Presentazione Evento CUOA 4 dicembre Vicenza

Business analytics e strategia d’impresa:

migliorare le performance della supply chain

Fondazione

CUOA, 4

dicembre 2014

Legare strategia, operations e budget.

Rolling forecast, Activity driver e causal

model

Prof. Andrea Stefani

Faculty Fondazione CUOA

Sales & operations planning nei supply

network

Prof. Pietro Romano

Università di Udine

CUOA Lean Enterprise Center

Strumenti e soluzioni per allineare strategia

e operation

Prof. Andrea Cavalli

Finance, Risk e Fraud

IBM Global Business Services (GBS)

Alcuni casi di successo Tiziano Brandi

Var Group

Cocktail di fine lavori

AGENDA

Legare strategia, operations e budget.Rolling forecast

Activity driver & causal model

Prof. Andrea StefaniConsulente Faculty Fondazione CUOA

4

Limiti della visione economico-finanziaria del Budget

• Il Budget attuato esclusivamente nella sua dimensione economico

finanziaria (conto economico, stato patrimoniale, rendiconto finanziario), è

molto efficacie per la gestione del processo di allocazione (anticipata) delle

risorse e assicurare il controllo del loro utilizzo, ma presenta dei limiti:

• Non supporta adeguatamente i processi di forecast

• Non supporta adeguatamente la spiegazione delle varianze

• Non favorisce una visione di lungo periodo

• Non è stato pensato per comunicare efficacemente la strategia

• Non riesce a coordinare la dimensione strategia con la gestione delle

«operation»

La reazione non deve essere quella di eliminare il Budget ma di inserirlo in un

contesto più ampio e ricco di strumentazioni

Fonte: Linking operation with strategy and Budget, Norton-Peck, Hbr

5

Come superare i limiti del Budget

• Allineare il Budget alla Strategia:

� collegamento tra processi

� il ruolo delle Balanced Scorecard

• Legare misure «non finanziarie» di prestazione al budget (Driver-Based

Causal Model)

• Ridurre i dettagli mediante «strumenti di aggregazione»

• Usare «rolling forecast» a fianco di budget statici

• Nei sistemi incentivanti usare target «relativizzati» anziché fissi

• Aumentare il focus sulla prestazione dei processi anziché dei centri di

responsabilità (funzioni, divisioni, ecc): da visione verticale a orizzontale

6

Come superare i limiti del Budget: il modello complessivo

Pianostrategico

Reporting

Azioni strategiche

Obiettivi strategici

Programmazione Analisi risultati

Feed-back

Budget

Pianificazione Strategica

Forecast

Riunioni di gestione

Analisiscostamenti

Formulazionestrategica

Modello di Controllo

7

Il Calendario e il «concetto di tempo»

ago set ott nov dic gen feb mar apr mag giu lug ago set ott nov dic gen feb mar

Forecast "year and"

Rolling Forecast (Dynamic Forecast)

ESERCIZIO N - 1 ESERCIZIO N ESERCIZIO N + 1

Processo di Budgeting esercizio n

Processo di Revisione Budget

esercizio n

Piano Strategico

Processo di Budgeting esercizio n + 1

Pre-chiusura Pre-chiusura

8

Rolling Forecast: il tempo dinamico e non statico!

• Il forecast (feedforward) non dovrebbe essere gestito mediante finestre

temporali rigide (fiscal year)

• I dati di forecast dovrebbero fluire in azienda secondo un loro ritmo

«naturale» che dipende da azienda a azienda:

• quando appare un nuovo concorrente

• quando viene posticipata una manutenzione

• quando cambiano le condizioni di mercato

• quando un incendio distrugge un impianto

• ……..

