販売・オペレーション計画 (S&OP)
販売・オペレーション計画（S&OP）は、サプライチェーン以外の部門―特に営業、財務、生産―とのより深い連携を活用することで、優れたサプライチェーン実行を実現するための企業活動です。この手法は通常、営業予測から始まり、定量化された生産計画で締めくくられる月次プロセスを中心に展開されます。この手法は、予測の基礎となる数値を提供するERPsやMRPsとともに、1980年代に登場しました.
S&OPの起源と動機
50年代、60年代の戦後経済は、いくつかの点で単純明快でした。狭い品揃えを維持し、生産能力を高め、規模の経済によって価格を下げ、そして大量メディアを通じて需要を拡大するというものでした。しかし、20世紀末になると、サプライチェーンはこのモデルを超える展開を見せました。すなわち、より幅広い製品ラインナップ、より多くの地域、より多くの層が存在するようになったのです。その結果、多くの非効率性が生じ、サプライチェーンという概念がロジスティクスとは異なる独自の実践として登場しました。このような背景の中で、企業は内部の 不整合 が莫大な財務負担を生むに十分であると気づき、1980年代にS&OPという用語が生み出されました。S&OP 1と情報のsilos 2は、1988年に正式に確立されました.
症状的なレベルでは、1980年代に大企業はサプライチェーンにおいて一連の問題が蔓延していることに気づきました:
- 同時に、企業は大量の在庫過剰と低いサービスレベルの両方に直面する可能性がありました。
- 大規模すぎるエンジニアリングチームは、多くの研究開発イニシアチブを白紙にする結果となったうえ、重要な製品の提供も遅れてしまいました.
- マーケティングチームは、誤った製品に注力することで、過剰生産や生産不足の問題をさらに拡大させました.
このような問題に直面し、S&OPは二つの特徴的な解決策を提示しました。第一に、初期の研究開発からマーケティングの推進に至るまで、全社的な連携をトップマネジメント―CEOを含む―の直接的な責任とする必要がありました。この連携は、S&OPで示された特定のプロセスに従うことで実現されました。第二に、そのプロセスは明示的かつ定量的にデータ駆動型となる必要がありました。これは、ERPの導入により電子化された在庫レベルや電子的な在庫移動が主流となった1980年代後半の相対的新しい概念でした.
S&OPの5つのステップ
S&OPプロセスは循環的であり、企業の選択に応じて、毎年、四半期、または月単位で一連のステップを踏みます。企業のCEOはこのプロセスを主導し、さまざまな関係者がS&OPイニシアチブに十分なリソースを割り当て、全社的な利益をもたらすことを確実にする役割を担います。このプロセスは次のステップを経ることになっています:
- 営業予測: 過去の販売データと営業チームからの定量的な洞察が統合され、通常は営業担当者から始まるボトムアップのプロセスに従って、需要の粗い予測が作成されます.
- 需要計画: 需要予測の評価と検証を行い、将来需要に関する構造的な洞察の追加や、マーケティング活動など、予測に反映されにくい戦略的リスクの特定を実施します.
- 供給計画: 需要を満たすために必要とされる予測されたキャパシティの評価と検証を行い、需要側と供給側の両方の予測される変動性を考慮します。必要な作業の優先順位付けとスケジューリングを実施します.
- 計画の整合: 需要計画と供給計画の調整、および企業全体の財務パフォーマンス（粗利益、キャッシュフロー、長期的な顧客維持率など）の評価を行います.
- 計画の最終決定: 計画を最終決定し、社内で広く共有することで、関係者が各々の貢献を進められるようにします.
S&OPプロセスには、組織内のすべての機能間で集中、連携、同期を促すための一連の会議が含まれます。これらの会議は、通常、前回の計画を出発点として議論を進め、最も修正が必要な部分に対して努力を集中させる「再計画」の機会となります.
ソフトウェアの観点では、S&OPは企業の取引基盤―すなわちERP（エンタープライズ・リソース・プランニング）、MRP（資材所要計画）、WMS（倉庫管理システム）、TMS（輸送管理システム）―に依存して関連する過去データを取得しますが、通常、分析作業はAPS（先進計画・スケジューリング）などの専用ソフトウェアコンポーネントに委譲されます。APSは、統計的予測の計算という数値的側面と、ワークフローの面の両方から、ユーザーが数値を修正・検証できるようにすることで、明確にS&OPをサポートします.
