博世西门子与雀巢数字化供应链变革案例

内容导读：

博世西门子（BSH）公司案例实践与启示

1. BSH在供应链管理中引入了外部数据源,包括Google趋势、Oxford、GFK、Deb nomics、Amazon等,实现了自外而内(outside-in)的需求感知。

2. 通过计算需求的时间和数量变化,BSH发现只有50%的产品在SKU层面具有可预测性。引入机器学习等先进预测方法和外部数据,预测效果大幅提升。

3. BSH基于数百个外部指标,实现了自动化的月度需求预测。西班牙消费价格指数的案例揭示了指标与需求的领先/滞后相关性。

4. 德国、英国、土耳其等不同国家,价格、经济、销售、社交媒体等因素对需求的影响程度各异。BSH的预测模型在欧洲多国取得了接近人工计划的良好效果。

5. BSH通过比较销售和出货量,发现存在显著的牛鞭效应(放大系数2.08)。但在供应链上游,放大系数降为1.35,表明BSH内部运作在一定程度上缓解了波动放大。

6. BSH的需求预测项目正在全球范围内推广,受到不同部门的关注。但变革推进仍面临观念更新、流程固化等挑战。需要管理层推动,全员参与。

Nestle公司案例探索与实践

1. Nestle美国供应链分析师Margot和外部专家合作,选取新产品需求预测作为切入点,对outside-in方法进行了原型验证。

2. 订单和发货数据存在大量噪音,与消费者需求的偏离在所难免。Walmart门店零售数据能更直接地反映需求,但之前未得到充分利用。

3. 通过流程mapping,Margot构建了需求流,识别出决策所需的关键数据在不同角色间的流动和时滞(latency)。外部数据可将时滞从2-6周缩短到近实时。

4. 通过采访,Margot梳理出产品、销售、财务、供应链等不同角色在新品上市过程中的决策视角和关键问题(question grid),并基于此开发了角色专属可视化看板。

5. 新品上市初期,订单数据往往高于真实零售数据,形成渠道库存(channel inventory)。结合Nestle内部库存,可判断新品的实际市场表现,避免过度生产。

6. 模拟分析促销活动(社交媒体、买一赠一)对整体财务指标的影响,为营销决策提供了有力支持。同时将原材料约束等因素纳入考量,促进部门协同。

7. Nestle开始将先进分析方法整合到日常运作中,包括引入Azure机器学习重构统计预测,并纳入外部经济、销售等数据进行测试。变革正在三管齐下,循序渐进。

近年来,以大数据、人工智能为代表的数字化浪潮席卷全球,给企业的生产运作和供应链管理带来了前所未有的机遇和挑战。尤其是在快速消费品(Fast Moving Consumer Goods,简称FMCG)等行业,产品生命周期短、需求变化快、渠道复杂多变,传统的供应链管理模式已难以为继。越来越多的企业意识到,供应链的数字化转型势在必行,而如何通过数字化手段实现敏捷、精准、高效的需求感知和满足,是决定企业供应链竞争力的关键。

在这样的大背景下,两家全球知名快消企业——德国博世-西门子家用电器公司(BSH)和瑞士雀巢公司(Nestle),近年来在需求预测和供应链管理领域进行了卓有成效的数字化探索和实践,为行业树立了标杆。她们从客户和消费者需求出发,充分利用外部数据,优化端到端业务流程,重塑数字化人才队伍,驱动了供应链管理理念、方法和工具的革命性变革,为企业插上了腾飞的翅膀。

BSH的数据科学家Barl Boya女士和Nestle的高级分析总监Margot Cohen女士,分别受邀在一次业界盛会上分享了两家公司的典型案例和实践心得。让我们一起走进她们的分享,领略需求感知的革命、端到端流程再造的神奇,揭开快消供应链数字化转型的神秘面纱,为更多有志于变革的企业提供思路和启发。

需求感知的革命:博世西门子的outside-in实践

为欧洲最大的家电制造商之一,BSH拥有博世、西门子、Gaggenau等著名品牌,产品涵盖烹饪、烘焙、洗涤、制冷等领域,SKU多达1万余个。面对家电行业需求多变、生命周期短、促销频繁等特点,BSH一直在努力寻求更加敏捷、精准的需求感知和预测方法。近年来,BSH供应链团队启动了outside-in需求管理项目,从外部数据和客户洞察出发,利用机器学习等先进算法,重构了需求预测的理念和方法,取得了良好的成效。