• Il tempo dovrebbero essere «esplorato» in maniera dinamica (event based),

senza una frequenza prefissata né orizzonti statici

• Il forecast dovrebbe essere aggiornato al sopraggiungere di nuove

informazioni rilevanti

9

Balanced Scorecard & Budget

STRATEGY

STRATEGY

Balanced Scorecard

STRATEGY LOOP

Objectives

Cause and effect

Analysis

Stratex

Opex Capex

Budget

Operating Planning

Performance

STRATEGY

OPERATION

Stategic initiative portfolio

1. Activity driver and casual model

2. Rolling Forecast 3. Causal analysis

Teems

OPERATION LOOP

Fonte: Linking operation with strategy and Budget, Norton-Peck, Hbr

10

Il modello ‘Driver-Based Causal’

Architettura tradizionale di Budget

Costo del venduto

• Costi di prodotto

• altri costi industriali

• Costo del lavoro

Causal Model

# annuncipubblicitari

# chiamatain ingresso

# operatori e costo del

lavoro

Costo del lavoro del Call Center

Inputdriver

BusinessActivity

Risorserichieste

Conseguenzeeconomiche

11


Architettura tradizionale di Budget Causal Model

Forecast

Vendite lorde 8.500.000

Sconti e abbuoni 500.000

Vendite nette 8.000.000

Costo del venduto

Costi di prodotto 300.000

Costo del lavoro 500.000

Altri 50.000

Gross Margin 2.400.000

R&D 200.00

Costi di vendita 200.000

G&A 300.000

Stratex 500.000

Reddito operativo 1.200.000

Driver & Valori

Chiamate in ingresso/mese 200.000

Giorni lavorativi/mese 20

Chiamate operatore/giorno 75

Tasso assenze massimo 20%

Costo operatore/mese 2.500

Modello & Risultati

Capacità operatore/mese

=(chiamate/giorno)x(giorni lavorativi)= 75x20 1.500

#operatori richiesti

=(chiamate/capacità operatore)x(1+tasso assenza)=(200k ÷1,5k)x 1,2

160

Costo del lavoro mensile

=(#operatori richiesti)x(costo operatore) =160x2.500 400.000

12


Driver Model Variable Values

Budget Actual Varianza

Chiamate in ingresso/ mese 200.000 225.000 12,5%

Giorni lavorativi mese 20 20 0%

Chiamate per operatore 75 66 -12,0%

Capacità operatore/mese 1.500 1.320 -12,0%

Tasso assenza 1,2 1,1 -8,3%

Operatori richiesti 160 188 17,2%

Costo operatore/mese 2.500 2.500 0%

Costo del lavoro 400.000 468.750 17,2%

13


L’analisi delle varianze con il modello driver-basedforecast supporta la spiegazione su che cosa è successo e perché:

Che cosa: Costo del lavoro superiore al budget del 17,2%

Perché: • Volume di chiamate +12,5%• Produttività operatori -12%• Più operatori riichiesti

Azioni correttive: Come recuperare la perdita di prestazioni

Analisi Varianze con Driver Model

Analizzare le varianze di chiamate in ingresso• Tempestività, efficacia delle azioni di marketing• Altri determinanti esterni della domanda

Produttività operatori• Efficacia dei programmi di formazione• Strumenti tecnologici• Motivazione, cause di assenteismo,

professionalità

Misure del customer service

Analisi dettagliata delle cause

Piano delle azioni correttive

Azioni Chi Data

Programmare progetto di miglioramentoattività di marketing e ritorni

Mktg 10/1

Piani di formazione per operatori Formazione 12/1

Acquisire servizi di ricerca e selezione per nuove assunzioni

HR 10/1

Valutazione degli operatoriOpeatori

call center11/1

14

Rolling Forecast: Sales & operation planning

Strategia

Vendite

Forecast

Logistica

Politica gestione

magazzini

Financial

Simulazione Margini

P&L

Produzione

Programmazione

15

Bibliografia

• D. Norton, PW Peck, Linking Operation to Strategy & Budget, Balanced Scorecard Report, art.

no. B0609A

• P. Horvat, R. SauterWhy Budgeting Fails: one management system is not enough, Balanced

Scorecard Report, art. no. B0409C

Sales & operations planning nei Supply Network

Prof. Pietro RomanoUniversità di UdineCUOA Lean Enterprise Center

Sales & Operations Planning

� S&OP is the key business process to balance customer demand with supply capabilities

� Objective: matching demand and supply in the medium term, by providing a tool for the vertical alignment of business strategy and operational planning,and for the horizontal alignment of demand and supply plans

