Gedaan met koffiedik kijken

JDE maakt deel uit van de JDE Peet’s, het grootste pure-play koffie- en theebedrijf ter wereld, met hoofdkantoor in Nederland. Al meer dan 265 jaar wordt de organisatie geïnspireerd door de gedachte: “It’s amazing what kan happen over a cup of coffee”. Vandaag opereert JDE in meer dan honderd landen, met een portfolio van meer dan vijftig koffie- en theemerken. Denk aan tal van karaktervolle merken, zoals Douwe Egberts, L’Or, Jacobs, Senseo, Pickwick en Moccona.

Tineke Kok: “Binnen JDE zijn we heel horizontaal georganiseerd. De verschillende landenorganisatie hebben bijgevolg zelf de touwtjes van de planning in handen. Alle landen hebben hun eigen marketing & sales organisatie die de forecasts maakt en binnen hun Integrated Business Planning-proces de beslissingen neemt. In veel van onze fabrieken maken we producten voor de wereldwijde markt. We brengen de vraag voor alle landen bijeen om de productie te plannen.”

Pijnpunten in het forecastproces

Typisch voor de koffie- en theebusiness is dat ze zeer promotiegedreven is. Dat maakt het erg moeilijk om tot een accurate forecast te komen. “In België, bijvoorbeeld, valt de promotiedruk nog mee,” weet Tineke Kok, “maar in landen als Rusland is die extreem hoog. Om een idee te geven: in sommige landen wordt binnen segmenten tussen de dertig en tachtig procent van ons volume wordt in promotie verkocht.”

Voor de fusie stak de business van Douwe Egberts bovendien een stuk eenvoudiger in elkaar, wat het ook makkelijker maakte om een betrouwbare forecast op tafel te leggen.
T. Kok: “We hadden toen enkele merken koffie die we in een beperkt aantal landen verdeelden. Met de groei van de organisatie kwamen er landen en producten bij. Gemiddeld verkoopt een land zo’n 300 SKU’s.”

Vandaag buigen demand planners in alle landen organisatie zich over het voorspellen al die producten bij JDE. Om een idee te krijgen van hoe efficiënt al die planners werken, voerde de organisatie een paar jaar geleden een onderzoek naar hun tijdsindeling. “Uit benchmarks konden we al afleiden dat onze forecastaccurraatheid lager lag dan die van de concurrentie”, vertelt Tineke Kok. “De resultaten van het onderzoek waren ontnuchterend. Onze demand planners bleken minder tijd te spenderen aan forecasting en aan Integrated Business Planning (IBP) dan aan brandjes blussen. Toen we onderzochten waarom zo weinig van hun tijd naar forecasting ging, zagen we dat ons forecastproces en -systeem niet zijn ingericht op het juist voorspellen van de vraag. Waardoor er heel veel tijd gaat naar de operationele planning en te weinig naar het analyseren van de data met het oog op de forecasting.”

Met SAP APO had JDE wel een tool in huis om de planners bij de forecast te ondersteunen, maar voor de organisatie leverde dat niet de verhoopte resultaten op. “Dat komt vooral omdat onze business erg volatiel is”, meent Tineke Kok. “APO is goed in het voorspellen van de toekomst vanuit het verleden, maar de toekomst ziet er bij ons per definitie nooit hetzelfde. Promoties vinden op een ander tijdstip plaats, de prijzen veranderen of de omgeving wijzigt. Alleen voorspellen op basis van het verleden werkt bij ons dus gewoon niet.”

Wat er in de praktijk gebeurde: de planners haalden hun data uit APO, maakten hun forecast in Excel en zetten vervolgens de resultaten terug in APO. Het spreekt voor zich dat dit een foutgevoelig proces betrof. Bovendien kent het menselijke brein nu eenmaal zijn limieten, wat maakte dat moeilijk te onderscheiden patronen of beïnvloedende factoren over het hoofd worden gezien.