Barl用一个生动的比喻阐明了BSH变革的初心。她将传统的基于历史数据的需求预测比作驾驶一辆"老爷车",车内只有后视镜,看不到前方的路况、红绿灯和标识。而outside-in的先进预测方法,则像驾驶一辆科技感十足的"智能车",车内显示屏上实时呈现路况信息,可以智能规划路径。BSH选择主动变革,正是希望从"望后镜"式被动预测,转向"仪表盘"式主动感知。

但变革之路充满荆棘。BSH在对产品粒度的可预测性进行分析后发现,有50%的产品在SKU-仓库层面的需求并不光滑,呈现出断断续续、起伏不定的间歇性(lumpy)特征。传统的时间序列预测模型,很难准确把握这些产品的需求趋势。而以往forecasting偏重于短期执行,忽视了对中长期市场趋势的前瞻分析,难以对整体行业发展做出预判。此外,从下单到交付的时滞往往长达数周,等需求信号反映到供应链上游,需求走势可能已经发生变化,预测结果与市场脱节在所难免。

BSH意识到,要跳出历史数据的"瓶颈",必须拓展数据视野,纳入影响市场需求的方方面面信息。通过外部合作,BSH获取了Google搜索趋势、竞争对手在主要零售商的销售数据(GfK提供)、Oxford经济预测、Deb nomics宏观经济数据等数百个外部指标,涵盖了搜索热度、竞品表现、经济形势等多个维度。这些数据与BSH内部的BOM、订货、发货等数据一起,成为了outside-in需求感知的"数据池"。BSH采用自动化的方式对不同粒度的外部数据进行汇总、清洗、整合,并与内部数据进行匹配,形成了统一的主数据视图。这为后续缩短预测时滞、提升预测准确性奠定了坚实的数据基础。

然而,单纯地将外部数据引入还不够,BSH还需要打破部门间的数据孤岛,实现数据的横向流动和业务协同。这需要销售、市场、财务、供应链等部门坐到一起,建立一套统一的数据标准和语言体系,形成全流程、全渠道的市场洞察。BSH组织了跨部门的需求感知项目组,成员包括市场经理、销售财务分析师、需求规划员、大数据工程师等。项目组定期举行研讨会,收集各方观点,并就数据的管理与应用达成一致。比如,销售和市场部门从渠道零售数据和促销计划中提炼市场洞察,传递给供应链部门进行分析;财务部门则从盈利角度对需求预测提出约束性建议,并监控预测偏差对资金、库存等的影响。大家群策群力,形成了全视角、立体化的市场需求图景。

在数据层面打通后,BSH开始从宏观(macro)到微观(micro)分析需求影响因素及其作用机理。一方面,BSH将Google搜索指数、宏观经济指标等高频数据作为领先指标,评估其与未来一段时间整体市场需求的相关性,以把握行业发展大势。另一方面,BSH针对重点产品,分析其需求与具体的营销活动、季节性、突发事件的微观关联,揭示需求的成因。西班牙市场的案例尤其值得一提。通过将BSH在西班牙的月度销量与西班牙消费者价格指数进行交叉分析,BSH发现两个时间序列存在显著的负相关。这表明,消费品价格的上涨往往带动家电等可选消费品需求的下降。进一步分析表明,价格指数领先销量约2个月左右。这一发现为BSH提供了一个重要的领先指标,可用于提前预判需求变化,指导生产和库存的提前规划。BSH正是通过系统实施macro-micro相结合的洞察方法,构建了敏锐的"霍夫曼需求雷达",大幅提升了市场感知的广度和深度。

