Pleidooi voor een gelaagde demand forecast

British American Tobacco (BAT) bestaat sinds 1902 en produceert en verkoopt vandaag wereldwijd sigaretten, tabak en andere nicotineproducten. Intussen telt de organisatie meer dan 50.000 medewerkers en 73 eigen productiefaciliteiten. In 2022 bedroeg de omzet zo’n 27,7 miljard Britse pond.

Bekende merken van BAT zijn Dunhill, Kent, Lucky, Strike. Daarnaast pakt de Britse onderneming uit met zogenaamde ‘next generation products’, met name e-sigaretten onder de naam Vipe en een nieuw soort sigaret die de tabak opwarmt en niet verbrandt (de zogenaamde ‘tobacco heating products’) met de naam Glo. Volgens Ana Martinho De Freitas, global process expert demand forecasting bij BAT, zijn de traditionele producten nog steeds erg in trek, maar worden de nieuwe categorieën steeds belangrijker. Zo ziet BAT het aantal gebruikers van niet-brandbare tabaksproducten jaar na jaar stijgen.

Uiteenlopende productcategorieën in een wereldwijde markt

Voor een organisatie als BAT is demand forecasting allesbehalve makkelijk. “Voor een deel komt dat doordat we wereldwijd actief zijn. Zo moeten we rekening houden met verschillende culturen”, vertelt Ana Martinho de Freitas. “Verder hebben we uiteenlopende producten in het gamma. Enerzijds zijn dat de traditionele, brandbare producten, waarvan de consumptie vrij stabiel en voorspelbaar is. Anderzijds hebben we de nieuwe categorieën, die nog niet matuur zijn en waarvoor het moeilijker voorspelbaar is hoe ze zich verder zullen ontwikkelen.”

Binnen zijn huidige supply chain strategie heeft BAT zichzelf opgedeeld in zeven ‘centers of excellence’. Demand forecasting is er daar een van. Elk center of excellence heeft een ‘product owner’. De rol van Ana Martinho de Freitas bestaat erin ondersteuning te bieden bij de optimalisering van het demand planning proces en ervoor te zorgen dat iedereen met elkaar geconnecteerd is. “Want als we ergens zeker van zijn, is het wel dat we nooit het gewenste niveau zullen bereiken als we allemaal in silo’s werken”, zegt ze.

Een paar jaar geleden besloot BAT de demand forecasting over een andere boeg te gooien. Het moest anders en beter.

Ana Martinho de Freitas: “We vertrouwden toen sterk op Excel-sheets, waar iedereen zijn eigen draai aan gaf. Daarnaast misten we kennis. Zo hadden we planners in huis die geen idee hadden van wat ‘exponential smoothing’ was. Dan kregen ze hun targets van het finance team, voerden ze ingewikkelde berekeningen in Excel uit en moesten we maar hopen dat de aantallen die naar supply chain gingen voldoende accuraat waren. Het spreekt voor zich dat een grote en complexe organisatie als de onze op die manier niet kan werken

Actie op drie fronten

Het plan van aanpak behelsde drie focusgebieden: de mensen, de processen en de technologie. Laten we met de focus op de mensen beginnen.

Demand planners het heft in handen geven

Een van de belangrijkste actiepunten bestond erin de neuzen van alle demand planners in de juiste richting te krijgen, zodat iedereen op dezelfde manier zou gaan werken.
A. Martinho de Freitas: “We wilden de mensen de capaciteiten geven om hun job beter te doen. Ook wilden we hen verantwoordelijk maken voor de cijfers die ze creëren. We willen geen planners die complexe berekeningen doen zonder te beseffen waar ze mee bezig zijn. Een planner moet bovendien een orkestrator zijn en niet alleen een analist. Daarom trachten we onze mensen te inspireren, zodat ze ten volle beseffen wat hun rol is.”

Daarbij horen natuurlijk ook de nodige trainingen. Zo heeft BAT zelf enkele e-learning-modules gecreëerd. Verder is er in SharePoint een Digital Academy opgericht, waar de demand planner alles wat hij of zij moet weten kan terugvinden. Daarbij wordt ook de link gelegd naar andere functies in de organisatie als die van belang zijn voor de planning.