Fonte: Tuomikangas e Kaipia (2014)

S&OP in SN: un problema per tutti

Microfibra Teijin

(Giappone)

Suole (Treviso, Taiwan)

FORNITORI PRODUZIONE DISTRIBUZIONE

Lab. Serigrafia tomaia

(Treviso)

ItaliaTaglio materiale di serigrafia; montaggio finale

Materiale di serigrafia Tomaia serigrafata

BosniaTaglio fodere ed imbottiture; assemblaggio chassis; giunteria tomaia; preassemblaggio suole

Tomaia serigrafataSuole

preassemblate e tomaie giuntate

Sacchetti per imballaggio

(Cina)

Danese et al. (2008)

Problemi per la PMI

� Supply network globale, tempi lunghi, P/D ratio sfavorevole, molte attività “al buio”

� Frequenti modifiche dei piani di acquisto, produzione, spedizione� Il cliente modifica all’ultimo momento gli

ordini rispetto alle previsioni

� Pianificazione complessa, difficile stimare a priori quantità/tempi per i prodotti nuovi

� Difficoltà di allineamento con gli altri membri del supply network

Scorte alte

Sevizio basso

E per le grandi imprese?

� Facciamo macchine elettriche per uso civile, industriale e marino – motori asincroni e alternatori – fino a 5 MW di potenza

� La vera sfida per la nostra supply chain è sincronizzare i flussi a monte e a valle della nostra azienda

� Sul piano locale applichiamo il JIT, il lean manufacturing, ecc. e mettiamo ben in tiro i processi

� Poi andiamo ad acquistare in Cina e tutto il sistema va in crisi…

S&OP: un problema per tutti

� Tutte le imprese fanno parte di reti di fornitura

� Le reti di fornitura sono complesse� Numerosi soggetti autonomi o semi-autonomi

� Singole fasi dei processi svolte da imprese diverse

� Aziende disomogenee per settore, nazionalità, cultura

� La gestione del solo perimetro aziendale non è in grado di assicurare il vantaggio competitivo

Complessità dei SN

Channel% of total

productionPrimary purpose

Strategic priorities

Differences in process activities

Industrializzato 68.5

Supply the retail stores with products internally designed

and produced

High quality,Product

availability

� Subcontractors mainly located in European production poles

� Large batches in search of economies of scale

� Long term forecast planning (seasons)

Commercializzato 30

Supply the retail stores with products internally designed

and externally produced

Low cost,Product

availability

� Low cost suppliers mainly located in Far East and the with production skill in less fashionable products

� Large batches in search of economies of scale

� Long term forecast planning (seasons)

Acquistato 1.5

Supply the retail stores with products externally designed

and produced

Quick response to

market trends

� Fast suppliers mainly located in Europe with design and production skill in highly fashionable products

Fonte: Romano (2009)

Industrializzato

External sub-contractors

Channel 1A

Benetton (Castrette, Italy)

Olimpias External suppliers

Raw materials

Retail network

Benetton (Production Pole, Croatia)

Sub 2

Channel 1B

Sub 1

Sub 3

Sub N

Design, materials

Products


Commercializzato

Benetton (Asia-Pacific Pole)

External supplier of finished products

Raw materials

Product Supplier selection

Sub 2

Sub 3


Retail network

Design

Products


Acquistato


Retail network

Supplier selection

Products

External supplier of finished products

Sub 1

Sub 2

Raw materials


Anche la lean non è im

mune

dall’ottimizzazione locale

0

20

40

60

80

10

0

12

0Raw material

Bought-out Parts

In-house built

Parts

Pre-Assemby WIP

Assembly WIP

Finished

Components

Inbound Transit

On-site Part (VM)

Vehicle Production

WIP

Loading &

Despatch

Outbound Transit

Dealer

Days

Min

imu

m

Av

era

ge

Ma

xim

um

Sourc

e: H

olw

eg (2

002): In

vento

ry P

rofile

in th

e U

K A

uto

motiv

e S

upply

Chain

Le decisioni del SCM

� Decisioni sulla struttura del SN� Struttura fisica

� Localizzazione

� Numero

� Assegnazione

� Capacità

� Specializzazione

� Struttura relazionale

� Contratti

� Sistemi di benefit sharing

Fonte: Romano e Danese (2010)

Le decisioni del SCM

(Adattato da Cooper, Lambert e Pagh, 1997)

L’approccio “tradizionale”

� Ottimizzazione locale

� Scarsità di informazioni per la pianificazione di acquisti, produzione e spedizioni

� Canali indiretti (distanza dal mercato)

FORNITORE PRODUTTORE CLIENTE

ordiniprodotti

ordiniprodotti

Bullwhip Effect

I pitfalls: valgono ancora?