在数据和流程打通的基础上,BSH着手引入机器学习等先进算法,充分发掘外部数据的预测价值,突破传统时间序列模型的瓶颈。由于产品层面50%的需求并不光滑,BSH先采用分类算法判别产品属于光滑需求还是间歇性需求,进而分别采用合适的预测模型。对光滑需求的产品,BSH采用基于外部因素的回归模型,充分考虑价格、促销、季节性、搜索等因素对需求的影响。而对间歇需求的产品,BSH则创新性地采用了两阶段建模法:先用二元分类模型预测未来某个月份是否会有需求发生,再用多元回归模型预测需求的具体数量。通过这种分而治之、因需施策的建模策略,BSH在不牺牲粒度的情况下,将SKU层面的可预测性从50%提升到了80%。值得一提的是,BSH通过云平台实现了预测算法和模型的自动化构建、训练、评估与部署,极大提升了预测效率。整个自动化预测流程可在4-5小时内完成,为业务部门提供近实时的决策支持,并可根据反馈持续优化和更新。

BSH在推广outside-in预测实践过程中,充分考虑了不同国家市场的差异性。通过热度图等可视化手段,BSH发现,影响德国市场需求的首要因素是价格,其次是社交媒体口碑等;而在土耳其,宏观经济因素的影响更为显著;在英国,零售商的销售数据则是需求的风向标。针对这些差异,BSH因地制宜地调整模型,纳入当地的特色指标,体现了outside-in理念的延展性和普适性。目前,BSH已经在德国、英国、西班牙、土耳其等欧洲主要国家铺开了outside-in需求预测,覆盖了公司近2/3的销售额。下一步,BSH计划将该实践推广到美国、中国等海外市场,提升全球供应链管理水平。

经过近两年的不懈努力,BSH的outside-in需求预测在各个关键指标上均取得了长足进步。总体而言,先进模型的预测准确率比传统时间序列高出10-20个百分点,与人工计划的差距缩小到5%以内。部分成熟市场如德国,预测的Forecast Value Add(FVA)甚至超过了人工计划。更重要的是,新方法将需求预测时滞从1-2个月缩短到了2周以内,大幅提升了预测的时效性。结合提前1-3个月的"望远镜"分析,BSH得以对市场需求做出更加及时、准确、前瞻的判断,并快速传导到供应链各个环节。从下单到交付的周期也随之大幅压缩,库存水平趋于合理,交付率和用户体验明显改善。

尽管outside-in需求预测已经初见成效,但在BSH全球推广的过程中,仍面临着诸多挑战。一方面,传统的"唯实际订单马首是瞻"的观念根深蒂固,许多业务部门对数据驱动的需求洞察持怀疑态度,认为其"不接地气"。BSH需求管理团队花费了大量精力,通过培训、研讨、实证等方式,帮助业务部门建立数字化思维,用项目成果和收益赢得他们的信任。另一方面,要将先进的outside-in理念真正融入BSH的业务流程,还需要标准化和固化大量的工作机制。比如,建立统一的主数据管理规范,固化外部数据的采集、整合、分析流程,明确跨部门的协作规则,简化人机交互的界面,等等。这需要顶层设计和长期投入,绝非一蹴而就。BSH正在制定未来3-5年的规划,分步骤、分阶段地推进变革,力争将outside-in需求管理打造成业务流程不可或缺的"标准件",成为BSH供应链数字化转型的闪亮名片。

端到端流程再造:Nestle的数字化转型之路

作为全球最大的食品饮料公司,Nestle在全球拥有2000多个品牌,12万多个SKU,产品涵盖咖啡、奶制品、宠物食品、营养品等众多品类。Nestle庞大而复杂的产品组合,为需求管理和供应链协同带来了巨大挑战。为此,Nestle供应链团队携手销售、市场等部门,以新品上市管理为切入点,开启了一场端到端流程再造的变革之旅。Nestle充分运用外部零售数据,打通从供应商到门店的"需求流",并围绕产品经理、销售、财务、供应链等关键角色,开发了可视化的决策支持工具。通过业财融合,Nestle实现了供需协同和营销优化,为新品的成功上市插上了腾飞的翅膀。

Nestle每年有超过100个新品上市,产品从上市到下市的生命周期往往只有6-12个月。如何在新品推广初期快速感知市场反应,及时优化营销组合和供应策略,对于品牌的成败和公司的盈利至关重要。然而,Nestle发现,在传统的新品上市管理流程中,存在严重的信息错位和不对称问题。一方面,公司主要依赖经销商的订货数据来判断新品表现,但订货数据往往滞后于实际消费数周,且受到渠道库存的扭曲,并不能真实反映终端需求。另一方面,Nestle内部的销售、市场、供应链等部门各自掌握零散的数据,缺乏横向整合,对当前和未来的需求缺乏统一、及时的判断。当供需失衡问题暴露时,往往为时已晚,只能被动应对。Nestle意识到,要打破部门间的信息壁垒,必须充分利用外部零售数据,实现端到端的"一盘棋"。这既是问题所在,也是突破口。于是,Nestle以新品上市为契机,联合外部软件供应商和行业专家,启动了一个数字化转型项目,以期重构需求感知流程,提升端到端的供应链协同能力。

