[et_pb_section fb_built=“1″ admin_label=“section“ _builder_version=“3.22″][et_pb_row _builder_version=“4.6.0″ _module_preset=“default“][et_pb_column type=“4_4″ _builder_version=“4.6.0″ _module_preset=“default“][et_pb_text _builder_version=“4.7.0″ _module_preset=“default“ text_font=“Proxima Nova Regular|300|||||||“ header_2_font=“Proxima Nova SemiBold|700|||||||“ header_2_text_color=“#bbd406″ header_2_font_size=“30px“ header_2_line_height=“1.5em“ header_3_font=“Proxima Nova Regular|300||on|||||“ header_3_text_color=“#878787″ header_3_font_size=“18px“ header_3_line_height=“0.1em“ header_5_font=“Proxima Nova Regular|300|||||||“ header_5_text_color=“#878787″ max_width=“none“ header_2_font_size_tablet=““ header_2_font_size_phone=“21px“ header_2_font_size_last_edited=“on|phone“ header_5_font_size_tablet=““ header_5_font_size_phone=“14px“ header_5_font_size_last_edited=“on|phone“]<\/p>\n
[\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row admin_label=“row“ _builder_version=“3.25″ background_size=“initial“ background_position=“top_left“ background_repeat=“repeat“][et_pb_column type=“4_4″ _builder_version=“3.25″ custom_padding=“|||“ custom_padding__hover=“|||“][et_pb_text admin_label=“Text“ _builder_version=“4.7.4″ background_size=“initial“ background_position=“top_left“ background_repeat=“repeat“ max_width=“800px“ hover_enabled=“0″ sticky_enabled=“0″]<\/p>\n
<\/p>\n
Kundenprofil <\/strong><\/p>\n <\/p>\n Branche: Life Sciences <\/p>\n <\/p>\n Unser Kunde aus der Life Science Branche hat nach M\u00f6glichkeiten gesucht, ein transparenteres und agileres Supply Chain Management zu etablieren. Zusammen mit dem Kunden haben wir eine smarte Business Intelligence L\u00f6sung f\u00fcr die Vorhersage von Bestandsentwicklungen entwickelt und implementiert, welche heute aktiv sowohl im Inventory Management als auch im Performance Management und im Controlling eingesetzt wird.<\/strong><\/p>\n <\/p>\n <\/p>\n SITUATION <\/p>\n Zwar hatte unser Kunde aufgrund seiner vollst\u00e4ndig SAP APO-basierten Planung Informationen zu Bestandsentwicklungen auf Produktebene \u2013 allerdings gestaltete sich die Auswertung f\u00fcr aggregierte Level, wie beispielsweise ein oder mehrere Produktportfolios, schwierig. Entsprechende Auswertungen mussten in mehrt\u00e4tiger Arbeit aufw\u00e4ndig und h\u00e4ndisch erstellt werden. Damit waren die Auswertungen gleichzeitig sehr anf\u00e4llig f\u00fcr Fehler, und die verwendete Software stie\u00df aufgrund der Menge an Daten an ihre Grenzen.<\/p>\n <\/p>\n ANALYSE <\/p>\n <\/p>\n <\/p>\n HERAUSFORDERUNG<\/strong><\/p>\n Um den vielf\u00e4ltigen Anforderungen der anvisierten Benutzergruppen (Supply Chain Management, Inventory Management, Performance Management) gerecht zu werden, bedarf es einer umfangreichen Analyse der Stakeholder Requirements. Hierbei zeichnete es sich ab, dass die L\u00f6sung zwar breit genutzt werden kann \u2013 die Granularit\u00e4t der berechneten Daten jedoch deutlich feiner sein musste, desto operativer der Anwender t\u00e4tig war. Die klare Herausforderung war es, all diese Anforderungen in einem Tool zu vereinen \u2013 sprich: Es so flexibel zu gestalten, dass es sowohl f\u00fcr das strategische Management, als auch f\u00fcr das operative Management die richtigen Daten im richtigen Umfang anzeigt. Eine weitere Herausforderung sollte im \u00dcbrigen der Umgang mit mangelnder Datenqualit\u00e4t sein \u2013 wie w\u00fcrde man Best\u00e4nde projizieren, wenn keine Daten verf\u00fcgbar sind oder die Daten nicht repr\u00e4sentativ f\u00fcr die tats\u00e4chliche Planung w\u00e4ren?