Trappola Problemi Mancanza di indicatori prestazion ali rifer iti al

supp ly netwo rk

- Obiettivi dei singo li attor i no n allineati - Attor i indipenden ti e d isconnessi

- Sistemi d i mo nitoraggio delle prestazioni incompleti o inutilizzat i - Difficoltà di individua re le cause di inef ficienza/ine fficacia nel supp ly network

Definizione inadegua ta del livello di servizio ai clienti

- Scarso/assente monitoraggio dei tempi di consegna - Scarso/assente monitoraggio dei ritardi m edi - Scarso/assente monitoraggio dell’anda mento degli ordini ineva si

Inaccuratezza d ei d ati sullo stato di avan zame nto degli

ordini

- Incapacità/ritardi ne l fornire ai clienti dati sull’avanzamento degli ord ini - Inatte ndibilità e inaccuratezza delle informazioni fornit e - Impo ssibilità da parte dei clienti di pren dere op portun e co ntromisure

- Trasferiment o dell’ince rtezza da monte a va lle del supply ne twork

Sistemi informativi

inefficienti

- Sconnessione tra i database d ei diversi attori del supply network

- Pro lifera zione de i siste mi op erativi e dei softw are (mancanza di in tegrazione) - Ritardi e d errori nell’acquisizione e trasferimento de i dati

Lee H.L., Billington C. (1992), “Managing Supply Chain Inventory: Pitfalls and Opportunities”, Sloan Management Review, Spring, pp.65-73


Trappola Problemi Ignoranza dell’impatto dell’incertezza

- Mancanza di conoscenza dell’effetto Forrester - Errato presupposto che l’incertezza non si può identificare, misurare e ridurre - Presenza di extra-stock per fronteggiare l’incertezza

Gestione semplicistica delle scorte

- Politiche statiche (rispetto al tipo di domanda, alla fase del ciclo di vita dei prodotti ecc.)

- Politiche generiche (uguali per tutti i codici) e soggettive

Discriminazione dei clienti interni rispetto ai clienti esterni

- Assenza di indicatori che leghino il livello di servizio ai clienti interni con quello ai clienti esterni

- Bassa priorità per gli ordini interni e conflitti di priorità tra le divisioni interne - Sistema di incentivi inappropriato

Mancanza di coordinamento

- Inadeguatezza dei sistemi informativi per coordinare il flusso dei materiali tra gli attori del network (si accelerano inutilmente le fasi a monte quando poi i codici staranno in attesa di essere lavorati nelle fasi a valle)

- Rischio di promettere ai clienti finali ciò che non si è in grado di mantenere (mancanza di informazioni sulla capacità disponibile, piani di acquisto, produzione e spedizione non coordinati tra gli attori del supply network)



Trappola Problemi Analisi incompleta delle politiche di trasporto

- Scelta dei mezzi di trasporto basata solo su considerazioni di tipo economico (lotto minimo di spedizione per ottimizzare il carico)

- Assenza di analisi delle scorte di ciclo e in transito

Valutazione scorretta dei costi delle scorte

- Assenza di metodi quantitativi rigorosi per valutare il costo del tenere - Omissione del costo per obsolescenza e rilavorazione delle scorte

Barriere organizzative - Sistemi di misurazione delle prestazioni e di incentivazione indipendenti tra i diversi attori/funzioni coinvolti (obiettivi ed indicatori in contrasto)

- Rifiuto di investire risorse per timore di avvantaggiare altri attori del network - Barriere culturali e funzionali