项目的第一步,是系统梳理新品上市的端到端流程,构建"需求流"。Nestle通过深入访谈产品经理、销售、财务、供应链等部门,详细了解新品从概念到上市的全流程,并对关键节点的决策逻辑和信息需求进行了拆解。在此基础上,项目组绘制了一幅栩栩如生的"需求流"图。图中形象地展现了新品上市过程中原材料、包装、成品等在供应链内外的流动,以及不同角色获取和使用需求信号的方式。关键节点包括新品第一批次入市时的库存决策、上市后第一个月的再订货决策等,都清晰标示在图上。项目组还用不同的符号标识了数据孤岛、决策盲区等薄弱环节。整个"需求流"图直观呈现了新品上市的端到端全景,成为各部门达成共识、开展协作的"参谋地图"。

为更精准地提炼不同角色的需求痛点,Nestle创新采用了"Question Grid"方法。项目组邀请产品、销售、财务、供应链等部门代表,围绕新品上市管理中的关键决策,提出自己最希望得到数据支持和分析洞察的问题。比如,产品经理最关注的是上市首月销售额能否达成目标、品牌知名度能否快速提升;销售主管则更关注各区域、各门店的铺货情况以及竞品的表现;财务分析师需要了解新品对品类利润率的影响;供应链经理则需要确定何时下达第二轮生产订单,如何平衡现金流和库存风险。通过Question Grid,Nestle形成了一个全方位、多层次的需求画像,涵盖战略、战术、执行各个层面。这些需求犹如一束束探照灯,指引Nestle明确数字化转型的方向和重点。项目组据此规划了端到端流程各个环节的数据采集、管理、分析、应用方案,确保对业务决策形成有力支撑。

为补齐端到端的信息链条,Nestle积极拥抱外部数据。其中,门店层面的POS(Point of Sale)数据堪称掌握真实消费需求的"皇冠明珠"。所幸,得益于与沃尔玛、家乐福、宜家等主要客户长期的战略合作,Nestle获得了重点品类在这些客户的SKU层面日销量数据。这些数据覆盖了Nestle在美国市场70%以上的销售额,为准确感知需求奠定了坚实基础。此外,Nestle还引入了社交媒体、搜索引擎、电商平台等数字化渠道数据,对消费者偏好和潜在需求进行分析。比如,通过分析产品的搜索量、用户评论等数据,Nestle可以及时了解消费者对新品的喜好度,发现产品存在的口味、包装等问题,为持续改进提供参考。结合忠诚度计划数据,Nestle还可以识别高价值用户,实现更加精准的营销。Nestle还充分利用外部数据评估经济形势、竞争态势对需求的影响。市场分析团队定期观测行业景气指数、消费者信心指数等宏观经济指标,并与内部销售数据进行关联分析,及时预警需求的异动风险。他们还获取主要竞品的上市计划、促销档期等信息,评估对自身市场份额的影响。外部数据极大拓宽了Nestle洞悉市场的"视界",使其得以主动出击,赢得先机。

掌握外部零售数据后,Nestle得以实现库存"透明"管理,平衡新品推广和供应保障。传统的新品管理主要关注Nestle自身仓库和经销商仓库的库存,缺乏对下游门店的可视化,存在严重的信息滞后。而有了SKU层面门店日销和库存数据后,Nestle可以准确计算新品在不同销售区域、不同客户的动销周期(DSI,Days of Supply Inventory),并与Nestle自身仓库的DSI指标进行比对,直观判断渠道库存的健康程度。Nestle还基于POS数据,对标竞品表现,及时发现新品动销不畅、分销不均衡等风险信号,从而优化铺货节奏,避免渠道压货。销售团队也可据此数据,和经销商、门店及时沟通,了解背后原因,必要时协调产品召回或让利促销。与此同时,Nestle供应链团队通过密切关注POS数据反映的终端需求变化,及时调整原材料采购、生产排程等计划,既确保货源充足,又避免库存积压。总之,门店sell-out数据和渠道库存数据如同一面"镜子",让Nestle财务、销售、供应链部门横向联通,及时发现需求与供应的错位,尽早采取行动,在推广新品和管控风险之间实现动态平衡。预警分析工具的运用,更是让各部门对未来需求形成了前瞻性、整体性的判断,从而理顺供需节奏,降低"长鞭效应",用更低的成本实现更高的客户服务水平。

