AI pode transformar o planejamento de negócios integrado

É um problema que está cada vez mais irritante, à medida que o mundo se torna mais incerto e complexo: por que as tecnologias digitais não tornaram o planejamento de negócios melhor, mais rápido e mais fácil? Por que os planos não sobrevivem ao primeiro contato com a realidade? Muitas empresas têm tentado fortalecer suas capacidades de planejamento - com resultados decididamente misturados. Funções e unidades de negócios geralmente continuam planejando em silos, e as suposições por trás da maioria das previsões ainda não são transparentes. Portanto, as equipes de alta gerência continuam a achar difícil conciliar planos nos níveis organizacionais e horizontes de tempo.

The COVID-19 pandemic and its long aftermath exposed numerous gaps in business planning. Many companies have been trying to strengthen their planning capabilities—with decidedly mixed results. Functions and business units often continue to plan in silos, and the assumptions behind most forecasts still aren’t transparent. So top management teams continue to find it tough to reconcile plans across organizational levels and time horizons.

To tackle these challenges, companies are increasingly turning to integrated business planning (IBP) platforms that are driven by Inteligência Artificial (Ai). O IBP tradicional usou plataformas de planejamento de recursos corporativos que foram complementados por dados de outros sistemas, e era principalmente um processo manual em termos de agregação e previsão de dados. Difícil de coordenar, o IBP foi dificultado pela falta de confiança nos dados e na opacidade. Ele também tinha poucos recursos preditivos ou de otimização. Disponível como software como pacotes de serviço (SaaS) ou como uma solução orquestrada, o investimento em IBP acionado por IA pode resultar em um aumento anual de 2 a 4 pontos percentuais nas receitas, uma diminuição de 2 a 3 pontos percentuais nos custos e uma redução de 15% a 30% nos inventários, em média. Além disso, o uso de IBP aumenta a satisfação no trabalho, tornando o trabalho mais sistemático, o que libera tempo para tarefas estratégicas e inovação. É também um grande investimento. O custo pode chegar a dezenas de milhões de dólares, geralmente excedendo US $ 100 milhões para grandes empresas - e isso não inclui o tempo e os recursos internos necessários para sua implementação. Em nossa experiência, muitas empresas que implementaram as plataformas de IBP de AI-IBP dizem que não perceberam tanto valor quanto esperavam, principalmente por causa de uma taxa de adoção ruim, processos desalinhados e a falta de conectividade entre as ferramentas de IBP para integrar as pessoas, os planejamentos. Neste artigo, focamos no papel da tecnologia. Principalmente, eles criam um processo de planejamento que se estende de ponta a ponta em uma organização. As plataformas se conectam ao planejamento upstream, como

Today’s AI-driven IBP platforms help companies create a rich data fabric, an automated planning process, and algorithm-based decision support. Available as software as a service (SaaS) packages or as an orchestrated solution, investing in AI-driven IBP can result in a 2 to 4 percentage point annual increase in revenues, a 2 to 3 percentage point decrease in costs, and a 15% to 30% reduction in inventories, on average. Besides, using IBP increases job satisfaction by making work more systematic, which frees up time for strategic tasks and innovation.

But an AI-driven IBP system isn’t easy to design or deploy. It’s also a major investment. The cost can run into tens of millions of dollars, often exceeding $100 million for large corporations—and that doesn’t include the time and internal resources needed for its implementation. In our experience, many companies that have implemented AI-enable IBP platforms say that they didn’t realize as much value as they had hoped to, mainly because of a poor adoption rate, misaligned processes, and the lack of connectivity between IBP tools.

Modern IBP solutions must seamlessly integrate people, processes, and digital technologies—the trinity of effective end-to-end planning. In this article, we focus on the role of technology.

The Power of AI-Enabled IBP

AI-driven IBP platforms help companies improve business planning in several ways. Chiefly, they create a planning process that extends from end to end in an organization. The platforms connect upstream planning, such as Planejamento da cadeia de suprimentos , com planejamento a jusante, como previsões de demanda, planejamento comercial e previsão financeira. (Consulte a exposição.)

At a minimum, these platforms also automate planning, and they potentially enable planners to make better decisions with predictive and prescriptive analytics. Companies can migrate from manual to automated forecasting and gain the capabilities for scenario planning as well as real-time simulations. The latter shift the planners’ focus from numbers to identifying the key risks and opportunities. As a result, the planning process becomes faster, easier, and better.