S&OPのアンチパターン
「ベスト・イン・クラス」のビジネスがS&OPの下で運営されているという複数のベンダーの主張にもかかわらず、ほとんどの実装はS&OPの本質に起因する類似の欠陥に悩まされています。具体的には:
- 関与する一部の者は、他の問題を引き起こさずには対抗できない方法でS&OPプロセスを歪める構造的なインセンティブを持っています。例えば、「サンドバッグ手法」とは、後で「期待以上の成果」を上げるために、非常に保守的な目標を敢えて設定する広範な慣行を指し、これは通常、企業内での昇進やボーナスの主要な動機となっています.
- S&OPに関与する関係者の数が多すぎるため、企業がその存続に必要な決定的な行動を取ることができず、多くの参加者との対立を招く「委員会主義」的状況に陥ることがよくあります.
- 最も好ましい状況下でも、S&OPプロセスは企業の経営チームにとって時間を要するものです。S&OPのオーバーヘッドが必要悪であるかどうかは議論の余地がありますが、常に重いプロセスであることに変わりはありません.
- 予測は常にある程度誤差を含んでおり、常に関係者間の争点となります。予測精度の向上を試みると、ほぼ常にソフトウェアの複雑性が増し、ソフトウェアの信頼性が犠牲になる結果となります。統計的予測は、関係者の多くにとって不透明であり、しばしばソフトウェアベンダー自身をも含みます.
また、S&OPに対して提起される多くの批判―正当であろうとそうでなかろうと―は、「本当のスコット人はいない」という論理の誤謬で一蹴されることが注目されます。哲学教授のブラッドリー・ダウデンは、この誤謬の簡略化した例を次のように示しています:
Person A: 「スコット人はお粥に砂糖を入れない。」
Person B: 「しかし、私の叔父アンガスはスコット人で、お粥に砂糖を入れます。」
Person A: 「しかし、本当のスコット人はお粥に砂糖を入れない。」
実際、S&OPプロセスに苦戦している企業の大半では、問題はS&OPそのものではなく、不完全な形態のS&OPにあるとするのが一般的な見解です。すなわち、S&OPは企業運営に必要な要素かもしれませんが、予測可能な欠点を伴うという代替の視点を考慮すべきです.
S&OPの限界
ほとんどのアイデアと同様、S&OPはその時代―1980年代―の産物です。この10年以降、サプライチェーンの予測的最適化の実践は、当時は完全には想像できなかった形で進化してきました。したがって、次のように論じることができます:
- S&OPは、クラシックな時系列予測、すなわち期待される将来需要を反映しようとするシンプルな未来観に重きを置いています。S&OPには確率的予測は存在せず、極端なリスクや、関連する供給業者、競合他社もモデルの一部とはなりません.
- S&OPは「ヒューマン・イン・ザ・ループ」の視点を重視するため、遅いです。多くの企業は月次のS&OPを運用できず、四半期ごとの計画改訂にとどまっています。対照的に、現代のサプライチェーンは、ほとんど遅延のない（数分以下の）機械主導の意思決定で運用されています.
- S&OPは、需要側と供給側の双方にデジタルマーケットプレイスを含む広範なアプリケーションの相互接続環境を前提としておらず、企業が内部の連携だけでなく市場レベルの連携（例：競争情報の活用）を求める場合には適していません.
- S&OPは、1980年代には十分に理解されていなかったが、現在のように物理的なレベル（製品数、層の増加、輸送業者の増加など）だけでなく、ITのレベル（トレーサビリティ、コンプライアンス、サイバーリスクなど）においても大幅に複雑化したサプライチェーンの状況下で、スケールの不経済を軽視しています.
結論として、S&OPは、全社的な連携の必要性やデータ駆動型意思決定の重要性など、現代のサプライチェーンの核心に残る多くの課題を正しく指摘しています。しかし、一般にS&OPと呼ばれるプロセスが提供するレシピは時代遅れです.
LokadによるS&OPの考察
ベストプラクティスは常に変化する目標です。我々の総合的な批判は、S&OPが_蓄積的ではない_という点にあります。すなわち、S&OPプロセスに必要な人的資源は、_投資_されるのではなく、_消費_されてしまうのです。しかし、サプライチェーンは現在、ソフトウェアシステムによって提供される数値的レシピによって駆動されています。S&OPは最終成果の改善に注力しており、入力データが継続的に更新される中で終わりなきプロセスとなっています。対照的に、現代のアプローチは、通常、高次元統計（例：機械学習）を含む様々な形態の統計手法を伴う数値的レシピ自体の改善に焦点を当て、その後、これらの数値レシピをさらなる手動介入なしに運用させます.