Versterking in de vorm van AI

Op een gegeven moment kondigde SAP het einde van de ondersteuning van APO aan. “Daar wilden we ons optimaal op voorbereiden”, aldus Tineke Kok. “Samen met het adviesbureau Involvation hebben we onze processen onder de loep genomen: Wat gaat er goed en wat kan beter? En wat helpt ons om een betere end-to-end supply chain te krijgen? Uit die oefening kwam de demand forecasting als een van de belangrijkste verbeterpunten naar voren. Daarop zijn we op zoek gegaan naar een tool om de demand planners beter te ondersteunen in het IBP- en forecastingproces.”
 
Voor JDE volstond het niet dat de forecast accurater werd, de tool moest ook inzichtelijk maken waar de volumes vandaan komen.
T. Kok: “Er zijn genoeg partijen die een statistische forecast op de data kunnen loslaten, maar bij Garvis vonden we zaken terug die voor ons het verschil maken. Zo kunnen de demand planners dankzij de user interface perfect zien waar de cijfers vandaan komen. Op basis daarvan kunnen ze dan de juiste beslissingen nemen. De account manager en demand planners houden dus het ‘ownership’ over het forecastingproces. Dat was voor ons essentieel.”

Nog een belangrijke troef was dat het platform van Garvis laagdrempelig en snel te implementeren is.
T. Kok: “Wij zijn een erg pragmatische organisatie. Andere bedrijven kwamen aandragen met heel omvangrijke en tijdsintensieve projecten. Garvis beloofde ons dat het mogelijk was de tool ‘out of the box’ op onze data los te laten. Dat ook de testing, de modellering en het aanleren van de tool op een erg pragmatische manier konden verlopen, sprak ons erg aan.”

Concreet combineert het SaaS-platform van Garvis artificiële intelligentie (AI) met de inzichten van de planners. Daarbij worden realtime data geanalyseerd. Zo stapt de oplossing af van vraagprognoses die louter vanuit data uit het verleden vertrekken en is het mogelijk sneller in te spelen op onverwachte gebeurtenissen en schommelingen in de vraag. De planners staan daarbij continu in dialoog met de artificiële intelligentie van het systeem en kunnen zo beter gefundeerde beslissingen nemen. Dankzij de interactie met de gebruikers en de groeiende hoeveelheid beschikbare data, worden de prognoses ook steeds beter.

Op naar ‘assumption based planning’

Garvis maakte JDE al snel duidelijk dat er veel meer in hun data zat dan wat de planners er tot dan toe uithaalden. “We zijn puur met onze verschepingsdata gestart en hebben naar de patronen gekeken”, legt Tineke Kok uit. “We gingen bijvoorbeeld na welke de link was met onze lopende promoties en vergeleken die met soortgelijke promoties in het verleden. Op die manier konden we alle mogelijke verbanden blootleggen en betere voorspellingen in de context van dat moment maken.”

Via het systeem kun je aangeven wat belangrijke drijvers zijn voor je organisatie en wat mogelijke uitzonderingen zijn. De assumpties die je daarbij maakt – op basis van de ervaringen uit het verleden bijvoorbeeld – kun je dan met behulp van de tool verder onderzoeken. Als die assumpties dan effectief waar blijken (of net niet), kun je daar binnen je operaties snel op inspelen. Dat noemen we ook wel ‘assumption based planning’.
T. Kok: “Doorgaans kijk je achteraf naar de uitkomst van je forecast en dan beslis je of die accuraat was of niet. Maar waarom was hij niet accuraat? Het kan best zijn dat mijn aanname niet goed was. Misschien gingen we er in de forecast van uit dat we in lockdown zouden gaan? Maar misschien is dat helemaal niet gebeurd. Als je ook die aannames duidelijk in kaart hebt, wordt je IBP-proces veel transparanter.”

Dat maakt meteen ook de rollen binnen de organisatie duidelijker. Zo kun je de account manager verantwoordelijk stellen voor de assumpties rond promoties. Als die stelt dat producten harder gaan verkopen als ze op de kopstelling staan en dat blijkt achteraf niet zo te zijn, dan was de aanname fout. Op basis van die wetenschap kun je bijsturen en je plan elke keer weer wat beter maken.