Faster. AI-driven IBP platforms use automated data feeds and AI-driven forecasting models, shortening the time needed to develop forecasts. Automation minimizes the number of planning iterations, while the use of objective parameters for data eliminates the need for endless discussions. Migrating to an automated IBP platform enables companies to cut planning cycle times by 30% to 40%, while the ability to use signals-driven forecasting ensures that companies can prepare for and execute faster organization-wide responses to change.

mais fácil. O processo trabalha entre funções, unidades de negócios e equipes, para que as empresas possam resolver os riscos envolvidos no não cumprimento de compromissos, além de identificar oportunidades para reforçar o crescimento. E como o processo geralmente é automatizado, há pouca necessidade de usar planilhas do Excel ou números de trituração. E a visibilidade de ponta a ponta reduz os custos da cadeia de suprimentos, garantindo logística mais eficiente, reduzindo as despesas de armazenamento e melhorando o gerenciamento de pedidos. Como resultado, as plataformas IBP melhoram a precisão das previsões em até 25 pontos percentuais e normalmente em pelo menos 10 pontos percentuais. Uma implementação também exige orquestrar a tecnologia nos sistemas e o valor da organização. As empresas devem tomar cinco etapas para ter sucesso. AI-driven IBP solutions also ensure that companies can align—in real time—demand, supply, and financial plans using common data sources. The process works across functions, business units, and teams, so companies can resolve the risks involved in not fulfilling commitments as well as identify opportunities to bolster growth. And since the process is usually automated, there’s little need for using Excel spreadsheets or crunching numbers anymore.

Better. By connecting demand forecasts and supply scenarios, AI-enabled IBP provides better visibility into operating constraints, allowing companies to close gaps either by increasing supplies or reshaping demand through promotional and marketing efforts. And end-to-end visibility reduces supply chain costs by ensuring more efficient logistics, lowering warehousing expenses, and improving order management. As a result, IBP platforms improve the accuracy of forecasts by as much as 25 percentage points and typically by at least 10 percentage points.

Getting AI-Driven IBP Right

Implementing an AI-enabled IBP platform is a challenging journey that requires building a data foundation and using AI-powered analytic models to automate planning. An implementation also necessitates orchestrating technology across systems and upskilling the organization. Companies should take five steps to be successful.

Aproveite todos os dados. Ele também precisa de diferentes tipos de dados, o que pode assumir a forma de entradas padrão, bem como sinais de alerta precoce. Empresas inteligentes baseiam -se em uma variedade de dados; Os líderes usam até 15 a 20 conjuntos de dados apenas para o planejamento da demanda. Uma solução de IBP de ponta a ponta também envolve centenas de sinais internos e externos, o que torna os dados um dos principais desafios na automação do planejamento. An AI-driven process demands large quantities of data that is as fresh as possible. It also needs different kinds of data, which could take the form of standard inputs as well as early-warning signals. Smart companies draw on a variety of data; the leaders use as many as 15 to 20 data sets for demand planning alone. An end-to-end IBP solution also involves hundreds of internal and external signals, which makes data one of the key challenges in automating planning.

A criação de um processo IBP requer mesclagem, harmonização e automação de entradas de várias fontes, internas e externas. Algumas fontes internas serão fáceis de integrar; No entanto, muitos dos dados não podem ser armazenados centralmente, muito menos automatizados. Os dados de promoção, por exemplo, geralmente existem apenas em planilhas nos laptops das equipes de vendas, por isso pode ser difícil acessá -los em tempo hábil. Se as fontes de dados não foram centralizadas, uma organização deve usar soluções alternativas manuais a curto prazo e automatizar os fluxos de dados a longo prazo. O desafio com dados de origem externa é identificar os sinais certos e encontrar fontes de dados confiáveis. O planejamento se torna melhor apenas por causa da limpeza, compreensão e enriquecimento sistemáticos (através da manipulação) dos conjuntos de dados mais importantes. Os dados brutos alimentados em modelos de aprendizado de máquina melhorarão marginalmente o desempenho dos modelos de planejamento de negócios, mas a transformação de dados aumenta a precisão em pelo menos 10 pontos percentuais. É por isso que, ao implementar uma plataforma SaaS, empresas sábias implantam sistemas de governança de dados mais sistemáticos e rigorosos e criam recursos de dados para analisar e extrair resultados de conjuntos de dados. Encontrou, agregados e harmonizados dados de 14 fontes: remessas, ordens e bancos de dados de inventário; três bancos de dados esgotados; dois bancos de dados para esforços de marketing históricos e planejados; Distribuição e bancos de dados promocionais; um serviço meteorológico; e fontes de incidências covid-19, dados macroeconômicos e tendências de preços ao consumidor. Muitas fontes não tinham proprietários e a qualidade dos dados era duvidosa, então a empresa criou e aplicou os padrões de governança para garantir que os dados fossem confiáveis. Usando dados de qualidade e desenvolvendo algoritmos para prever a demanda por diferentes horizontes de tempo e níveis de granularidade, a empresa conseguiu aumentar seus resultados em 2% ao ano. CEOs, diretores de tecnologia e diretores de informação fariam bem em avaliar cuidadosamente soluções em potencial para encontrar uma que aborda seus desafios específicos.

