Sales and Operations Planning (S&OP)

Sales and Operations Planning (S&OP) è una pratica aziendale volta a fornire un’esecuzione della supply chain superiore sfruttando un allineamento più profondo con altre divisioni oltre alla supply chain, in particolare vendite, finanza e produzione. La pratica di solito ruota attorno a un processo mensile che parte dalle previsioni di vendita e termina con piani di produzione quantificati. Questa pratica è emersa negli anni ‘80, insieme a ERP e MRP che fornivano i numeri su cui basare le previsioni.

L’origine e la motivazione dietro S&OP

L’economia del dopoguerra degli anni ‘50 e ‘60 era, in molti modi, semplice: mantenere un’offerta limitata, aumentare la produzione, abbassare i prezzi attraverso economie di scala, e infine aumentare la domanda attraverso i media di massa. Tuttavia, alla fine del XX secolo, le supply chain avevano superato questo modello: gamma di prodotti più ampia, più sedi geografiche, più livelli. Di conseguenza, erano emerse numerose inefficienze e il concetto di supply chain era emerso come una pratica distinta dalla logistica. In questo contesto, S&OP è stato coniato negli anni ‘80 poiché le aziende hanno iniziato a rendersi conto che le disallineamenti interni erano sufficienti a generare notevoli costi finanziari. Sia S&OP ¹ che i silos informativi ² sono stati formalizzati nel 1988.

A livello sintomatico, negli anni ‘80, le grandi aziende si sono rese conto che una serie di problemi era diventata diffusa nelle loro supply chain:

• allo stesso tempo, l’azienda poteva affrontare sia grandi eccessi di magazzino che bassi livelli di servizio.
• i team di ingegneria sovradimensionati finivano per scartare la maggior parte delle iniziative di R&S ma rimanevano in ritardo nella consegna dei prodotti che contano.
• i team di marketing finivano per amplificare i problemi di sovrapproduzione o sottoproduzione indirizzando i loro sforzi ai prodotti sbagliati.

Di fronte a questi problemi, S&OP ha introdotto una risposta distintiva a doppio binario. In primo luogo, l’allineamento aziendale dall’inizio della R&S al marketing doveva diventare responsabilità diretta della alta direzione, inclusi i CEO. Questo allineamento sarebbe stato creato seguendo un processo specifico delineato da S&OP. In secondo luogo, il processo sarebbe esplicitamente e quantitativamente basato sui dati, una novità relativa degli anni ‘80 che era diventata possibile grazie ai livelli di magazzino e ai movimenti di magazzino elettronici che stavano diventando diffusi attraverso l’adozione di ERP.

I 5 passaggi di S&OP

Il processo S&OP è ciclico, passando attraverso una serie di passaggi, ogni anno, trimestre e/o mese a seconda delle scelte fatte dall’azienda. Il CEO dell’azienda è tenuto a gestire il processo e assicurarsi che i vari stakeholder dedichino risorse sufficienti all’iniziativa S&OP al fine di ottenere i benefici aziendali previsti. Il processo dovrebbe seguire i seguenti passaggi:

• Previsione delle vendite: i dati storici delle vendite e le informazioni quantitative provenienti dai team di vendita vengono consolidati, di solito seguendo un processo dal basso verso l’alto, a partire dai dipendenti delle vendite. Vengono prodotte previsioni grezze della domanda.
• Pianificazione della domanda: valutazione e convalida delle previsioni di domanda. Aggiunta di informazioni strutturali sulla domanda futura e identificazione dei rischi strategici, che potrebbero non essere riflessi dalle previsioni grezze, come fonti di variabilità attesa (ad esempio azioni di marketing).
• Pianificazione della fornitura: valutazione e convalida delle capacità proiettate necessarie per soddisfare la domanda, tenendo conto delle variabilità previste sia sul lato della domanda che sul lato dell’offerta. Priorità e pianificazione delle operazioni necessarie.
• Riconciliazione dei piani: riconciliazione del piano di domanda con il piano di fornitura e valutazione delle prestazioni finanziarie complessive dell’azienda (margine lordo, flussi di cassa, fidelizzazione a lungo termine dei clienti, ecc.).
• Finalizzazione dei piani: finalizzazione del piano e pubblicazione per renderlo ampiamente accessibile all’interno dell’azienda e consentire alle parti coinvolte di procedere con i rispettivi contributi al piano.

Il processo S&OP prevede una serie di incontri volti a favorire concentrazione, allineamento e sincronizzazione tra tutte le funzioni dell’organizzazione. Questi incontri sono di solito l’opportunità per “ri-pianificare”, sfruttando il piano precedente come punto di partenza della discussione e guidando gli sforzi dove le correzioni sono più urgenti.

A livello software, S&OP si basa sulla struttura transazionale dell’azienda - ovvero l’ERP (Enterprise Resource Planning), l’MRP (Material requirements planning), il WMS (Warehouse Management System), il TMS (Transportation Management System) - per ottenere i dati storici rilevanti, ma di solito delega il carico di lavoro analitico a componenti software dedicati, tipicamente un APS (Advance Planning and Scheduling). L’APS supporta esplicitamente S&OP sia dal punto di vista numerico - per calcolare le previsioni statistiche - che dal punto di vista del workflow - per consentire agli utenti di correggere e convalidare le cifre.