“Toegegeven, zeker voor het laagste niveau planners in de organisatie is dat change management makkelijker gezegd dan gedaan. We kunnen hun wel een training van pakweg een half jaar geven, maar als ze dan het bedrijf verlaten omdat het vak hun weinig interesseert, levert dat natuurlijk niet veel op. Nog steeds is dat aspect een grote uitdaging”, vertelt Ana Martinho de Freitas. “Daarnaast is het soms worstelen met de jongste medewerkers in ons bedrijf. Ik werk graag met een handleiding, maar de nieuwe generatie houdt daar niet zo van. Voor hen hebben we een reeks ‘How do I …’ video’s gemaakt. De jonge medewerkers die echt geïnteresseerd zijn, komen achteraf dan vaak toch nog om een handleiding vragen. Het blijft dus interessant om beide te koppelen.”

Op organisatorisch vlak heeft BAT gekozen voor het principe ‘globally led, locally owned’, waarbij de organisatie het beste van een meer centrale en een lokale aanpak met elkaar probeert te combineren.
A. Martinho de Freitas: “Een volledig gecentraliseerde organisatie leek ons geen goed idee, maar bepaalde zaken pakken we nu wel op een meer regionale manier aan. Zo hebben we nu binnen elke markt enkele product owners met een welbepaalde expertise en verantwoordelijkheid aangesteld. Op die manier wilden we een meer overkoepelend zicht krijgen, zodat we ook mogelijke bullwhip-effecten tijdig in het vizier krijgen. Point-of-Sales-data (PoS), bijvoorbeeld, zijn erg zinvol voor onze lokale demand planners, maar als je er met je neus te dicht op zit, kun je het ruimere plaatje wel eens uit het oog verliezen.”

Processen standaardiseren
In het tweede focusgebied, de processen, heeft BAT werk gemaakt van processtandaardisatie. “Dat was hard nodig, want de verschillende markten binnen BAT hielden er soms een compleet andere manier van werken op na”, weet Ana Martinho de Freitas. “We hebben er toen een aantal experts van BAT en van kennisorganisaties als IBF bijgehaald. Op basis van hun advies hebben we gestandaardiseerde en vereenvoudigde processen voor de hele organisatie uitgewerkt.”

Het proces dat BAT uitstippelde, bestaat uit zes blokken (zie figuur). “De eerste fase is uiteraard onze data voorbereiden. Zo is het belangrijk dat we onze verkoopdata goed structureren”, licht Ana Martinho de Freitas toe. “Als PoS-data of data van onze distributeur beschikbaar zijn, dan nemen we die mee. Een goede voorbereiding vormt het fundament van het hele proces, want als je bij wijze van spreken de verkeerde brandstof in je auto giet, zal hij niet rijden.”

Op basis van die data genereert BAT een ‘baseline forecast’. “Daarbij maken we standaard gebruik van tijdreeksen. Het is uiteraard ook mogelijk hippere zaken zoals ‘machine learning’ in ons proces mee te nemen, maar vooraleer we dat doen, willen we er eerst de waarde van bewijzen”, klinkt het.

Eventueel neemt BAT ook oorzakelijke verbanden mee. “Dat doen we enkel als effectief bewezen is dat ze de forecast vooruit helpen”, aldus Ana Martinho de Freitas. “Heeft het geen nut om complexe correlaties mee te nemen, dan houden we het liever bij onze tijdreeksen. Maar wanneer ze wel zinvol blijken te zijn, laten we ze natuurlijk niet links liggen. In een volgende stap nemen we ‘soft intelligence’ mee, om bijvoorbeeld de impact van nieuwe promotionele activiteiten te voorspellen. Toegegeven, onze sector is daarin beperkt, maar via ‘ambassadors’ op luchthavens, bijvoorbeeld, kunnen we wel onze producten promoten. Vroeger deden we dat niet systematisch omdat het niet gemakkelijk is daar voorspellingen rond te doen, maar als het toegevoegde waarde kan bieden, proberen we daar op basis van onze inzichten en expertise toch een inschatting van te maken. Die inzichten kunnen uiteraard ook van buiten de planningsafdeling komen.”

