie było zbyt dużo czasu. Co więcej, nawet jak już coś zaprognozowano (prognozy na podstawie danych historycznych, przy pomocy różnych modeli statystycznych), to nikt nie chciał na to zerkać, by udoskonalić prognozowanie. Powodów było kilka – wspomniana różnorodność plików i formatek, nieczytelność i ogromna zmienność. Pogarszająca się jakość prognozowania nie zachęcała nikogo do poświęcenia temu zagadnieniu czasu. Dodatkowym problemem był czas, jaki planiści popytu potrzebowali na „ogarnięcie” swojej pracy – prognozy były gotowe dopiero w połowie trzeciego tygodnia danego miesiąca – o wiele za późno.

Nowy proces planowania

Rozwiązanie, jakie zastosowano w L’Oreal RPA dotyczyło organizacji nowego procesu, na który składało się: czyszczenie danych (wcześniej ten krok nie występował!), wykonanie prognozy statystycznej – metoda wybierana przez planistę popytu lub przez oprogramowanie, nanoszenie wiedzy rynkowej na wyniki prognozy statystycznej, agregacja i dezagregacja (wcześniej było to utrudnione, pracochłonne, a błędy i rozjazdy były nieakceptowane) na potrzeby różnych poziomów planowania, pomiar trafności prognoz.

W procesie S&OP niska jakość prognoz jest bardzo widoczna i dokuczliwa

Równoległym działaniem do opracowania procesu planowania było poszukiwanie narzędzia, które wspierałoby ten proces. Pierwsze warsztaty przeprowadzono w lutym 2012 roku, a prototyp wykonano w maju tego samego roku. W lipcu, po dopracowaniu szczegółów, ustalono proces, by we wrześniu uruchomić go wraz z wspierającym narzędziem w jednej z dywizji. W październiku 2012 roku proces planowania, w zmienionej formie, zaczął funkcjonować w czterech dywizjach firmy.

Od początku projektu (ustalenie procesu, wymogi wobec oprogramowania), poprzez wdrożenie i do zakończenia przedsięwzięcia brały w nim udział osoby zainteresowane – uczestnicy procesu planowania popytu. Co więcej, zaangażowane w projekt były też osoby, które z efektów planowania popytu miały w przyszłości korzystać – uczestnicy procesu S&OP. Takie postawienie sprawy od samego początku wpłynęło na zaangażowanie ludzi, umożliwiło szybkie wprowadzenie udoskonaleń procesu, wdrożenie oprogramowania wspierającego i osiągnięcie rozpędu do dalszych zmian i rewitalizacji procesu S&OP. Kolejnym elementem było wyjaśnienie trafności prognoz, które stało się jednocześnie drogą, a nie było jedynie celem samym w sobie.

Efekty rewitalizacji S&OP

Efekty wdrożenia były widoczne we wszystkich czterech dywizjach firmy. Dodatkowo, to co niemierzalne – pracownicy firmy zaczęli ufać prognozom. Planiści popytu bardziej skrupulatnie podchodzili do czyszczenia danych, gdyż dobrze wykonana praca na tym etapie znacząco podnosiła efekt końcowy – jakość prognoz. Z kolei pracownicy działów sprzedaży bardziej zaangażowali się w nanoszenie wiedzy rynkowej na prognozy, gdyż widzieli efekty – większą dostępność produktów dla swoich klientów.

Zaangażowane w projekt były też osoby, które z efektów planowania popytu miały w przyszłości korzystać

Los firmy – nawet największej i najwspanialszej – zależy od umiejętności stawienia czoła wyzwaniom rynku, a może przede wszystkim… swoim słabościom. Wielkich poznaje się po tym, jak potrafią spojrzeć prawdzie w oczy, przyjąć niewygodne fakty i wziąć się z nimi za bary. Tacy potrafią przekuć trudności i słabości w zwycięstwa i siłę. W L’Oreal RPA bezlitośnie zdiagnozowano sytuację i jej konsekwencje, co pozwoliło przeorganizować proces planowania popytu i w efekcie firma wygrała.

Przykład L’Oreal pokazuje, że nieważne, czy jest się ogromnym koncernem czy małą firmą, trzeba zaczynać „od początku”. Jednak aby osiągnąć sukces, potrzebne są trzy czynniki – zaangażowani ludzie, procesy i dopiero na końcu narzędzia je wspierające.