Ervaring opdoen in verschillende markten

JDE was onder de indruk van de resultaten die uit die eerste oefeningen naar voren kwamen. Er werd dan ook besloten om alvast in enkele landen een proof of concept met de oplossing te doen. Niet toevallig zijn dat Duitsland, Frankrijk en Brazilië geworden.
T. Kok: “Die drie markten weerspiegelen goed onze verschillende manieren van voorspellen. Zowel Duitsland als Frankrijk hebben zowel een professionele als een retailmarkt, maar onze Duitse vestiging kampt met andere vraagstukken dan Frankrijk. Voor Brazilië vormt vooral de grootte van het land, met belangrijke regionale verschillen, een grote uitdaging. Bovendien zitten de demand planners daar ver weg van ons. Daar kunnen we goed testen of de planners in staat zijn de tool zelfstandig te gebruiken.”

Momenteel is JDE nog druk aan het bekijken wat de belangrijkste assumpties zijn, die belangrijk zijn als input voor de forecast voor die verschillende markten. “Tineke Kok. “We hebben eerst met hulp van de data getoetst wat relevant is om als aanname in de forecast meenemen.  Om dan vervolgens een pragmatische maar goede assumptieset te bouwen waar we de forecast mee berekenen.”

Verdere uitrol en optimalisering

Als er binnen die drie markten voldoende ervaring met de tool is opgebouwd, wil JDE de tool in nog meer landen uitrollen.
T. Kok: “IT-projecten beloven soms business cases die in praktijk niet waargemaakt worden. We willen honderd procent zeker zijn dat onze doelstellingen worden gehaald voordat we weer een stap verder gaan. Momenteel loopt de tool van Garvis ook nog parallel met het oude systeem. We willen dat de planners het systeem en de volumes nog meer gaan vertrouwen, voordat we de volledige overstap maken. Daarnaast willen we aantonen dat een SaaS-oplossing als deze past in onze omgeving. De tool van Garvis werkt in de cloud en dat leidt tot discussies rond ‘data security’. Ook daar zullen we dus het vertrouwen moeten winnen.”

Een ander werkpunt is de datakwaliteit. Wil je bijvoorbeeld promoties goed voorspellen, dan moeten die wel gedetailleerd in het systeem staan. JDE beschikt weliswaar over een ‘promotion management system’, maar toch zit niet alle benodigde informatie om een goede forecast te maken daar altijd in. Zulke dingen vragen tijd om goed voor elkaar te krijgen.

Toch merkt JDE nu al dat de tool heeft geleid tot inzichten die de organisatie vroeger niet had. Dat komt het IBP-proces uiteraard ten goede. Wel zorgt het feit dat er meerdere stakeholders in dit proces betrokken zijn, voor extra complexiteit. Het geïntegreerde planningsproces staat zowel ten dienste van de supply chain als van sales en finance medewerkers.
De eerstvolgende stap bestaat er nu in de IT-architectuur nog beter op orde te krijgen. “Nu sturen we nog te veel zaken handmatig over een weer. Als we onze ‘data lakes’ aan elkaar kunnen koppelen, kunnen we de tool nog beter geïntegreerd krijgen en de forecasts nog meer automatisch laten verlopen”, klinkt het. “Misschien moeten we ook nog wat extra drijvers toevoegen en hier en daar nog wat modelleren om de gebruikers de knop helemaal richting Garvis om te laten draaien.”

In de toekomst wil JDE ook aan de slag met de ‘demand sensing’ functionaliteit van Garvis. “Nu maken we een weekforecast vanuit de lokale markt en dan volgt de planning van de centrale organisatie, die ook een weekproces hanteert. Tot slot maken de fabrieken hun dagplanning. Als we aan demand sensing gaan doen, zal daar als het ware en tussenlaag met updates op dagniveau tussenkomen. Dat kan gevolgen hebben, bijvoorbeeld op technisch niveau. Maar dat demand sensing een enorme boost kan geven aan de accuraatheid, daar zijn we wel zeker van. Voor ons is dat dan ook een erg belangrijke volgende stap.”