Автоматизация дистрибьюторской отчетности как драйвер роста оборота на рынке CE

Заказчик:
Spectrum Brands
Поставщик
CISLINK DTS
Год завершения проекта
2021
Сроки выполнения проекта
Август, 2020 - Октябрь, 2021
Масштаб проекта
5 автоматизированных рабочих мест
Цели
  • Получить полные унифицированные данные для планирования, контроля и управления продажами.

  • Создать и оперативно обновлять клиентскую базу для непосредственной работы с вторичными клиентами.

  • Инструмент расчёта стока и товарного движения.

  • Мониторинг рекомендованной розничной цены.

Уникальность проекта

Проект не уникальный в техническом отношении. Заслуживает внимания бизнес-результат, достигнутый с помощью внедренной системы.
Использованное ПО

CISLINK DTS(Data Tracking Service)

Сложность реализации

Проект в целом не был технически сложным ни для нас, ни для дистрибьюторов. Подрядчик предоставил шаблон выгрузки из учетной системы дистрибьюторов. Экспертиза подрядчика позволила сделать шаблон таким, что он вполне удовлетворил наших партнеров ー договориться с ними о подключении оказалось не сложно. Трудозатраты на подключение оказались для них приемлемые, никто не жаловался.

Только с одним дистрибьютором пришлось решить задачу разделения в его отчете данные по маркетплейсу и частным покупателям. В его учетной системе и, соответственно, выгрузке каждый покупатель заносился на равных, но такие разновеликие данные невозможно анализировать. Решение было найдено в группировке по клиентскому уровню, все физлица схлопнули в одно.


Описание проекта

Spectrum Brands работает с крупными сетями и, через дистрибьюторов, со всеми маркетплейсами и несетевой розницей. В структуре продаж дистрибьюторский канал занимает значительную часть.

Данные дистрибьюторы передавали и раньше, но все компании в разных форматах, зачастую некорректно. Внедрив систему автоматизированной передачи данных о вторичных продажах, мы решили задачу унификации отчетности ー все данные теперь собираются на портале, в едином удобном виде, со всей детализацией и без задержки по времени.

Имея точную картину не только по остаткам у дистрибьютора в целом, но и по дальнейшему движению товаров между его складами, мы контролируем и управляем сбытом ー четко понимаем, какое количество продукта продаем, какое потенциально могли бы продать, если бы не было out-of-stock. Полные данные позволяют проводить качественный GAP-анализ, находить белые пятна ー какие области мы не покрываем.

Наша стратегия развития подразумевает тесное взаимодействие с вторичными клиентами. Именно они ー драйверы продаж. Поэтому увидеть вторичные продажи во всех деталях было первой задачей проекта.

С субдистрибьюторами у нас подписаны планы по объемам, если партнеры отклоняются ー мы сразу это видим и можем вмешаться, разобраться что происходит и повлиять на ситуацию.

Другой пример ー клиенты на маркетплейсах. Мы часто замечаем там новых и из DTS можем получить сведения о них значительно быстрее ー кто из наших партнеров отгрузил им товар, в каком количестве, а значит можно держать руку на пульсе и, в случае необходимости, предметно общаться.

Наконец, владея актуальной информацией по вторичным клиентам, мы оптимизируем планы для дистрибьюторов и ставим таргеты своим сотрудникам.

Ключевую роль играет скорость доставки данных: если раньше информацию о стоке мы получали с заметной задержкой, то сейчас на портале отражается фактическое состояние стока и всего движения товара.

Этот фактор изменил бизнес-процессы: мы смогли перевести дистрибьюторов на еженедельные заказы, против прежних 1,5-2 недель. Более того, теперь мы сами полностью формируем заказ ー проактивно и на основе собственных текущих приоритетов. Дистрибьюторам остается просто его подтвердить.

Управление отгрузками существенно увеличило оборот. Как следствие, повышается и лояльность дистрибьюторов. Так, в обороте нашего самого крупного дистрибьютора, с миллиардным оборотом, мы занимали менее 1%, сейчас ー порядка 10%, и стали одним из приоритетных для него брендов. Безусловно, были и другие причины, но переход на автоматизированную систему внес свой значимый вклад.

Автоматическое разделение по каналам продаж, предусмотренное в системе, упрощает работу маркетингу: планировать и отслеживать результат применения разных инструментов (performance-маркетинг, карточки, отзывы, совместные акции с ритейлерами) ー вся информация теперь собирается в одном месте, принимать решения и анализировать очень удобно. Мы видим, например, сколько и в каком канале каждое SKU принесет нам продаж, гросс-маржу, эффект промо.

Другая решенная задача ー мониторинг ценообразования. У нас есть политика по рекомендованной розничной цене. Это не жесткое требование, но нам важно понимать, по какой цене товар получает конечный потребитель.

Еще одно направление, где система нам помогает ー подготовка к сезонным колебаниям продаж. В нашем случае сезоны привязаны к праздникам: Новый год и гендерные праздники, пики поменьше ー Последний звонок и 1 сентября.

Теперь мы вышли на новый уровень планирования продаж в пиковые периоды: формируем сток на основе собранных исторических данных и оперативно реагируем, когда какие-то позиции продаются непредсказуемо активно. В итоге мы опередили многие компании по доступности товара. Яркий эффект наблюдался в 2020 году, когда у многих случились провалы с логистикой, а нам удалось поддерживать необходимый сток и использовать сезонную волну максимально.

Работа с автоматизированной системой упростила бизнес-процессы, они стали более логичны, более прозрачны, и отсюда ー более эффективны. Как следствие, выросли наши показатели.

Позитивный опыт на российском рынке мы планируем распространить на партнеров в странах СНГ, в ближайшее время будем общаться с компаниями в Казахстане, Белоруссии, Азербайджане.


География проекта

Данные собираются по торговым точкам по всей России, в планах ー страны СНГ.

Коментарии: 1

Комментировать могут только авторизованные пользователи.
Предлагаем Вам в систему или зарегистрироваться.

  • Максим Часовиков
    Рейтинг: 4767
    РАНХиГС
    Директор Проектов проектного офиса ректора
    24.12.2021 13:36

    Добрый день, а модель прогнозирования стоков реализована в выбранной системе? или Система только предоставляет данные для человеческой интеллектуальной обработки данных? Если так, то чем обычно руководствуются люди при прогнозировании стоков?

Год
Предметная область
Отрасль
Управление
Мы используем файлы cookie в аналитических целях и для того, чтобы обеспечить вам наилучшие впечатления от работы с нашим сайтом. Заходя на сайт, вы соглашаетесь с Политикой использования файлов cookie.