Antipatterns di S&OP

Nonostante le affermazioni di molti fornitori secondo cui le aziende “migliori della classe” operano con S&OP, la maggior parte delle implementazioni presenta difetti simili, che sono intrinseci alla natura stessa di S&OP, ovvero:

• Alcune parti coinvolte hanno incentivi strutturali a distorcere il processo S&OP in modi che non possono essere contrastati senza introdurre altri problemi. Ad esempio, “sandbagging” si riferisce alla diffusa pratica di presentare obiettivi molto conservativi al fine di “superare le aspettative” in seguito; che è tipicamente il principale incentivo per la promozione / bonus all’interno dell’azienda.
• Il gran numero di parti coinvolte in S&OP porta di solito a situazioni di “progettazione per commissione” in cui l’azienda è incapace di prendere decisioni decisive che possono essere essenziali per la sua sopravvivenza, in quanto tali decisioni possono fortemente antagonizzare molti partecipanti.
• Anche nelle situazioni più favorevoli, il processo S&OP è inevitabilmente impegnativo per i team di gestione all’interno dell’azienda. Il fatto che l’overhead di S&OP sia un male necessario è discutibile, ma è sempre un processo gravoso.
• Le previsioni sono sempre in qualche misura errate e sempre fonte di controversie tra le parti. I tentativi di migliorare l’accuratezza delle previsioni quasi sempre comportano un aumento della complessità del software - a scapito della affidabilità del software. La previsione statistica tende ad essere opaca per la maggior parte delle parti coinvolte - compreso, spesso, il fornitore stesso del software.

È anche notevole che la maggior parte delle critiche - valide o meno - rivolte a S&OP vengono respinte con la fallacia del “No vero scozzese”. Il professore di filosofia Bradley Dowden dà la seguente versione semplificata della fallacia:

Persona A: “Nessuno scozzese mette lo zucchero sulla sua porridge.”

Persona B: “Ma mio zio Angus è uno scozzese e mette lo zucchero sulla sua porridge.”

Persona A: “Ma nessun vero scozzese mette lo zucchero sulla sua porridge.”

Infatti, nella maggior parte delle aziende che lottano con il loro processo S&OP, il consenso è che sia la loro versione imperfetta di S&OP a essere responsabile, anziché considerare la prospettiva alternativa: mentre S&OP potrebbe essere un ingrediente necessario per far funzionare l’azienda, comporta svantaggi prevedibili.

I limiti di S&OP

Come la maggior parte delle idee, S&OP è un prodotto del suo tempo: gli anni ‘80. Da allora, la pratica dell’ottimizzazione predittiva delle supply chain si è evoluta in modi che all’epoca non erano pienamente concepibili. Pertanto, si potrebbe sostenere che:

• S&OP enfatizza una prospettiva semplicistica del “futuro”, ovvero previsioni classiche a serie temporale che cercano di riflettere la domanda futura prevista. Le previsioni probabilistiche non esistono in S&OP. I rischi di coda, i fornitori o i concorrenti associati non fanno parte del modello.
• S&OP è lento perché enfatizza una prospettiva “umani-nel-processo”. Molte aziende non riescono mai a far funzionare la versione mensile di S&OP e rimangono bloccate con revisioni trimestrali del piano. Al contrario, le moderne supply chain ora operano con decisioni guidate da macchine consegnate con latenze trascurabili (minuti o meno).
• S&OP non è orientato verso vasti paesaggi applicativi interconnessi che includono mercati digitali sia dal lato della domanda che dal lato dell’offerta, dove le aziende cercano non solo l’allineamento interno ma anche l’allineamento a livello di mercato (ad esempio, sfruttando dati di intelligence competitiva).
• S&OP minimizza le diseconomie di scala che non erano pienamente comprese negli anni ‘80 e sono notevolmente peggiorate in un mondo in cui le supply chain sono ora molto più complesse, non solo a livello fisico (più prodotti, più echeloni, più trasportatori, ecc.), ma anche a livello informatico (tracciabilità, conformità, rischio informatico, ecc.).

In conclusione, S&OP identifica correttamente molte sfide che rimangono al centro delle supply chain odierna, come la necessità di allineamento aziendale e l’importanza delle decisioni basate sui dati. Tuttavia, le ricette offerte dai processi generalmente indicati come S&OP sono datate.

Il punto di vista di Lokad su S&OP

Le best practice sono obiettivi in continua evoluzione. La nostra critica generale è che S&OP non è accrescitivo: le risorse umane richieste dal processo S&OP vengono consumate invece di essere investite. Tuttavia, le supply chain sono ora guidate da ricette numeriche fornite tramite sistemi software. S&OP si concentra sul miglioramento dei risultati finali, che è un processo senza fine poiché i dati di input vengono continuamente aggiornati. Al contrario, gli approcci odierni si concentrano sul miglioramento delle ricette numeriche stesse - che di solito coinvolgono varie forme di statistiche ad alta dimensionalità (ad esempio, machine learning) - e quindi permettono a queste ricette numeriche di operare senza ulteriori interventi manuali.

Riferimenti