Geleverd door SAP
De sector van verpakte consumentengoederen ondergaat fundamentele veranderingen die zelfs de meest gevestigde merken dwingen hun manier van werken te heroverwegen. Dit wordt door sommigen de CPG-druk genoemd, of de convergentie van margecompressie, tegenwind in het handelsbeleid en de trieste realiteit dat prijsgedreven groei niet langer een haalbare strategie is. Voor bedrijven die afhankelijk zijn van prijsverhogingen om de omzet te verhogen, betekent dit een structurele verandering die een nieuwe benadering van de bedrijfsvoering, strategie en concurrentiepositie vereist.
CPG-bedrijven moeten nu een jaarlijkse productiviteitsstijging van 5% of meer realiseren om concurrerend te blijven. Traditionele kostenbesparende maatregelen zoals reisstops, pauzes bij het aannemen van personeel en andere ouderwetse efficiëntie-inspanningen uit eenvoudiger tijden kunnen op zijn best een paar procentpunten opleveren. De oplossing ligt in een meer geavanceerde aanpak: identificeren welke processen digitaal kunnen worden ingeschakeld voordat organisatorische veranderingen worden doorgevoerd, het beantwoorden van vragen over procesefficiëntie, handmatige workflows en automatiseringsmogelijkheden.
Maar fragmentarische oplossingen die geïsoleerde problemen aanpakken, kunnen niet de systemische efficiëntieverbeteringen opleveren die CPG-bedrijven nu nodig hebben. Dit leidt tot een toenemende belangstelling voor geïntegreerde technologieplatforms die de besluitvorming en uitvoering over functionele gebieden tegelijkertijd kunnen ondersteunen.
Data-uitdagingen vormen de kern van de CPG-besluitvorming
Moderne CPG-operaties draaien op data, maar natuurlijk zijn niet alle datastrategieën gelijk. Bedrijven worden geconfronteerd met een dubbele uitdaging: ze hebben diepgaand inzicht nodig in hun interne activiteiten, terwijl ze ook inzicht moeten krijgen in de externe marktdynamiek en consumentengedrag. Historisch gezien betekende dit dat operationele gegevens moesten worden geëxtraheerd, waarbij belangrijke zakelijke context verloren ging, en vervolgens grote investeringen nodig waren om die context te reconstrueren, zodat deze samen met consumenten- en retailgegevens kon worden geanalyseerd.
Ontkoppelingen veroorzaken echte problemen. Wanneer gegevens tijdens de extractie hun zakelijke context verliezen, besteden bedrijven veel tijd en geld aan het opnieuw begrijpen van wat de cijfers eigenlijk betekenen. Ondertussen veranderen de marktomstandigheden, sluiten de promotievensters en verdwijnen de kansen. In een sector waar tijd vaak succes of falen bepaalt, wordt deze achterstand in analytische capaciteiten een concurrentienadeel.
Om deze uitdaging het hoofd te bieden, kunnen geavanceerde dataplatforms zoals SAP’s Business Data Cloud externe gegevens importeren met SAP’s interne operationele gegevens die een volledige zakelijke context hebben. CPG-merken kunnen point-of-sale-gegevens van retailers, inzichten over consumentengedrag en interne transactie-informatie combineren zonder traditionele extractie- en reconstructieworkflows, waardoor de snelheid waarmee bedrijven van analyse naar besluitvorming naar actie gaan fundamenteel verandert.
De impact is zeer aanzienlijk op de promotieplanning en het inkomstenbeheer. In plaats van wekenlang bezig te zijn met het voorbereiden van gegevens voor analyse, kunnen bedrijven scenario’s uitvoeren, resultaten modelleren en strategieën bijna in realtime aanpassen, wat enorm is in een sector waar pitchtijden in dagen of weken worden gemeten.