Progettazione del prodotto-processo senza prospettiva di supply network

- Assenza dell’analisi congiunta dei problemi di produzione e distribuzione - Assenza di strategie di postponement - Risparmi ottenuti in produzione spesso vanificati da alti costi di scorte e

distribuzione



Trappola Problemi Separazione tra progettazione del supply network e decisioni operative

- Decisioni sulla struttura del supply network (es. aggiungere un impianto) legate a considerazioni dei costi fissi senza valutare l’impatto su scorte, tempi di consegna e livello di servizio ai consumatori finali

Supply network incompleto

- Visibilità limitata ai processi interni - Visibilità limitata al network immediato (clienti e fornitori diretti) - Inadeguata comprensione delle necessità del resto del network e dei

consumatori finali


Che fare? Innanzitutto partire dalla strategia!

Domanda prevedibile Ciclo di vita lungo

Varietà bassa Alti volumi per SKU

Bassi costi e rischio di obsolescenza

Bassi costi di stock out Bassi margini

Funzionali

Domanda non prevedibile Brevi stagioni di vendita Alta varietà Bassi volumi per SKU Alti costi e rischio di obsolescenza Alti costi di stock out Alti margini Innovativi

Caratteristiche della domanda

Str

ateg

ie d

i ges

tione

MISMATCH

MATCH

MISMATCH

MATCH

Rea

ttivi

tà

Ris

post

a ra

pida

Alte

sco

rte

Tem

po d

i at

trav

ersa

men

to b

asso

Effi

cien

za

Bas

si c

osti

Sco

rte

min

ime

Util

izza

zion

e

ca

paci

tà e

leva

ta

Modello di Fisher, HBR (1997)

Superare l’approccio “tradizionale”

FORNITORE PRODUTTORE CLIENTE

INFORMAZIONI (es. order tracking)

INFORMAZIONI (es. previsioni)

Che cosa comporta il nuovo approccio?

� Riorganizzazione dei processi interni� Diversa suddivisione dei compiti tra le

imprese del supply network

� Nuove figure organizzative con ruoli di coordinamento

� Riconfigurazione delle relazioni con le controparti esterne nella rete di fornitura� Utilizzo di fornitori di servizi avanzati (es.

4PL, ICT)

� Utilizzo di nuove tecnologie a supporto del coordinamento

Collaborazione nelle previsioni


Nuove figure di coordinamento

FORNITORE

CATENA DI SUPERMERCATI

Eccezioni

Prev.

vendite

Prev.

vendite

Venerdì

Risolvere

eccezioni

Lunedì

Eccezioni

Prev.

ordini

Prev.

ordini

Martedì

Risolvere

eccezioni

Mercoledì

Ordini di

acquisto

Giovedì

Promozioni definite con 9 settimane di anticipo

Si usano i dati POS dei supermercati


Lo stato dell’arte






Temi caldi

� Implementazione� Linee guida per condurre con successo

progetti di S&OP e massimizzarne i benefici

� Esplicitare l’impatto sulle performance legando i progetti di S&OP alla Balanced Scorecard

Temi caldi

� Allineamento strategico� Ruolo della cultura organizzativa nella

gestione dei progetti di S&OP

� Come ottenere l’engagement nei progetti di S&OP

� Ruolo della leadership nella gestione dei progetti di S&OP

� Come assicurare l’allineamento tra obiettivi dei progetti di S&OP e obiettivi corporate

Temi caldi

� Decision making� S&OP è considerato uno strumento

tecnico per integrare le funzioni e creare un piano che bilancia domanda e capacità di fornitura

� S&OP deve diventare uno strumento in grado di chiudere il gap tra il piano e i business target

� Market-driven o Executive S&OP: modificare la domanda agendo sulle leve di mktg per utilizzare meglio le capacità del SN

Strumenti e soluzioni per allineare strategia ed operations

Prof. Andrea CavalliFinance, Risk e FraudIBM Global Business Services (GBS)

47

Strategy & Analytics Europe – Finance, Risk & Fraud

© 2014 IBM CorporationIBM Confidential11 December 2014

A. Cavalli 10’Strategy Execution - Is It a Hoax or Here to Stay?

A.Cavalli 10’Main implication of Analytics Adoption

Contents

A.Cavalli 5’IBM Strategy

A.Cavalli 15’How IBM define and execute strategy

48



Research published by the Harvard Business Review shows

that on average, companies deliver only 63% of the

performance that is anticipated in their strategic plans. One

problem seen by this study is that less than 15% of

companies regularly compare their business performance

against their strategic plan.