除了供需协同,精细化的财务分析也是新品上市成功的关键。由于缺乏及时、准确的营销投入产出数据,以往Nestle在制定新品促销方案时,往往缺乏量化依据,存在盲目打折让利的风险。而财务部门事后才能看到促销活动对品类毛利率的影响,缺乏预判能力。而今,Nestle将POS数据、电商数据等外部数据与内部的营销开支、价格、毛利率等数据进行关联,搭建了一套量化营销决策分析工具。市场部可借助该工具,比较不同的促销方案(如买赠、社媒推广等)对销售的拉动效果,权衡促销强度、持续时间、覆盖范围等因素的投入产出比,并评估潜在的品牌和品类损益。更进一步,市场部和财务部门可以联合开展需求模拟分析。基于需求价格弹性等参数,设计出多套定价、促销、广告投放组合,并预测在不同假设情景下的销售收入、毛利润、现金流等。产品经理、市场总监、财务总监等高管可在沙盘推演中权衡利弊,选择能够实现整体利益最大化的营销组合。供应链团队也可据此优化备货、物流等计划,最大程度满足市场需求。以业财融合为指针的量化分析,让Nestle在制定营销决策时更加"对症下药",既能推动销售增长,又能兼顾财务稳健,避免盲目烧钱,陷入"伤敌一千,自损八百"的窘境。"业财一家亲"的协同文化,正是Nestle基业长青的制胜法宝。

数字化转型绝非一蹴而就,既需要先进工具的支撑,更需要组织能力的提升。Nestle在推进端到端流程再造的过程中,高度重视人才培养和团队建设,致力于打造一支融合业务专长和数字化技能的复合型队伍。首先,Nestle着力提升核心业务人员的数字化能力。公司定期举办数字化转型培训,邀请外部专家讲解数字化供应链的前沿理念和实践,帮助业务部门理解外部数据的价值,掌握可视化分析工具的使用。公司还组织供应链、销售、市场等部门开展联合工作坊,在实战项目中强化协作,磨合工作方式。一大批掌握数字化技能的业务骨干应运而生,成为变革的"火车头"。其次,Nestle加强业务部门与IT部门的融合。公司成立了敏捷项目小组,由业务专家和数据工程师组成。小组采用"Pizza Team"的工作方式,充分授权,快速迭代,在实践中完善数字化解决方案。一方面,业务专家将端到端流程的专业知识转化为需求,指导IT部门优化系统;另一方面,IT部门将数字化理念和方法传授给业务专家,帮助他们开阔思路。双方在"做中学"中加深了解,形成默契。此外,Nestle还调整了组织结构和绩效考核体系,成立专门的数字化转型办公室,统筹协调各部门在业务流程、数据治理、系统开发等方面的工作,确保战略、资源、流程、文化等要素形成合力。对于产品经理、需求规划员等关键角色,公司将数字化能力纳入考核指标,引导其学习创新,践行变革。新的组织机制为端到端的无缝协作提供了坚实保障。