Promotiestrategieën in een risicovolle omgeving
Promotiemomenten met hoge inzet, zoals de Super Bowl, laten zien hoe kwetsbaar CPG-operaties kunnen zijn. Vraagpieken zijn intens, gelokaliseerd en van korte duur, waardoor er weinig ruimte is voor vertraagde inzichten of een niet-verbonden uitvoering. In deze omgeving hangt het succes van promotie minder af van creatieve merchandising en meer van hoe snel bedrijven de vraag kunnen aanvoelen, resultaten kunnen modelleren en prijzen, voorraad en uitvoering op elkaar kunnen afstemmen terwijl de kansen nog open zijn.
De besluitvorming achter deze promoties omvat een complexe analyse van meerdere variabelen: welke producten uitgelicht moeten worden, optimale kortingsniveaus, specifieke winkelpositionering en zelfs regionale verschillen in consumentenvoorkeuren. Wat shoppers leuk vinden in de ene regio, vindt mogelijk geen weerklank in een andere regio. Een effectieve promotiestrategie vereist dus een gedetailleerde analyse tot aan de individuele winkellocaties.
Tools zoals de Revenue Growth Management-oplossing van SAP maken dit niveau van verfijning mogelijk, waardoor merken promotionele verbeteringen kunnen berekenen en modelleren en deze inzichten kunnen vertalen naar beslissingen die klaar zijn om uit te voeren. De analyse houdt rekening met regionale smaakvoorkeuren, lokale concurrentiedynamiek en historische prestatiegegevens om elke promotionele beslissing te optimaliseren.
Promotieplanning is echter alleen waardevol als deze effectief kan worden geïmplementeerd. Dit is waar veel CPG-bedrijven worden geconfronteerd met een botsing tussen strategie en bedrijfsvoering. Data-analyse kan de perfecte promotiemix aan het licht brengen, maar zonder de productbeschikbaarheid te garanderen, de productaanwezigheid in de schappen te behouden en fysieke verkopen uit te voeren, is de analyse slechts academisch. Daarom is de integratie tussen promotionele planningssystemen, supply chain- en financiële planningssystemen en ERP-platforms zo belangrijk.
Distributie-uitvoering: het succes of falen van de promotie
Voor snelle promotieperiodes moeten bedrijven de vraag nauwkeurig voorspellen, de voorraad strategisch positioneren en de distributie vlekkeloos uitvoeren. Dit is vooral lastig voor categorieën als snacks en dranken, waar modellen voor directe bezorging in de winkel gebruikelijk zijn. Het beheren van de aanwezigheid in de schappen is van cruciaal belang, omdat lege schappen betekenen dat consumenten zullen overstappen op concurrerende producten of de aankoop helemaal zullen staken. En dit vereist realtime inzicht in meerdere lagen van de toeleveringsketen over meerdere gegevensbronnen, en het operationele vermogen om snel te handelen.
Moderne magazijnbeheersystemen, waaronder SAP Extended Warehouse Management, bieden de gedetailleerde zichtbaarheid die nodig is om de voorraad in deze staten te volgen. In combinatie met DSD-specifieke toepassingen, zoals de last mile-distributieoplossing van SAP, die chauffeursroutes, leveringsschema’s en uitvoering in de winkel optimaliseert, kunnen CPG-bedrijven een aanwezigheid in het schap behouden die promotioneel succes stimuleert. Tools voor verkoopuitvoering, zoals het retailuitvoeringsaanbod van SAP in SAP Sales Cloud, stellen veldteams in staat winkels te controleren en te rapporteren over de werkelijke omstandigheden. Hierdoor krijgt het hoofdkantoor een duidelijk en nauwkeurig inzicht in wat er op het aankooppunt gebeurt.
Hoe AI de CPG-activiteiten verandert
Kunstmatige intelligentie evolueert nu van slechts een experimenteel gebruik naar praktische toepassingen binnen CPG-operaties. In magazijnomgevingen kunnen AI-ondersteunde systemen het taakbeheer optimaliseren, de nauwkeurigheid van de prognoses verbeteren en de verwerking van retouren vereenvoudigen. Voor supply chain-planning helpt AI bij het genereren van vraagscenario’s die rekening houden met de verschillende variabelen die de productbeweging beïnvloeden.