In de volgende stap wordt de forecast gealigneerd. “Doorgaans forecasten we op productniveau, maar uiteraard heeft supply chain de productie-SKU nodig. Tijdens deze fase doen we de alignering, waarbij onder één productie-SKU enkele productreferenties kunnen zitten”, legt Ana Martinho de Freitas uit. “Op basis daarvan kunnen we vervolgens de review uitvoeren en het S&OP-proces voeden. Tijdens de analyses controleren we bijvoorbeeld ‘bottom-up’ waar we de vorige keer fout zaten en wat we de volgende keer beter zullen doen. ‘Top-down’ vergelijken we de demand forecast met de target. Zit de forecast onder de target, dan moeten we kijken of we zaken kunnen ondernemen om de target alsnog te bereiken, zonder de cijfers te gaan manipuleren natuurlijk.”

Om iedereen helemaal op dezelfde golflengte te krijgen, heeft BAT verschillende procesmacro’s gedefinieerd. Dat zijn als het ware de ‘must do’s’ om de uitkomst van de demand forecast maximaal op de noden van de onderneming af te stemmen. Zo is het belangrijk de vraag te categoriseren.

A. Martinho de Freitas: “Het is uiteraard onzinnig om voor de verschillende markten SKU per SKU af te lopen. Daarom categoriseren wij onze producten op basis van de klassieke ABCXYZ-segmentatie. Dat helpt ons ook de volatiliteit, de waarde en het volume van de categorie in kwestie te achterhalen. Blijkt een bepaalde categorie erg stabiel te zijn, dan vertrouwen we op de statistische methode. Is de categorie niet stabiel, dan zal een statistische methode niet of minder goed werken. Dat is vaker het geval voor onze nieuwe categorieën dan voor onze traditionele producten. In dat geval gaan we op zoek naar andere inzichten om ons te helpen. Maar als we besloten hebben dat de statistische methode voor een bepaalde categorie het best zal werken, dan moeten de planners daar op leren te vertrouwen. Als planners een rechte lijn zien op een tijdreeks, worden ze vaak wantrouwig, terwijl het best zou kunnen dat die categorie niet onderhevig is aan seizoenen of trends.”

Een andere belangrijke procesmacro is ‘lifecycle modeling’. “Dat impliceert bijvoorbeeld dat we strakke processen hanteren om de alignering van de productreferenties naar productie-SKU’s te doen. Hebben we geen enkele historiek van een product, dan kijken we of we de historiek van een vergelijkbaar product kunnen gebruiken om tot bruikbare inzichten te komen”, legt Ana Martinho de Freitas uit.

Ook essentieel: goede afspraken over de manier waarop consensus wordt bereikt en hoe de reviews rond waardetoevoegende input verlopen. Verder moet duidelijk zijn wat een forecast ‘goed genoeg’ maakt.
A. Martinho de Freitas: “Hoe je het ook draait of keert, als het om de forecast gaat, is elke functie bevooroordeeld. Sales ziet de zaken dikwijls te rooskleurig, Supply Chain is dan weer pessimistisch. Daarom is het ook belangrijk te leren uit het verleden om het in de toekomst beter te kunnen doen. Sommige zeer stabiele markten zeggen bijvoorbeeld dat de statistische forecast hen al negentig procent accuraat maakt. Dat is zeker al mooi, maar toch willen we dat ze de moeite doen om nog accurater te worden. Zo kunnen we onze supply chain nog effectiever maken.”