While many SaaS IBP platforms boast of data integration capabilities, being able to use multiple sources of data isn’t enough. Planning becomes better only because of the systematic cleaning, understanding, and enrichment (through manipulation) of the most important data sets. Raw data fed into machine learning models will marginally improve the performance of business planning models, but data transformation boosts accuracy by at least 10 percentage points. That’s why when implementing a SaaS platform, wise companies deploy more systematic and rigorous data governance systems, and they build data capabilities to analyze and extract results from data sets.

As the first step of its migration to IBP, for example, a beauty products player created an integrated data foundation for demand planning. It found, aggregated, and harmonized data from 14 sources: shipments, orders, and inventory databases; three sell-out databases; two databases for historic and planned marketing efforts; distribution and promotional databases; a weather service; and sources for COVID-19 incidences, macroeconomic data, and consumer price trends. Many sources didn’t have owners and the data quality was dubious, so the company created and applied governance standards to ensure that the data was reliable. By using quality data and developing algorithms to forecast demand for different time horizons and granularity levels, the company was able to boost its bottom line by 2% per year.

Orchestrate the solution. Many SaaS IBP platforms promise to eliminate planning-related problems; CEOs, chief technology officers, and chief information officers would do well to carefully evaluate prospective solutions to find one that addresses their specific challenges.

Usando um único pacote pronto para uso como base de uma solução IBP parece boa em teoria, mas geralmente é problemática na prática, especialmente para grandes empresas, pois a implementação pode ser complexa e demorada. Além disso, unidades e funções de negócios normalmente investiam em sistemas que não conversam. Por esses motivos, as plataformas IBP SaaS deverão ser soluções orquestradas que conectam sistemas existentes, fecharão as lacunas e integrá-las a uma plataforma de ponta a ponta. Nenhuma das soluções foi configurada para se integrar. Embora os planos de oferta e as previsões de demanda tenham sido elaboradas em termos de volumes no nível da SKU, o plano financeiro projetou receita e despesas no nível da unidade de negócios. A solução de planejamento comercial não foi amplamente utilizada pelas equipes de vendas, que continuaram a confiar nos planos que eles construíram em planilhas. O único caminho a seguir era avaliar cada sistema, identificar os problemas e lacunas e desenvolver software adequado para o propósito para integrá-los. Descobrimos que o uso de algoritmos personalizados melhora a precisão das previsões em 5 a 20 pontos percentuais.

A large company whose sales exceed $15 billion bought a supply planning platform, a trade planning system, and a financial planning solution, each from a different vendor for a total investment of about $100 million. None of the solutions were set up to integrate with each other. While the supply plans and demand forecasts were drawn up in terms of volumes at the SKU level, the financial plan projected income and expenses at the business unit level. The trade planning solution went largely unused by the sales teams, which continued to rely on the plans they built in spreadsheets. The only way forward was to evaluate each system, identify the problems and gaps, and develop fit-for-purpose software to integrate them.

Customize algorithms and scenario and forecasting models. Although most out-of-the-box IBP systems come with some forecasting capabilities, off-the-shelf algorithms are far from optimal and will often be less accurate than customized ones. We find that using custom algorithms improves the accuracy of forecasts by 5 to 20 percentage points.