De Joule-integratie van SAP in Unified Business Planning-software laat zien hoe conversationele AI planningsworkflows kan transformeren. In plaats van door ingewikkelde interfaces te navigeren om toegang te krijgen tot supply chain-gegevens, kunnen planners vragen stellen in natuurlijke taal en onmiddellijke, AI-gestuurde antwoorden ontvangen op basis van realtime informatie. Dit vermindert de barrières voor toegang tot inzichten en versnelt de besluitvorming tijdens kritieke planningscycli.
Geavanceerde magazijnactiviteiten profiteren van AI-agents die de voorraadrisicoanalyse kunnen verbeteren, het taakbeheer kunnen optimaliseren en de nauwkeurigheid van de prognoses kunnen vergroten. Dit is niet alleen een snellere versie van een bestaand proces. In plaats daarvan vertegenwoordigen ze een kwalitatief ander vermogen dat patronen en risico’s kan identificeren die menselijke analisten misschien over het hoofd zien te midden van de omvang en complexiteit van moderne supply chain-operaties.
Inkomstenbeheer, of het bepalen van optimale prijs- en promotiestrategieën, is zeer geschikt voor AI-ondersteuning, omdat het analyseren van de interactie tussen meerdere prijspunten, promotietactieken en positioneringsstrategieën in duizenden winkels en producten complex is en de mogelijkheden van menselijke analyse te boven gaat. Machine learning kan patronen identificeren en beslissingen optimaliseren op een schaal en snelheid die handmatige analyse niet kan evenaren. AI-mogelijkheden ingebouwd in platforms voor omzetgroeibeheer beloven een meer geavanceerde en efficiënte promotieplanning.
Misschien wel het belangrijkste voor CPG-bedrijven die met productiviteitseisen te maken hebben, is een intelligent voorraadbeheersysteem dat machine learning gebruikt om leverdata te voorspellen en realtime analyses te bieden voor distributiebeslissingen. Door de uitvoering van verkooporders te monitoren, kunnen uitvoeringsrisico’s worden voorspeld voordat deze zich voordoen, waardoor proactief ingrijpen mogelijk wordt. Deze AI-mogelijkheden pakken problemen aan zoals productbeschikbaarheid en betrouwbare levering tijdens belangrijke promotieperiodes, die tot de grootste uitdagingen bij CPG-activiteiten behoren.
Maar de meest impactvolle toepassingen van AI in CPG’s zijn niet noodzakelijkerwijs de meest zichtbare. In plaats van opvallende kenmerken die consumenten kunnen zien, komt de echte waarde voort uit het inbedden van intelligentie in de belangrijkste operationele processen. Incrementele verbeteringen in tientallen workflows zullen in de loop van de tijd enorme concurrentievoordelen opleveren.
CPG-druk is geen tijdelijke toestand waar bedrijven op kunnen wachten. De structurele factoren die de margecompressie aandrijven en het prijszettingsvermogen beperken, weerspiegelen fundamentele marktveranderingen. Het handelsbeleid zal zich blijven ontwikkelen. Het consumentengedrag zal blijven veranderen. De bedrijven die sterker worden, zijn niet degenen die de beste producten hebben, maar eerder de bedrijven die de meest efficiënte en responsieve activiteiten opbouwen.
Jon Dano is brancheadviseur voor consumentenproducten bij SAP.
Gesponsorde artikelen zijn inhoud die is geproduceerd door bedrijven die voor de post hebben betaald of die een zakelijke relatie hebben met VentureBeat, en worden altijd duidelijk als zodanig gemarkeerd. Voor meer informatie kunt u contact opnemen met sales@venturebeat.com.