<\/p>\n <\/p>\n UMSETZUNG <\/p>\n Zuerst wurden die grundlegenden Anforderungen mit dem Kunden gekl\u00e4rt. Hierbei war es insbesondere wichtig, Stakeholder der verschiedenen Anwenderschichten fr\u00fch im Projekt mit einzubeziehen. In diesem Zuge wurden auch die relevanten Datenquellen identifiziert und analysiert. Nach initialer Datenanalyse konnte dem Kunden f\u00fcr den Gro\u00dfteil des Portfolios eine ausreichende Datenqualit\u00e4t bescheinigt werden, sodass die zugrundlegenden Anforderungen, Logik und Datenquellen gekl\u00e4rt waren und ein erster Proof of Value angefertigt werden konnte. Als zentraler Bestandteil des Konzepts wurde eine alternative Logik definiert, welche in der Lage ist, Bestandsentwicklungen f\u00fcr Materialien trotz mangelnder Datenqualit\u00e4t vorherzusagen.<\/p>\n <\/p>\n Dieser Proof of Value wurde innerhalb zweier Wochen rudiment\u00e4r angefertigt und best\u00e4tigte, dass die L\u00f6sung wie urspr\u00fcnglich geplant funktionieren w\u00fcrde. Mit dem ersten Proof of Value wurden auch die ersten L\u00fccken in der Logik identifiziert, sodass die Logik im Laufe der Entwicklung mehrfach feinjustiert wurde.<\/p>\n <\/p>\n Das Konzept musste anschlie\u00dfend noch in eine stabile technische L\u00f6sung \u00fcbersetzt werden. Innerhalb weniger Monate stand die erste technische Version der L\u00f6sung bereit und konnte ausgiebig getestet werden. Parallel hierzu wurden alle Entwicklungen umfangreich dokumentiert und ein Konzept f\u00fcr das sp\u00e4tere User Training entwickelt. In mehreren Iterationen wurde die Logik verfeinert, sodass innerhalb eines Jahres die erste voll funktionsf\u00e4hige Version beim Kunden ausgerollt werden konnte. Die Resonanz war derart positiv, dass im Anschluss zwei weitere Versionen der Applikation geplant und entwickelt wurden, um den Bed\u00fcrfnissen s\u00e4mtlicher Anwender gerecht zu werden \u2013 und dies in einer einzigen, globalen L\u00f6sung f\u00fcr s\u00e4mtliche Gesch\u00e4ftsbereiche.<\/p>\n <\/p>\n [\/et_pb_text][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":" Unser Kunde aus der Life Science Branche hat nach M\u00f6glichkeiten gesucht, ein transparenteres und agileres Supply Chain Management zu etablieren. Zusammen mit dem Kunden haben wir eine smarte Business Intelligence L\u00f6sung f\u00fcr die Vorhersage von Bestandsentwicklungen entwickelt und implementiert, welche heute aktiv sowohl im Inventory Management als auch im Performance Management und im Controlling eingesetzt wird.<\/p>\n","protected":false},"author":6,"featured_media":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"\n Branche: Life Sciences Unser Kunde aus der Life Science Branche hat nach M\u00f6glichkeiten gesucht, ein transparenteres und agileres Supply Chain Management zu etablieren. Zusammen mit dem Kunden haben wir eine smarte Business Intelligence L\u00f6sung f\u00fcr die Vorhersage von Bestandsentwicklungen entwickelt und implementiert, welche heute aktiv sowohl im Inventory Management als auch im Performance Management und im Controlling eingesetzt wird.<\/strong><\/p>\n\n\n\n SITUATION<\/strong> Zwar hatte unser Kunde aufgrund seiner vollst\u00e4ndig SAP APO-basierten Planung Informationen zu Bestandsentwicklungen auf Produktebene \u2013 allerdings gestaltete sich die Auswertung f\u00fcr aggregierte Level, wie beispielsweise ein oder mehrere Produktportfolios, schwierig. Entsprechende Auswertungen mussten in mehrt\u00e4tiger Arbeit aufw\u00e4ndig und h\u00e4ndisch erstellt werden. Damit waren die Auswertungen gleichzeitig sehr anf\u00e4llig f\u00fcr Fehler, und die verwendete Software stie\u00df aufgrund der Menge an Daten an ihre Grenzen. <\/p>\n\n\n\n ANALYSE<\/strong> HERAUSFORDERUNG UMSETZUNG<\/strong> Zuerst wurden die grundlegenden Anforderungen mit dem Kunden gekl\u00e4rt. Hierbei war es insbesondere