Planejamento rápido de cenários - um dos recursos mais desejáveis ​​de um sistema de planejamento integrado - aumenta o valor do planejamento da demanda exponencialmente. Nas indústrias complexas e conectadas, a capacidade de entender rapidamente as compensações ao tomar decisões é um grande benefício que o IBP fornece. A maioria das previsões de planejamento ainda são caixas pretas, fornecendo apenas informações básicas sobre o peso relativo de diferentes entradas ou fazendo atribuições simples aos seus motoristas. Isso não promove a confiança entre os tomadores de decisão; Somente modelos de previsão personalizados podem fornecer um nível de transparência que está alinhado com as expectativas dos tomadores de decisão. Esses modelos oferecem mais visibilidade dos insumos usados ​​para elaborar previsões, as suposições feitas sobre execução e o nível de incerteza nos números previstos. Esse nível de visibilidade não apenas cria confiança, mas também fornece informações acionáveis ​​sobre as alavancas que os executivos podem usar para fornecer melhores resultados. Um sistema de IA generativo pode examinar quase milhares de pontos de dados e fornecer informações, em linguagem natural, sobre mudanças passadas nas tendências de vendas, os valores discrepantes nos dados históricos, os motivos para aceleração ou desaceleração de vendas e novas oportunidades de crescimento. A tecnologia também pode ser usada para aprimorar a qualidade dos dados e enriquecê-la com os atributos do produto (de, digamos, fotografias), além de ajustar e atualizar modelos de planejamento baseados em IA. A IA generativa também pode ajudar os executivos visualizando novas interfaces humanas-máquina para planejamento, como as conversas baseadas em conversas.

Forecasting transparency is another desirable. Most planning forecasts are still black boxes, providing only basic insights into the relative weight of different inputs or making simple attributions to their drivers. That doesn’t foster trust among decision makers; only customized forecasting models can provide a level of transparency that is in line with the expectations of decision makers. Such models offer more visibility into the inputs used for drawing up forecasts, the assumptions made about execution, and the level of uncertainty in the forecasted numbers. This level of visibility not only builds trust but also provides actionable insights about the levers that executives can use to deliver better results.

Customized generative AI systems will turbocharge AI’s role in IBP in the future. A generative AI system could near-instantly scan through thousands of data points and provide insights, in natural language, about past changes in sales trends, the outliers in historic data, the reasons for sales acceleration or deceleration, and new growth opportunities. The technology could also be used to enhance data quality and enrich it with product attributes (from, say, photographs), as well as tune and update AI-based planning models. Generative AI may also help executives envision novel human-machine interfaces for planning, such as conversation-based ones.

Gerencie a transição pacientemente. Os funcionários precisam se acostumar com as novas maneiras de trabalhar e aprender a confiar no novo processo, e isso levará tempo. As empresas devem iniciar pequenas, gerar valor cedo e dar às suas capacidades nascentes o tempo necessário para amadurecer. A transição para um processo IBP pode ser executada em sprints, mas institucionalizando-o é uma maratona que exige que as equipes de alta gerência permaneçam no curso. O primeiro é promover a colaboração entre funções anteriormente desconectadas, o que requer redesenhar o processo de planejamento, além de alinhar melhor as metas entre as funções. As partes interessadas precisam entender como o novo processo os beneficiará e quais implicações ele terá no trabalho diário para fazer a transição. A mudança também exige redistribuição de poder e responsabilidade que, por sua vez, precisa de gestão cuidadosa e comunicação constante pelos líderes de negócios para toda a organização. Shifting to an AI-driven IBP platform will require extensive employee training across functions and organizational levels. Employees have to get used to the new ways of working and learn to trust the new process, and that will take time. Companies should start small, generate value early, and give their nascent capabilities the time they need to mature. Transitioning to an IBP process can be executed in sprints, but institutionalizing it is a marathon that requires the top management teams to stay the course.

Managing IBP-related change poses two key challenges. The first is fostering collaboration between previously unconnected functions, which requires redesigning the planning process as well as better aligning goals across functions. Stakeholders need to understand how the new process will benefit them and what implications it will have on their day-to-day work to make the transition. The shift also demands redistributing power and accountability that, in turn, needs careful management and constant communication by business leaders to the entire organization.

O segundo obstáculo está fazendo com que os planejadores de negócios adotem o IBP orientado a IA. Os planejadores, que geralmente trabalham há décadas, podem ter reservas sobre a mudança para modelos orientados para a IA. Além disso, muitos não têm formação em análise, portanto, podem não entender como os novos modelos funcionam. Como os funcionários de outros setores, muitos podem se sentir ameaçados pela tecnologia, acreditando que isso mais cedo ou mais tarde tornará seus empregos redundantes.