49



If you want to

get results, you

have to connect

your strategy

with the daily

action of all your

employees.

No one is in charge of strategy

execution. Instead “we all are.”

Strategies are approved but poorly

communicated. The lack of

communication makes the translation of

strategy into specific action impossible.

Lower levels in an organization don’t

know what they need to do, when to

do it or what resources are required.

Expected results never materialize and

since management doesn’t review old

plans, no one is held accountable for the

results and the cycle of underperformance

gets repeated.

50



To execute well there

must be

accountability,

clear goals,

accurate methods to

measure performance,

and

the right rewards for

people who perform

51



A.Cavalli 10’Strategy Execution - Is It a Hoax or Here to Stay?

Contents




52



53



54



• HR

• Supply Chain

• Finance

• IT

• Sales

• R&D

• Manufacturing

Analytics is not just a

technology, it is a way

of managing the

business

55




Contents




56



The Smarter Enterprise Enablement (SEE) provides the foundation to analyze the Enterprise

Risk Modeler� Uncertainty and impact modeling, mitigation analyses and optimization

� Create unified, automated environment for analyses

Workforce Modeler� Workforce evolution dynamics

� Impact of organizational policies

� Path to deliver required resource

capacity

Productivity Models� Resource requirements based on

capacity demands

� Detailed productivity insights and

modeling

� Function and Business Unit specific (e.g.,

CAP Models)

“2015 Roadmap” Model� Automated bottom-up, consumable, real time financial planning

� What-if scenarios for operating levers & risks

� Integrated and aggregated across Business Units and geographies

Scenarios & ParametersScenarios & ParametersUser driven assumptions, objectives, and scenarios

How Analytics

adding higher value

� Automatically

connects, integrates

and refines multiple

data sources

� Allowing a predictive

approach and

automated

� Analyze in real-time

� Allow Dynamic

Scenarios

� Enable large-scale

simulations

� Introduce an

advanced risk

framework integrated

with planning

57



An approach based on a set of business modeling design principles for a dynamic strategic planning model

Operating Levers Bottom-Up Uncertainty & Risk Technology

� Financial outcomes

driven by key business

operating levers

� Provide closer link

between financial

objectives and

execution

� Enable analytics on

business model

� Assumptions drive

required consumption

of resources and capital

� Financial outcome

follows from

requirements

� Integration of financial

and resource

investment planning

� Financial outcomes

driven by key business

operating levers

� Provide closer link

between financial

objectives and

execution

� Enable analytics on

business model

� Assumptions drive

required consumption

of resources and capital

� Financial outcome

follows from

requirements

� Integration of financial

and resource

investment planning

� All assumptions made

at business unit and

geography level -minimum detail necessary

and maximum simplification

� Enables business unit

and geography

modeling planning

� Enable manage

complexity of

dependencies between

SBU

� More accurate

understanding of

impact on financial

objectives

� Managing planning

processes effectively

� All assumptions made

at business unit and

geography level -minimum detail necessary

and maximum simplification

� Enables business unit

and geography

modeling planning

� Enable manage

complexity of

dependencies between

SBU

� More accurate

understanding of

impact on financial

objectives

� Managing planning

processes effectively

� Address inherent

uncertainty associated

with the future


simulations that can

model the outcomes

across a range of

business assumptions

� Sensitivity testing of

the business model

� Integrating ERM with

strategy planning

� Advanced scenario

simulation ( based on

subset of operating

levers)

� Address inherent

uncertainty associated

with the future


simulations that can

model the outcomes

across a range of

business assumptions

� Sensitivity testing of

the business model

� Integrating ERM with

strategy planning

� Advanced scenario

simulation ( based on

subset of operating

levers)

