Unilever verbetert forecasts met 40 procent

Unilever is van plan om wereldwijd een nieuwe tool voor ‘demand sensing’ te implementeren. In Noord-Amerika nam de nauwkeurigheid van de forecast na implementatie van deze software met 40 procent toe. “We hebben nu drie dagen minder veiligheidsvoorraad. Dat lijkt niet veel, maar bij een groot bedrijf als het onze gaat het al snel om heel veel geld”, vertelt Doug Sloan, directeur supply chain operations in Noord-Amerika.

Demand sensing is volgens AMR Research – inmiddels onderdeel van Gartner – het vertalen van data uit stroomafwaartse keten met zo weinig mogelijk vertraging in informatie waarmee we begrijpen wat is verkocht, wie het heeft gekocht en wat de invloed is van vraagsturende programma’s.

‘In traditionele demand planning proberen we een forecast te maken op basis van historische gegevens. Met demand sensing kijken we meer naar wat er nu gebeurt’, vertelt ceo Robert Byrne van Terra Technology, dat de software voor demand sensing aan Unilever heeft geleverd.

Minder transportkosten
Behalve een betere forecast en minder voorraad heeft de implementatie van demand sensing ook geleid tot minder transportkosten. ‘Met een betere forecast weten we beter welke producten op welke locaties moet liggen. Dat betekent dat we dat transport dan ook efficiënter kunnen organiseren’, vertelt Doug Sloan tijdens een presentatie die live via internet te volgen was.

Unilever is al jaren bezig om zijn forecast te verbeteren. De multinational heeft processen veranderd, organisaties aangepast en tools geïnstalleerd. ‘Dat heeft verbetering opgeleverd, maar niet in die mate als we hadden gehoopt’, aldus Sloan.

Kosten, service en cash
De reden waarom Unilever zijn forecast wil verbeteren, ligt in de toenemende concurrentie. Dat zorgt voor extra druk op kosten, service en cash. ‘Een goede forecast is van invloed op al deze drie aspecten’, vertelt Sloan. ‘Door onze veiligheidsvoorraad te verlagen hopen we onze cash-positie te verbeteren. We willen onze servicegraad verbeteren, de productiviteit vergroten en duurzamer worden. Dat laatste heeft vooral met efficiënter transport te maken.’

Na een eerdere pilot in 2006 besloot Unilever in 2008 opnieuw een pilot te doen met de tool voor demand sensing van Terra Technology. ‘Ik hoef niet te vertellen dat de vraag uit de markt steeds grilliger wordt. Onze behoefte om veranderingen in de vraag te ‘voelen’ wordt steeds groter.’

Black box
De tool van Terra Technology fungeert eigenlijk als een soort black box die na het bestaande forecast-proces volgt. Dit proces, dat wordt ondersteund met software van Manugistics, heeft Unilever nauwelijks hoeven aan te passen. De forecast die uit Manugistics volgt, wordt in de demand sensing-tool gestopt, waaruit vervolgens een nieuwe, betere forecast rolt.

De resultaten zijn goed, met name op de korte termijn. Forecasts met een horizon van een week zijn maar liefst 40 procent nauwkeuriger dan de forecasts die uit Manugistics volgen. Als de horizon een maand is, is de verbetering nog altijd 16 procent. ‘Alleen nieuwe producten nemen we niet mee in onze demand sensing-tool. Daarvoor werkt de software niet’, aldus Sloan.

Wereldwijd implementeren
Unilever wil demand sensing nu ook implementeren in Europa, Azië en Afrika. Het bedrijf verwacht zijn veiligheidheidsvoorraden wereldwijd met 15 procent te kunnen verlagen. De focus ligt daarbij in eerste instantie op de wat meer ontwikkelde landen. ‘We hebben ervaren dat de kwaliteit van de data die je in het systeem stopt, van grote invloed is op het resultaat. In deze landen is de kwaliteit van de data beter.’

In Europa heeft Unilever inmiddels ook een pilot uitgevoerd waarbij niet alleen eigen data,maar ook die van retailers en distributeurs wordent meegenomen in de berekeningen. De resultaten geven aan dat de forecasts nog eens met 15 tot 30 procent nauwkeuriger worden, vooral op de lange termijn. ‘Dat komt wellicht omdat we nu verder de keten inkijken’, denkt Sloan.

Change management
De software van Terra Technology heeft een belangrijk voordeel dat tegelijkertijd ook een valkuil kan zijn: het forecastproces verandert als gevolg van de implementatie niet of nauwelijks. Sloan: ‘Er zijn geen directe gebruikers van het systeem. Dat betekent dat veel minder aandacht nodig is voor change management. We hebben echter wel gemerkt dat het belangrijk is om goed uit te leggen wat er gebeurt. Onze medewerkers stellen een forecast op, stoppen die in een tool waarvan ze niet weten wat het doet en krijgen vervolgens een heel andere forecast terug. Daar moeten ze wel op kunnen vertrouwen.’