Bessere Kenntnis der Nachfrage für bessere Prognosen

API

  • API ist einer der führenden australischen Pharmahändler und expanidierender Einzelhandel
    im Bereich Gesundheit & Beauty

  • Muttergesellschaft von Priceline Pharmacy, Soul Pattinson Chemist, Pharmacist Advice
    und Clear Skincare Clinics

  • Dienstleistungen: Lieferung von Großhandelsprodukten, Retail-Services, Marketing und
    Unternehmensberatung

  • Über 420 Filialen

  • 1910 gegründet, eit 1997 an der ASX notiert

  • Über 3.000 Mitarbeiter

  • >$ 3,5 Mrd. AUD Umsatz

Weitere Informationen: www.api.net.au

 

Success Story

API: Bessere Kenntnis der Nachfrage für bessere Prognosen

Inkonsistente und unrealistische Prognosen führten zu überhöhten Beständen.
Um die system-immanenten Probleme zu korrigieren, beschloss API, das Nachfragesignal zu überarbeiten, das in die SAP UDF-Anwendung eingespeist wurde.

  • Inkonsistente, unrealistische (überhöhte) Nachfragesignale, die sich nicht für statistische Analysen eignen

  • Notwendigkeit manueller Eingriffe zum Ausgleich überhöhter Nachfrage

  • Überprognosen trotz manueller Eingriffe

  • Mangelndes Vertrauen der Mitarbeiter in die Systeme/Anwendungen

Bestimmung der Nachfrageprognose

Die Teams von retailsolutions und API führten eine umfassende Analyse der Nachfragesignale durch, um alle möglichen Kombinationen von Nachfragemengen und -terminen zu ermitteln.
Ziel war es eine Nachfrageprognose zu erstellen, die API‘s Geschäftsprozesse bestmöglich abbildet.

Lösung

  • Tiefgreifendes Verständnis der Probleme, die zu fehlerhaften Prognosen und Nachbestellungen führen, basierend auf einer professionellen Datenanalyse

  • Entwicklung eines flexiblen Frameworks für multiple Kombinationen von Bedarfssignalen, die in SAP UDF eingespeist werden

  • Möglichkeit, Prognoseaufträge mit unterschiedlichen Nachfragedaten auszuführen und die Ergebnisse zu vergleichen

Vorteile

  • Einsparungen bei Lagerbestände in Höhe von $8,7 Mio. AUD durch eine jährliche Verringerung der fehlerhafter prognosebedingter Überbestände

  • Verbesserung des Service-Levels für A&B-Produkte auf 99,5 % durch den Einsatz von UDF Statistical Smarts

  • Deutlich verbesserte Prognosegenauigkeit (Fehlerreduzierung um bis zu 10%/ Woche)

  • Verbesserte Reaktionsfähigkeit auf Kundenanforderungen/Trends

image-10829

retailsolutions hat uns sehr geholfen, den Return on Investment aus der Implementierung
von SAP CAR und SAP F&R zu maximieren. 

Wir wollen auch zukünftig eng mit dem Team von
retailsolutions zusammenarbeiten, um weitere Systemeffizienzen zu erzielen.

API

Costa Ouskov,

Operational Excellence Manager –
Systems Optimisation