Om de demand planners te helpen accurater te worden, helpt de Forecast Value Added. Daarbij zorgt een gelaagde manier van werken ervoor dat het overzicht wordt bewaard. “Opdat de planners goed zouden begrijpen wat wij van hen verlangen, maak ik graag de vergelijking met het bakken van een taart. Als je alle ingrediënten door elkaar gooit, is het moeilijk te achterhalen wat je taart goed of slecht maakt. Maar bouw je je taart laag per laag op, dan kun je achteraf perfect nagaan welke lagen geslaagd zijn en welke niet”, verduidelijkt Ana Martinho de Freitas. “Daarom willen we dat de demand planners stapsgewijs lagen in de forecast toevoegen. Starten doen ze vanaf de statistische baseline met tijdreeksen. Daarna voegen ze forecasts op basis van mogelijke causaliteit toe. De volgende laag omvat de verschillende soorten soft intelligence, in een vooraf vastgelegde volgorde. En als allerlaatste stap zetten we de forecast af tegenover de bedrijfsdoelstellingen. Wanneer we die strikte volgorde respecteren, kunnen we achteraf nagaan of bijvoorbeeld causale elementen waarde hebben toegevoegd. Als dat niet zo is, dan laten we die laag de volgende keer beter achterwege. Op die manier verspillen we geen moeite meer aan zaken die geen waarde toevoegen of de forecast misschien zelfs slechter maken.”

Spreadsheets vervangen door applicatie
Wat het derde focusgebied – de technologie – betreft, wilde BAT af van de welig tierende spreadsheets.

A. Martinho de Freitas: “We hebben uiteindelijk gekozen voor de tool van Kinaxis als ‘single technology application’ om ons bij onze demand forecasting te ondersteunen. Intussen zouden we niet meer zonder die tool kunnen, maar om eerlijk te zijn: naar onze mening biedt alle planningssoftware min of meer dezelfde functionaliteit. Het belangrijkste is dat je als organisatie een goed beeld van de mogelijkheden krijgt en daar vervolgens het maximum uit tracht te halen. Dat hebben wij dan ook proberen te doen. Ook belangrijk om mee te geven: je kunt mensen heel veel functionaliteit aanreiken, maar als ze die niet gebruiken, heeft dat weinig zin. Daarom is ook hier change management en goed uitleggen wat de tool voor de planners kan betekenen cruciaal. Ik raad ook aan niet te veel functionaliteit ineens aan te bieden. Reik hun eerst de meest noodzakelijke functionaliteit aan, kijk of dat goed werkt en geef hun pas daarna meer.”

De tool biedt BAT ondersteuning om volgens de regels van de kunst op basis van de verschillende forecastlagen te forecasten. “Zo kunnen de demand planners via ‘task flows’ in de tool klikken op waar ze precies in het proces zitten. Dan verschijnen meteen alle instructies voor wat ze moeten doen”, illustreert Ana Martinho de Freitas. “Ook laat de tool scenarioplanning toe, waarbij we verschillende ‘what if’-scenario’s met verschillende soorten drijvers tegen elkaar kunnen afzetten. Dankzij de automatisering in de tool kunnen onze planners ook focussen op uitzonderingen, opportuniteiten en problemen. In de tools zijn ook de ‘key metrics’ vastgelegd die de beslissingen drijven.”

Geen sprint, maar marathon

Intussen heeft BAT al grote stappen voorwaarts gezet. “Om te beginnen merken we dat de accuraatheid van onze forecasts sinds de nieuwe manier van werken en de komst van de nieuwe tool steeds beter wordt. Ook de opleidingen hebben daar zeker bij geholpen”, besluit Ana Martinho de Freitas. “Voor alle duidelijkheid: deze transformatie is geen sprint, maar een marathon. Dit initiatief zien we dan ook niet echt als een project, maar eerder als een traject dat deel uitmaakt van onze business. Zo blijft het een uitdaging alle planners in ons verhaal mee te krijgen. Ook zijn er nog steeds medewerkers die met de kennis die ze bij ons hebben opgedaan naar een ander bedrijf trekken. We zijn dan ook nog steeds aan het zoeken hoe we onze goede medewerkers bij ons kunnen houden, want alle goed uitgedokterde processen en onze performante tool ten spijt, vormen zij nog steeds de spil van onze demand forecasting.”

TC