如何避免S&OP盲点

销售和运营计划(S&OP)的核心是一个协作过程，将业务战略与供应链联系起来，将整个组织的参与者——销售、财务、生产、分销——聚集在一起。S&OP流程旨在以透明和迭代的方式缩小各方之间的差距。

这个过程本身可能很复杂——获得利益相关者的支持是第一个障碍，接下来的挑战是，尽管关键参与者将面临来自短期业务考虑的干扰，但要保持在正轨上。鉴于这种复杂性和相互竞争的利益，很容易理解为什么许多组织忽视了关键的S&OP组件，并且发现很难跟上能够提供竞争优势的不断发展的S&OP技术。

根据我在全球范围内实施S&OP的经验，我观察到三个经常被忽视的领域，第四个领域也值得强调。

1.最优方案
正如S&OP是迭代的和协作的一样，支持它的计划和优化过程也必须是这样。典型的S&OP系统通常像黑盒子一样运作，系统提供了一个“完美”的计划，但在复杂和不可预测的商业世界中，它被发现没有任何用处。这是因为它赖以建立的知识是不准确的、过于简化的或过时的。

有效的计划包含所有相关数据，包括关键绩效指标、网络配置、成本等。

在可能的情况下，应该有自动反馈循环，创造一种自我学习机制。这使输入保持准确和最新。
规划者和决策者必须与计划互动，将技术的速度和智能与用户的专业知识和洞察力相结合。
跨组织的实时协作为用户提供了自动化一些更常见流程的机会。它还提供了所有业务流程的可见性和对影响性能的信息的访问。全公司范围内的透明度是更明智、更快速决策的基础。当关键用户收到流程任何阶段发生的更改通知时，他们可以有选择地重新优化计划。

2.维护数据质量
稳健的计划建立在数据的质量和从中得出的见解的基础上。如果系统可以实时捕获和处理来自业务中各种来源的数据，则可以不断更新和分析数据，以获得模式和见解。利用从机器学习过程中获得的见解，可以生成越来越准确的预测，使用户能够根据实际情况而不是直觉做出更好的决策。这就是昆帝克所说的自我学习供应链。

在处理假设情景(任何S&OP计划的起点)时，数据质量的重要性不容低估。但是，数据质量在数据生成的瞬间就开始恶化。不同的电子表格记录需求;系统集成;资源的合并;系统滞后，所有这些因素都降低了数据的质量和可靠性。在任何复杂的规划过程中，数据量可能会在短短几个月内迅速击败其所有者，远低于标准普尔流程通常的18个月时间范围。

因此，对于公司来说，不仅要评估数据的质量，还要评估支撑S&OP流程的系统的性能，尤其是考虑到该领域快速发展的技术，这一点非常重要。数据质量最可靠的指标之一是对计划执行情况的测量——计划与实际发生的情况之间的差距。当进入计划过程的数据不准确时，依从性就会下降。

3.产品设计过程
在S&OP过程中，产品设计过程经常被忽略。这是一个错失的机会。事实上，我认为这是一个重大疏忽。在许多情况下，这项工作是由完全不同的、孤立的团队完成的，他们不与参与S&OP过程的团队进行交互。当产品达到S&OP阶段时，它已经通过了对产品特性产生任何影响的点。忽视未来一两年内即将上线的产品规格，就是忽略了一个重要的优化机会。

例如，通过输入产品的形状、尺寸、重量和包装，可以在更早的阶段优化生产和分销。将产品设计见解整合到S&OP过程中，可以更深入地理解设计决策的后果。新一代的S&OP解决方案能够通过更好地预测设计决策的结果并将其集成到S&OP计划中，从而更好地整合设计过程。并且，S&OP团队将能够向产品开发团队提供关于未来产品的反馈，特别是在生产成本，存储和分销方面。

4.自动层次结构构建——寻找预测最佳点
每一个标准操作流程的开始都有两个问题:

• 应该在什么水平上进行预测?
• 产品和服务应该如何分组?

通常，需要结合各种方法和技术，才能以任何程度的确定性回答这两个问题。分组通常是手工完成的，反映了业务的结构。一项自动化和优化这一过程的新技术有望提供更快、更有效的替代方案。该技术分析数据模式，以确定产品和服务的正确分组。基于数据相似度的最佳分组提高了预测的准确性。

它依靠机器学习原理对集群和预测水平的可能组合进行分类，以达到最优。精确度的提高意味着安全库存水平和浪费的大幅减少。

昆帝科一直在推动技术的发展，一直在测试自动化层次结构，并已取得了可喜的成果。

根据我的经验，通过对你的优化、数据质量和产品设计的整合有更多的期望，你有可能为你的S&OP过程及其结果带来重大改进。评估您现有的流程和系统，并密切关注新功能，这可能是成功S&OP周期与失败S&OP周期之间的区别。

赞助内容由Quintiq