Explicando como os modelos de IA funcionam ao treinar planejadores de negócios é uma primeira etapa crucial. As empresas também precisam comunicar que a análise e a automação não as substituam, mas aumentarão seu poder. A tecnologia pode assumir a rotina, partes intensas de cálculo da previsão, para que os planejadores possam mudar para revisar exceções e ajustar parâmetros críticos, como Skus Hero (produtos cujos volumes ou lucros são cruciais para os negócios), promoções e campanhas importantes e novos produtos. Consequentemente, as reuniões de planejamento de negócios podem mudar de um debate sobre o seu número versus seu número para identificar novas oportunidades e desenvolver estratégias de mitigação de riscos. Portanto, investiu em uma plataforma IBP habilitada para AI que poderia personalizar por linha de produtos, canal de distribuição e região. A Companhia colocou dados de mais de 40 fontes e criou um sistema de gerenciamento de dados e governança para o qual treinou mais de 100 funcionários. Para garantir que a plataforma seja usada, a empresa realizou 15 sessões de treinamento em todo o mundo por mais de 200 usuários por vez. Depois de concluir a transição para o novo sistema, a empresa achou que o uso do IBP aumentou a receita em cerca de US $ 50 milhões e reduziu os requisitos de capital de giro em US $ 100 milhões por ano. É por isso que os líderes empresariais inteligentes tratam o IBP não apenas como um novo processo de planejamento, mas como uma iniciativa em toda a empresa para aumentar o desempenho. O apoio dos líderes empresariais também será necessário para quebrar as barreiras entre funções e unidades de negócios, repensar os processos de negócios e mudar a maneira como os executivos desenvolveram tradicionalmente planos de negócios. Eles devem demonstrar seu compromisso com uma plataforma IBP, patrocinando os esforços de construção de recursos e concordando em possuir as decisões às quais o novo processo de planejamento os leva-indefinidamente das consequências para sua função ou unidade. Liderado pelo diretor de operações (COO), o principal objetivo da iniciativa foi desbloquear oportunidades de crescimento, criando um processo de planejamento focado no desempenho de cada unidade de negócios, e não nos objetivos de cada função. Essa revisão exigiu mudar algumas responsabilidades, funções e autoridade em cada um de seus negócios. O envolvimento do COO foi fundamental para definir metas de planejamento e garantir o alinhamento em toda a organização sobre o uso do IBP. Em parte, como resultado, as unidades de negócios que implementaram o novo sistema aumentaram as receitas em 2%, melhoraram a precisão da previsão em até 15%e reduziu o tempo necessário para finalizar os planos de negócios em mais de 30%. Inscreva -se

By way of illustration, a multinational company with three main product lines wanted to shorten its seven-week planning cycle, adjust to demand signals more quickly, and have a rationale for allocations at times of shortages. It therefore invested in an AI-enabled IBP platform that it could customize by product line, distribution channel, and region. The company piped in data from more than 40 sources and created a data management and governance system for which it trained more than 100 employees. To ensure that the platform would be used, the company conducted 15 training sessions across the globe for more than 200 users at a time. After it had completed the transition to the new system, the company reckoned that using IBP had increased revenues by about $50 million and reduced working capital requirements by $100 million a year.

Ensure top management teams’ support. Shifting to AI-driven IBP platforms can noticeably improve both the top and bottom lines. That’s why smart business leaders treat IBP not just as a new planning process but as a company-wide initiative to boost performance.

Top management teams’ involvement is critical to help create the vision, draw up the objectives, and ensure that the organization is aligned around them. Business leaders’ support will also be needed to break down the barriers between functions and business units, rethink business processes, and change the way executives have traditionally developed business plans. They must demonstrate their commitment to an IBP platform by sponsoring capability-building efforts and agreeing to own the decisions to which the new planning process leads them—regardless of the consequences for their function or unit.

A consumer products company recently transformed its planning by unifying its sales, demand, supply, and financial planning processes into a single process. Led by the chief operating officer (COO), the initiative’s main objective was to unlock growth opportunities by creating a planning process that focused on each business unit’s performance, rather than on the objectives of each function. This overhaul required shifting some responsibilities, roles, and authority in each of its businesses. The COO’s involvement was critical to set planning goals and to ensure alignment across the organization about the use of IBP. Partly as a result, the business units that implemented the new system boosted revenues by 2%, improved forecast accuracy by up to 15%, and shortened the time taken to finalize business plans by more than 30%.

---

À medida que a incerteza encolhe a economia global e a mudança tecnológica acelera, o planejamento de negócios se tornará mais relevante - e complicado. Para ficar à frente, os CEOs precisam investir no desenvolvimento de recursos de planejamento que integram perfeitamente pessoas, processos, dados e tecnologia nas funções. Somente essa transformação permitirá que as empresas se adaptem rapidamente às mudanças nas condições de demanda e oferta, obtenham visibilidade dos riscos e oportunidades mais cedo e garantam que todas as partes da organização estejam se esforçando para atingir os mesmos objetivos. Afinal, uma empresa sem um plano de negócios integrado descobrirá que todas as estradas são necessárias leads em lugar nenhum.