� Providing an integrated

system

� Providing an centralized

approach

� Automatically connects

and integrate

� Enable scenario and

sensitivity analysis

� Integrate collaboration

tools

� Integrate statistical and

mathematical

programming

� Providing an integrated

system

� Providing an centralized

approach

� Automatically connects

and integrate

� Enable scenario and

sensitivity analysis

� Integrate collaboration

tools

� Integrate statistical and

mathematical

programming

58



The SEE Model

Dashboard BI Reports Workforce Analysis Tornado Analysis Uncertainty Analysis

Security Role Based Access Control Trends Analysis Scenario Analysis Scenario Comparison

Capabilities

Other Planners – HR, Units Financial Planners – CHQ, Units Risk Analysts

Users

Workforce Modeler

External Market Analytics

Compensation Analytics

Workforce Analytics

Workforce Modeler

External Market Analytics

Compensation Analytics

Workforce Analytics

Simulation Analysis

Sensitivity Analysis

Goal Seek

Optimization

Risk Analytics

Simulation Analysis


Goal Seek

Optimization

Risk Analytics

SEE Models & Analytics

GBS

GTS

SWG

STG

S&D & Shared Services

Roadmap Models

GBS

GTS

SWG

STG

S&D & Shared Services

Roadmap Models

SEE Model Cubes

Geo

Time

Measures

Brand

SEE Workforce Cubes

Geo

Time

Measures

Brand

SEE Risk Cubes

Geo

Time

Measures

Brand

Data Cubes

59



The core - Simulation framework and analytics controller

SimulationEngine

Goal SeekEngine

Executes new

scenarios,

providing an impact

of assumption

variability on

business outcomes

Evaluates existing portfolio

of executed scenarios

and identifies new

scenarios

to determine optimal

business outcomes

PlanningModel

Business targets and constraints

Key assumptions and constraints

Ranked order of scenarios with

financial targets

Lever

changes

Financial target

outcomes Scenario and

Descriptive Analysis

Simulation

Uncertainty Analysis


Optimization

Goal Seek

Multi-Variate Optimization

Expanding on the single

variable goal seek

capability, move from local

optimization (single target

variable, individual

geo/brand, few constraints)

to global optimization

(multiple target variables,

several geo/brands, several

constraints)

Use the Monte-Carlo

method to intelligently

simulate over the search

space, incorporating

business constraints.

Explore resilience of targets

to key assumptions in

different regions of the

search space

Workforce Analytics Risk Modeler

Simulation Framework

60



First Step: Start from a scenario planning model

61



In addition to “what-if scenarios”, the SEE framework can be leveraged to generate insights from more complex analyses

Uncertainty analysis

helps understand likelihood

of goal attainment

underpinned by Monte-

Carlo simulations

Sensitivity analysis

help identify strategic

focus areas among the

operating levers

through Tornado Diagrams

62



Integrated with Planning Risk Modeler provide a framework to elicit expert knowledge and aggregate it to a comprehensive risk model suitable for analysis

a. Obtain verbose Risk description

b. Identify key risk variables

and establish

corresponding

probability density

functions (p.d.f.’s),

reflecting uncertain

nature of the Risk

a. Build an influence map reflecting how key risk variables interact

with each other and the 2015 Roadmap Model assumptions

b. Turn the influence map into Bayesian Belief Network by eliciting

the conditional probabilities affecting states of the nodes

c. Propagate key risk variable p.d.f.’s through the network to infer the

behavior of the 2015 Roadmap

Model Assumptions under Risk

a. With inferred behavior of 2015 Roadmap Model

Assumptions, perform a simulation run (1000+

experiments)

b. Analyze and understand the space of possible

outcomes calculating, e.g.:

� Expected gaps to target (under

unmitigated Risk)

� Likelihood of goal attainment

for specific metrics

� Variance of metrics of interest

� Metric values attainable with

a specified confidence level

R1A1

A2R2

RkAM

X1

......

3. SIMULATION & IMPACT ANALYSIS

A1

A2

AM

1. RISK IDENTIFICATION 2. RISK PROFILE ELICITATION

M1

M2

MN

a. Identify mitigation actions

b. Quantify mitigation actions acting

separately or in concert

c. Given mitigation action costs, optimize

for maximum impact at minimum cost

...