wichtig, Stakeholder der verschiedenen Anwenderschichten fr\u00fch im Projekt mit einzubeziehen. In diesem Zuge wurden auch die relevanten Datenquellen identifiziert und analysiert. Nach initialer Datenanalyse konnte dem Kunden f\u00fcr den Gro\u00dfteil des Portfolios eine ausreichende Datenqualit\u00e4t bescheinigt werden, sodass die zugrundlegenden Anforderungen, Logik und Datenquellen gekl\u00e4rt waren und ein erster Proof of Value angefertigt werden konnte. Als zentraler Bestandteil des Konzepts wurde eine alternative Logik definiert, welche in der Lage ist, Bestandsentwicklungen f\u00fcr Materialien trotz mangelnder Datenqualit\u00e4t vorherzusagen.<\/p>\n\n\n\n Dieser Proof of Value wurde innerhalb zweier Wochen rudiment\u00e4r angefertigt und best\u00e4tigte, dass die L\u00f6sung wie urspr\u00fcnglich geplant funktionieren w\u00fcrde. Mit dem ersten Proof of Value wurden auch die ersten L\u00fccken in der Logik identifiziert, sodass die Logik im Laufe der Entwicklung mehrfach feinjustiert wurde.<\/p>\n\n\n\n Das Konzept musste anschlie\u00dfend noch in eine stabile technische L\u00f6sung \u00fcbersetzt werden. Innerhalb weniger Monate stand die erste technische Version der L\u00f6sung bereit und konnte ausgiebig getestet werden. Parallel hierzu wurden alle Entwicklungen umfangreich dokumentiert und ein Konzept f\u00fcr das sp\u00e4tere User Training entwickelt. In mehreren Iterationen wurde die Logik verfeinert, sodass innerhalb eines Jahres die erste voll funktionsf\u00e4hige Version beim Kunden ausgerollt werden konnte. Die Resonanz war derart positiv, dass im Anschluss zwei weitere Versionen der Applikation geplant und entwickelt wurden, um den Bed\u00fcrfnissen s\u00e4mtlicher Anwender gerecht zu werden \u2013 und dies in einer einzigen, globalen L\u00f6sung f\u00fcr s\u00e4mtliche Gesch\u00e4ftsbereiche.<\/p>\n","_et_gb_content_width":"1080","footnotes":""},"project_category":[],"project_tag":[],"class_list":["post-3318","project","type-project","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/acopa.de\/de\/wp-json\/wp\/v2\/project\/3318","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/acopa.de\/de\/wp-json\/wp\/v2\/project"}],"about":[{"href":"https:\/\/acopa.de\/de\/wp-json\/wp\/v2\/types\/project"}],"author":[{"embeddable":true,"href":"https:\/\/acopa.de\/de\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/acopa.de\/de\/wp-json\/wp\/v2\/comments?post=3318"}],"version-history":[{"count":8,"href":"https:\/\/acopa.de\/de\/wp-json\/wp\/v2\/project\/3318\/revisions"}],"predecessor-version":[{"id":3823,"href":"https:\/\/acopa.de\/de\/wp-json\/wp\/v2\/project\/3318\/revisions\/3823"}],"wp:attachment":[{"href":"https:\/\/acopa.de\/de\/wp-json\/wp\/v2\/media?parent=3318"}],"wp:term":[{"taxonomy":"project_category","embeddable":true,"href":"https:\/\/acopa.de\/de\/wp-json\/wp\/v2\/project_category?post=3318"},{"taxonomy":"project_tag","embeddable":true,"href":"https:\/\/acopa.de\/de\/wp-json\/wp\/v2\/project_tag?post=3318"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
Mitarbeiterzahl: ca. 100.000
Umsatz: ca. 40 Milliarden<\/p>\n
<\/strong>
Lagerbest\u00e4nde haben eine gro\u00dfe Bedeutung f\u00fcr Unternehmen \u2013 sie k\u00f6nnen sehr volatil sein und h\u00e4ngen von einer Vielzahl an Faktoren ab \u2013 wie beispielsweise der G\u00fcte von Forecasts, verf\u00fcgbaren Produktionskapazit\u00e4ten oder Rohstoffverf\u00fcgbarkeiten. F\u00fcr die Unternehmenssteuerung sind Best\u00e4nde jedoch ein zentraler Dreh- und Angelpunkt: Zu niedrige Best\u00e4nde stellen eine Bedrohung f\u00fcr Unternehmen dar, weil Sie zu Lieferengp\u00e4ssen f\u00fchren k\u00f6nnen, w\u00e4hrend zu hohe Best\u00e4nde eine erh\u00f6hte Kapitalbindung bedeuten und ebenfalls nachteilig f\u00fcr das Unternehmen sind. Zusammengefasst unter dem Term \u201eWorking Capital Management\u201c arbeiten Unternehmen heute stetig daran, die perfekte Balance zwischen beiden Extrema zu finden. Working Capital Management ist damit nicht selten von zentraler Bedeutung f\u00fcr produzierende Unternehmen.<\/p>\n