Nestle数字化转型的成功,还在于循序渐进、多管齐下的实施路径。公司采取了"点-线-面"的推进策略:先聚焦一个业务场景进行原型开发和试点先行,再横向拓展到多个业务领域形成解决方案,最后在全公司铺开形成规模化运营。每一步都稳扎稳打,快速见效。以新品上市管理为例。项目组选定咖啡品类作为试点,选取具有代表性的新品,构建端到端的业务流程和系统原型。通过2-3个月的快速迭代,项目组和软件供应商密切配合,开发了POS数据采集、预警分析、库存优化、营销决策等一系列模块,并在业务部门试运行,吸纳反馈意见,不断打磨完善。原型系统成熟后,项目组迅速在咖啡品类全面推广,并向奶粉、宠物食品等其他品类复制,实现规模化应用。各品类采用统一的数据标准和分析模型,实现了数据资产的共享复用。项目组还积极推动系统与ERP、CRM等内部系统的集成,实现业务协同。越来越多的业务部门成为数字化的受益者和推动者。值得一提的是,Nestle在推进数字化的过程中,始终秉持"三位一体"理念,在流程、数据、人才等方面齐头并进,避免顾此失彼。以采用POS数据为例,公司梳理了数据采集、清洗、加工的标准流程,制定了数据质量考核办法,并通过培训帮助业务人员理解和应用数据。唯有软硬兼施,才能让数字化真正落地生根。通过3年多的不懈努力,Nestle的端到端流程再造初见成效。据不完全统计,新品上市的平均周期缩短了20%,渠道库存水平下降了15%,缺货率降低了10%。更重要的是,公司上下形成了"小步快跑、敏捷创新"的数字化转型氛围,为应对瞬息万变的市场奠定了扎实基础。放眼未来,数字化已经深深融入Nestle的基因,成为其保持活力、引领趋势的制胜法宝。这一案例无疑为其他企业的数字化转型提供了宝贵的经验和启示。

结语

BSH和Nestle的实践生动诠释了数字化时代,快消企业推进供应链变革的典型路径和关键要领。尽管两家公司业务特点和转型重点各有不同,但其变革的底层逻辑却殊途同归,可以概括为以下几点启示:

第一,理念先行:从自内而外到自外而内,全链条协同,创造整体价值。BSH和Nestle的共同特点,是在推进数字化时,先从战略高度重新审视供应链的定位和边界,确立"生态系统"理念,主动融入外部环境。她们认识到,企业不再是一座"孤岛",而是产业链、价值链的一个节点。唯有打破部门墙,纳入外部视角,才能洞悉市场趋势,把握客户需求,引领行业发展。这种从外而内的思维革命,是供应链数字化的起点和归宿。

第二,数据驱动:借助外部数据,缩短时滞,实现实时感知,快速响应。BSH充分运用Google趋势、竞品销量、经济指标等外部数据,构建了覆盖全品类、全市场的需求"听诊器"。而Nestle则聚焦POS数据,实现了从门店到工厂的"透明化"管理。外部数据与内部数据的融合,让两家公司的需求感知能力实现了质的飞跃,需求预测时滞从数月缩短到数周,甚至是近实时。唯有缩短感知时滞,才能最大限度同步供给与需求的节奏,在VUCA时代笑傲江湖。

第三,流程再造:聚焦端到端核心流程,各司其职,精细运营、动态优化。BSH和Nestle在推进数字化时,都立足端到端视角,聚焦需求到供给这一核心价值链,系统梳理了产品、销售、供应链等环节在预测、计划、执行中的职责边界和协同机制。通过搭建贯通各环节的信息平台,打造精细化的分析工具,实现各司其职、各负其责、各展所长。而量化分析、情景模拟等方法的运用,又让协同优化有了科学抓手。静态协同与动态优化的完美结合,正是供应链效率和韧性的关键所在。

第四,数字化人才:业务专家和数据专家"混搭",跨界融合,不断学习创新。BSH和Nestle都着眼于打造一支"两栖"人才队伍。她们采用轮岗、蹲点、培训等方式,让业务专家掌握数字化工具,让数据专家了解业务语境,形成"同频共振"。而敏捷项目、联合工作坊等新型工作方式,又为双方在实战中加深了解、密切配合提供了平台。"跨界融合"的人才队伍,既能确保数字化落地的有效性,又能为变革注入源源不断的活力。唯有人才建设跟上,数字化才不会沦为昙花一现。

第五,变革管理:识别推动者,尊重专业,加强引导,系统方法,持续推进。BSH和Nestle的变革都由高层发起,在各层级设置了变革"领头羊",形成了上下联动、纵横协同的推进机制。在实施过程中,她们既重视总体规划和顶层设计,又允许不同业务条线因地制宜地先行先试。通过将数字化转型纳入绩效体系,量化变革目标,建立数字化人才的职业发展通道,两家公司调动了组织的积极性,化解了变革阻力。循序渐进、多管齐下、持之以恒,是成功转型的制胜法宝。