Σε προηγούμενο άρθρο, έκανα μια σύντομη αναφορά σχετικά με το τι είναι το Demand Planning, ποια η συνεισφορά του σε μια επιχειρηματική μονάδα και πως η εφαρμογή του στην πράξη, μπορεί να αποδειχθεί μια πολύπλοκη διεργασία.
Στο άρθρο αυτό θα επιχειρήσω να αναδείξω τις αιτίες που προσδιορίζουν αυτήν την πολυπλοκότητα, κάνοντας μια σύντομη αναφορά στις μεγαλύτερες δυσκολίες - προκλήσεις που ένας Demand Planner καλείται να αντιμετωπίσει.
Σε γενικές γραμμές, μπορούμε να οργανώσουμε τις δυσκολίες - προκλήσεις σε δύο μεγάλες κατηγορίες. Η πρώτη αναφέρεται σε τεχνικά κατά βάση ζητήματα, όπου η αδυναμία εξεύρεσης λύσης μπορεί να θέσει εν αμφιβόλω όλη την προσπάθεια. Η δεύτερη, εξίσου σημαντική αν όχι σημαντικότερη, αναφέρεται σε ζητήματα που άπτονται περισσότερο της κουλτούρας, του τρόπου σκέψης και λειτουργίας των ομάδων εντός του Οργανισμού. Πιο συγκεκριμένα:
ΤΕΧΝΙΚΑ ΖΗΤΗΜΑΤΑ Link to heading
-
Ακρίβεια των Δεδομένων (Data Accuracy): Τα ακριβή δεδομένα αποτελούν των ακρογωνιαίο λίθο για την οικοδόμηση μιας αποτελεσματικής διεργασίας Demand Planning, η κτήση των οποίων ενίοτε, αποτελεί μια τεράστια πρόκληση. Συχνά οι επιχειρήσεις δυσκολεύονται να έχουν πρόσβαση σε εκείνη την πληροφορία που χρειάζονται για να πάρουν λογικά δομημένες αποφάσεις ενώ τα δεδομένα που οι ίδιες διατηρούν, μπορεί να είναι ατελή ή μη επικαιροποιημένα και (συχνά) σε διαφορετικά format.
-
Ενσωμάτωση των Δεδομένων (Data Integration): Ακόμα και στις περιπτώσεις που ο Demand Planner έχει στη διάθεσή του ακριβή και επικαιροποιημένα στοιχεία, η ενσωμάτωση αυτών έχει, συχνά, δυσκολίες. Η συγκέντρωση των δεδομένων (consolidation) και η ομογενοποίηση τους (standardization) με την χρήση των υφιστάμενων συστημάτων ενός Οργανισμού, μπορεί να είναι μια επίπονη και χρονοβόρα διαδικασία.
-
Ακρίβεια των προβλέψεων (Forecast Accuracy): Παρά τις φιλότιμες προσπάθειες που κάθε Demand Planner καταβάλλει, οι προβλέψεις δεν θα είναι ποτέ 100% ακριβείς. Ωστόσο, εάν οι επιδόσεις ενός Οργανισμού σε αυτόν τον δείκτη είναι ‘φτωχές’, τότε οι επιπτώσεις στην λειτουργία του αναφορικά με τις πωλήσεις, την ικανοποίηση των πελατών και ως εκ τούτου την κερδοφορία την ίδια, μπορεί να είναι καίριες. Για την βελτίωση της ακρίβειας των προβλέψεων, ενδεχομένως να κριθεί σκόπιμη η χρήση δεδομένων από διαφορετικές πηγές σε συνδυασμό με την αξιοποίηση περισσότερο σύνθετων αλγορίθμων και συστημάτων. Είναι επίσης θεμιτό, να αυξηθεί η συχνότητα με την οποία παρακολουθείται η επαλήθευση των προβλέψεων.
-
Εναλλαγές στην ζήτηση (Changes in Demand Patterns): Σε ένα εξαιρετικά ρευστό και δυναμικό περιβάλλον, οι επιχειρήσεις καλούνται να ανταποκριθούν με ταχύτητα στην μεταβαλλόμενη καταναλωτική συμπεριφορά ή σε παράγοντες που επηρεάζουν άμεσα την ζήτηση. Χαρακτηριστικό παράδειγμα μια ραγδαίας αλλαγής στην καταναλωτική συμπεριφορά είναι οι διοικητικές αποφάσεις των κρατών μετά το ξέσπασμα της Covid-19. Σε μια τέτοια περίπτωση, η μελέτη της ιστορικότητας για την πρόβλεψη του μέλλοντος, έχει μειωμένη αξία.
-
Η ευθυγράμμιση (Alignment) της ζήτησης (Demand) και της προσφοράς (Supply) είναι εξαιρετικά κρίσιμη. Εν τούτοις, η επίτευξή της δεν είναι πάντα προφανής, ούτε και εύκολη αφού οι επιχειρήσεις πρέπει να διατηρούν ικανό μεν απόθεμα για την κάλυψη της ζήτησης όχι όμως μεγαλύτερο από το αναγκαίο, αφού έτσι αυξάνονται οι επισφάλειες για καταστροφές και απώλειες.
ΖΗΤΗΜΑΤΑ ΚΟΥΛΤΟΥΡΑΣ Link to heading
-
Συνέργειες και επικοινωνία (Collaboration & Communication): Για να είναι αποτελεσματική κάθε διεργασία Demand Planning απαιτείται στενή συνεργασία και επικοινωνία μεταξύ των εμπλεκομένων ομάδων (Πωλήσεις, Marketing, Finance, Operations). Η έλλειψη επικοινωνίας συνολικά ή η ύπαρξη υποτυπώδους και επιφανειακής συνεργασίας που όμως δεν χαρακτηρίζεται από ειλικρίνεια, διαφάνεια και συνέπεια, δημιουργεί τεράστιες προκλήσεις.
-
Προβολή φραγμών και αντιστάσεων: Η θέσπιση, υλοποίηση και καθιέρωση της Demand Planning διεργασίας, μπορεί να επιφέρει σημαντικές αλλαγές σε υφιστάμενες δομές, διαδικασίες, συστήματα και γενικότερα, στον τρόπο εργασίας των ομάδων. Τέτοιες (δομικές) αλλαγές είναι πολύ πιθανό να προκαλέσουν την επιφύλαξη κάποιων εργαζομένων, εξαιτίας των αλλαγών στους ρόλους και τις υπευθυνότητες τους.
Όλα τα παραπάνω, αποτελούν μέρος της καθημερινότητας ενός Demand Planner. Ωστόσο, η σε βάθος γνώση της φύσης των δεδομένων, η δομημένη προσέγγιση στην συγκέντρωση και διατήρηση της πληροφορίας και η προσήλωση στην διατήρηση ενός ανοιχτού και ειλικρινούς διαύλου επικοινωνίας με όλους τους εμπλεκόμενους, συνιστούν ένα στέρεο υπόβαθρο πάνω στο οποίο μπορεί να οικοδομηθεί μια επιτυχημένη διαδικασία Demand Planning.
Σε επόμενες αναρτήσεις θα επιχειρήσω να αναφερθώ με περισσότερες λεπτομέρειες σε κάθε ένα από τα πιο πάνω ζητήματα και να μοιραστώ τις απόψεις μου μαζί σας.