<\/p>\n
Customer Profile<\/strong><\/p>\n Industry: Life Sciences Our customer has been looking for possibilities, to establish a more transparent and agile supply chain management. Together with the customer we conceptualized and implemented a smart business intelligence solution for the prediction of inventory developments. Today, the customer uses the tool in the areas of inventory management, performance management as well as for controlling purposes.<\/span><\/strong><\/p>\n <\/strong><\/p>\n SITUATION Due to his fully SAP APO-based planning, our customer has already been in full possession of inventory projection on product level. The problem was that their planning tool was not allowing to aggregate data to any higher level, let\u2019s say to a brand, product portfolio or legal entity level. Such reports had to be created manually and resulted in hours of manual efforts \u2013 each month. Even-though our customer was able to create the reports manually, it has shown that those reports have been highly prone to errors. Furthermore, the used software has been used way past its capabilities, as it resulted in frequent crashes and data loss.<\/span><\/p>\n ANALYSIS Challenge<\/span><\/strong><\/p>\n To fulfill the versatile requirements of the targeted user groups (supply chain managers, inventory managers, performance managers), we had to conduct an in-depth analysis of stakeholder requirements. It could be shown early that the solution would be suitable for all user groups \u2013 however, the required granularity of calculated data needed varied and needed to be much finer than initially expected. As a rule of thumb: Operative users (e.g. production planners) need a much finer granularity than supply chain managers, which have a rather high-level view on their supply situation. The main challenge was to fulfill all these requirements with just one solution. Our mission was clear: Create a tool that is flexible enough to be used by operative, tactical, and strategical users. Another challenge turned out to be the management of insufficient data quality: How would you predict inventory developments; in case no planning data is available or in case the projected inventory development is clearly wrong? Would you just show the error, or would you have a fallback logic in place to cover this up?<\/span><\/p>\n IMPLEMENTATION First, the requirements have been identified together with the customer. We put a strong focus on involving all user groups into the discussions as early as possible. Together with these user groups we identified and analyzed all relevant data sources. After initial data analysis we could attest that the data quality of our customer would be sufficient for the majority of its portfolio, so that we could kick-off the implementation by building a first proof of value within three weeks. Together with the customer, we brainstormed the different calculation logics that were needed regarding some specialties on how the customer counted his inventories \u2013 especially regarding goods in transit and bad data quality. As a central part of that logic, we defined a calculation that would deal with bad data quality, but at the same time show this situation so that supply chain planners could work on optimizing their planning in APO.<\/span><\/p>\n As described, this proof of value has been built within three weeks and has proven that the\u00a0concept was mature enough for official backend and frontend implementation. Nevertheless, we identified several gaps in our logic, which we worked-out step by step during the implementation process.<\/span><\/p>\n Within several months the first technical version of the solution was available and could be tested by us. In parallel all developments have been documented extensively and a concept for later user training has been developed. In multiple iteration the logic of the tool has been refined, so that after one year the first fully functional version of the tool was rolled out to the users. The feedback was highly positive, so that two more iterations \/ versions of the inventory projection have been scheduled and implemented until now. Those versions led to an improvement of projection quality, made the solution available to new business areas and came with some functionality extensions as requested by the business.<\/span><\/p>\n <\/p>\n[\/et_pb_text][\/et_pb_column][\/et_pb_row][\/et_pb_section]\n","protected":false},"excerpt":{"rendered":" Our customer has been looking for possibilities, to establish a more transparent and agile supply chain management. Together with the customer we conceptualized and implemented a smart business intelligence solution for the prediction of inventory developments. Today, the customer uses the tool in the areas of inventory management, performance management as well as for controlling purposes.<\/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\/en\/wp-json\/wp\/v2\/project\/3318","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/acopa.de\/en\/wp-json\/wp\/v2\/project"}],"about":[{"href":"https:\/\/acopa.de\/en\/wp-json\/wp\/v2\/types\/project"}],"author":[{"embeddable":true,"href":"https:\/\/acopa.de\/en\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/acopa.de\/en\/wp-json\/wp\/v2\/comments?post=3318"}],"version-history":[{"count":10,"href":"https:\/\/acopa.de\/en\/wp-json\/wp\/v2\/project\/3318\/revisions"}],"predecessor-version":[{"id":3983,"href":"https:\/\/acopa.de\/en\/wp-json\/wp\/v2\/project\/3318\/revisions\/3983"}],"wp:attachment":[{"href":"https:\/\/acopa.de\/en\/wp-json\/wp\/v2\/media?parent=3318"}],"wp:term":[{"taxonomy":"project_category","embeddable":true,"href":"https:\/\/acopa.de\/en\/wp-json\/wp\/v2\/project_category?post=3318"},{"taxonomy":"project_tag","embeddable":true,"href":"https:\/\/acopa.de\/en\/wp-json\/wp\/v2\/project_tag?post=3318"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
Employees: ca. 100.000
Revenue (2019): ca. 40 Milliarden\u00a0<\/p>\n
<\/span><\/strong>
Inventories are a key component for producing industries \u2013 they can be very volatile and are dependent on a number of factors, such as the quality of forecasts, available production capacities or raw material availability. Because of their underlying optimization potential, the steering of businesses is centered around the management of inventories: Too low inventories come at the risk of supply chain interruptions, whereas too high inventory levels result in opportunity cost in the form of higher capital commitment. \u201cWorking Capital Management\u201c is the key word: Companies try to find the optimal balance between the two extremes. As a result, Working Capital Management is of central meaning for producing industry sectors.<\/span><\/p>\n
<\/span><\/strong>
Together with our customer we identified significant potential. An automated solution would come with multiple benefits:<\/span><\/p>\n\n
<\/span><\/strong>
It was of highest importance for this project that the customer already had all relevant data available in just few data sources and in a harmonized & standardized way. Otherwise, we would have spent much more time just retrieving and transforming the right data. Furthermore, it was essential, that almost the entire supply chain planning was based on SAP Advanced Planner & Optimizer (APO) or SAP Integrated Business Planning (IBP).<\/span><\/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