R1

R2

Rk

......

4. MITIGATION & OPTIMIZATION

63




Contents




64



Big Data & Analytics adoption usually presents challenges leading to implications related to strategy, organization and technology

VisionProcess

& Job RoleData Solution

It is imperative that

organizations focus

the initiatives on

areas that can

provide the most

value to the

business

Culture

Integrate the

predictive results in

company decision

making, introducing

changes in

organization and

processes

Access large amount

of data with right

technology

Interact with data in

order to discover

useful patterns and

trends, we need

appropriate skills

and tools

Big Data & Analytics

require new

behavior patterns

(data centric versus

intuitive decisions

etc.), it is necessary

to promote new

culture patterns

65



A focused approach and iterated on the relevant areas, is the correct way to get results: attention on analytics adoption.

65

“We have provided employees access

to the new analytics tools and conducted

user training”

“If we implement analytics, we will have

the ability to make smarter decisions that

put us ahead of our competitors.”

“I don’t understand the new analytics tools and do not trust the data; I

still use my spreadsheets and experience to make

decisions”

Business Strategy Deployment Teams Business Users

Design/Plan

Analytics Project Lifecycle

Adopt*Define/Build Deploy

Deployment Successful

Unsuccessful Adoption

Project Team

“We have successfully

designed and customized an

analytics solution”

*Why focus on adoption? Analytics adoption rates are subpar, with standard business intelligence platforms being accessed by only 31% of potential users (Gartner; Driving Business Centered Business Analytics, April 2013)

65

Alcuni casi di successo

Tiziano BrandiVar Group

ANALISI «WHAT-IF»

REALIZZAZIONE DI UN MODELLO DI SIMULAZIONE COMMERCIALE ED

INDUSTRIALE CON RELATIVO IMPATTO SUL CONTO ECONOMICO E

CASH FLOW

Premio Innovazione ICT SMAU 2012

Obiettivi raggiunti

• Scenari di simulazione con modifiche alle quantità di budget e ai costi delle materie prime

• Valutazione dell'impatto sul conto economico in pochi secondi

• Scenari di simulazione per valutare :

� Saturazione capacità produttiva

� Effetto turni in straordinario

� Capacità produttiva a standard (verifica efficienze)

� Costo della manodopera

� Margini per cliente/prodotto

� Cash Flow impact analisi

Obiettivi raggiunti

• Scenari di simulazione con modifiche alle quantità di budget e ai costi

delle materie prime

• Valutazione dell'impatto sul conto economico in pochi secondi

• Scenari di simulazione per valutare :� Saturazione capacità produttiva

� Effetto turni in straordinario

� Capacità produttiva a standard (verifica efficienze)

� Costo della manodopera

� Margini per cliente/prodotto

� Cash Flow impact analisi

Dai dati alle informazioni a supporto dei processi

decisionali

Obiettivi raggiunti

Obiettivi raggiunti

• STEP 1 - Realizzazione Data Warehouse Aziendale� riduzione di tempi e risorse per la raccolta e produzione di informazioni al supporto delle decisioni aziendali

� Centralizzare ed automatizzare il processo di distribuzione delle informazioni

• STEP 2 - Implementazione sistema di Analisi e Reporting� fruibilità dei dati da parte dell’utenza coinvolta e manutenibilità del modello nel tempo.

• STEP 3 - Implementazione sistema di Budget/Forecasting� Razionalizzazione del processo di Budget, accentrando in un unico modello quello che attualmente viene

gestito in numerosi fogli Excel

• STEP 4 - Implementazione tool di pricing

• Massimizzazione delle curve di booking e dei prezzi

Data la tipologia di business di Eden Viaggi, si è resa necessaria un’attività di analisi particolarmente approfondita per

comprendere e trasferire sulla soluzione IBM Cognos i concetti tipici del business EDEN (empty-leg, contratto Vuoto/Pieno,

allotment, pratica, contingenti di prezzo, PAX, Presenze, etc.)

Cocktail di fine lavori

GRAZIE

Date post:	13-Jul-2015
Category:	Data & Analytics
Upload:	var-group
View:	211 times
Download:	0 times