<\/strong>
Zusammen mit dem Kunden konnten wir hier ein enormes Potenzial identifizieren. Eine automatisierte L\u00f6sung h\u00e4tte gleich mehrere Vorteile:<\/p>\n\n
<\/strong>
Von gro\u00dfer Bedeutung f\u00fcr dieses Projekt war es, dass die relevanten Daten bereits harmonisiert und standardisiert in wenigen Datent\u00f6pfen vorhanden waren \u2013 andernfalls h\u00e4tten die Daten zuerst aufbereite und zentral bereitgestellt werden m\u00fcssen. Essenziell war es zudem, dass die gesamte Supply Chain Planung Tool-gest\u00fctzt, bspw. mit SAP Advanced Planner & Optimizer (APO) oder SAP Integrated Business Planning (IBP) durchgef\u00fchrt wird.<\/p>\n
Mitarbeiterzahl: ca. 100.000
Umsatz: ca. 40 Milliarden<\/p>\n\n\n\n
Lagerbest\u00e4nde haben eine gro\u00dfe Bedeutung f\u00fcr Unternehmen \u2013 sie k\u00f6nnen sehr volatil sein und h\u00e4ngen von einer Vielzahl an Faktoren ab \u2013 wie beispielsweise der G\u00fcte von Forecasts, verf\u00fcgbaren Produktionskapazit\u00e4ten oder Rohstoffverf\u00fcgbarkeiten. F\u00fcr die Unternehmenssteuerung sind Best\u00e4nde jedoch ein zentraler Dreh- und Angelpunkt: Zu niedrige Best\u00e4nde stellen eine Bedrohung f\u00fcr Unternehmen dar, weil Sie zu Lieferengp\u00e4ssen f\u00fchren k\u00f6nnen, w\u00e4hrend zu hohe Best\u00e4nde eine erh\u00f6hte Kapitalbindung bedeuten und ebenfalls nachteilig f\u00fcr das Unternehmen sind. Zusammengefasst unter dem Term \u201eWorking Capital Management\u201c arbeiten Unternehmen heute stetig daran, die perfekte Balance zwischen beiden Extrema zu finden. Working Capital Management ist damit nicht selten von zentraler Bedeutung f\u00fcr produzierende Unternehmen.<\/p>\n\n\n\n
Zusammen mit dem Kunden konnten wir hier ein enormes Potenzial identifizieren. Eine automatisierte L\u00f6sung h\u00e4tte gleich mehrere Vorteile: <\/p>\n\n\n\n
<\/strong>Um den vielf\u00e4ltigen Anforderungen der anvisierten Benutzergruppen (Supply Chain Management, Inventory Management, Performance Management) gerecht zu werden, bedarf es einer umfangreichen Analyse der Stakeholder Requirements. Hierbei zeichnete es sich ab, dass die L\u00f6sung zwar breit genutzt werden kann \u2013 die Granularit\u00e4t der berechneten Daten jedoch deutlich feiner sein musste, desto operativer der Anwender t\u00e4tig war. Die klare Herausforderung war es, all diese Anforderungen in einem Tool zu vereinen \u2013 sprich: Es so flexibel zu gestalten, dass es sowohl f\u00fcr das strategische Management, als auch f\u00fcr das operative Management die richtigen Daten im richtigen Umfang anzeigt. Eine weitere Herausforderung sollte im \u00dcbrigen der Umgang mit mangelnder Datenqualit\u00e4t sein \u2013 wie w\u00fcrde man Best\u00e4nde projizieren, wenn keine Daten verf\u00fcgbar sind oder die Daten nicht repr\u00e4sentativ f\u00fcr die tats\u00e4chliche Planung w\u00e4ren?<\/p>\n\n\n\n
Von gro\u00dfer Bedeutung f\u00fcr dieses Projekt war es, dass die relevanten Daten bereits harmonisiert und standardisiert in wenigen Datent\u00f6pfen vorhanden waren \u2013 andernfalls h\u00e4tten die Daten zuerst aufbereite und zentral bereitgestellt werden m\u00fcssen. Essenziell war es zudem, dass die gesamte Supply Chain Planung Tool-gest\u00fctzt, bspw. mit SAP Advanced Planner & Optimizer (APO) oder SAP Integrated Business Planning (IBP) durchgef\u00fchrt wird.<\/p>\n\n\n\n