On Shelf Availability: Αποφεύγοντας τις Εκπλήξεις Με την υποστήριξη της Ερευνητικής Ομάδας: ELTRUN/SCORE, Οικονομικό Πανεπιστήμιο Αθηνών Χριστόφορος Γκόκας – Γενικός Διευθυντής Λειτουργίας Καταστημάτων, Metro Νίκος Γραμματικός – Διευθυντής Ομάδας Πελατών, Procter & Gamble Hellas Μάκης Χαϊλαζόπουλος – National Account Manager, Ελαΐς – Unilever Hellas

2 Το θέμα πιο επίκαιρο από ποτέ... ΔΙΑΘΕΣΙΜΟΤΗΤΑ ΣΤΟ ΡΑΦΙ ΧΑΜΕΝΕΣ ΠΩΛΗΣΕΙΣ (est.)

3 Το πρόβλημα των ελλείψεων επιμένει... Έρευνα του Οικονομικού Πανεπιστημίου Αθηνών, στο πλαίσιο του έργου OSA, ECR Hellas, 2010

4 Το πρόβλημα των ελλείψεων επιμένει... Έρευνα του Οικονομικού Πανεπιστημίου Αθηνών, στο πλαίσιο του έργου OSA, ECR Hellas, 2011

5 Η έλλειψη διαρκεί συνήθως αρκετές ημέρες Έρευνα του Οικονομικού Πανεπιστημίου Αθηνών, στο πλαίσιο του έργου OSA, ECR Hellas, 2011 Σε σύνολο ελλείψεων, 1 μήνας, 10 κατηγορίες προϊόντων, 6 καταστήματα

6 Αυτό κοστίζει... Έρευνα του Οικονομικού Πανεπιστημίου Αθηνών, στο πλαίσιο του έργου OSA, ECR Hellas, 2011 € 766 εκ. * * Εκτίμηση με βάση τη διάρκεια της έλλειψης, τη συχνότητα πώλησης, την αξία των πωλήσεων, το μερίδιο των κατηγοριών στο σύνολο της αγοράς

7 Χαμένες Πωλήσεις € 766 εκ. (7%) Συνολικός τζίρος € 11,000 εκ.

8 ΠΩΣ Καμία ουσιαστική πρόταση κατά τα τελευταία χρόνια...

9 Μπορούμε να αποφύγουμε τις ελλείψεις;

10 Έργο ECR Hellas : Πρόληψη των Ελλείψεων Επιστημονική υποστήριξη: Εργαστήριο ELTRUN, Οικονομικό Πανεπιστήμιο Αθηνών

11 Σε ένα ιδανικό κόσμο με μηδενικές ελλείψεις… Η αποθήκη του καταστήματος θα πρέπει να είχε πάντα στοκ Πόσους υπαλλήλους θα πρέπει να απασχολεί ένας διάδρομος? Το σύστημα ανεφοδιασμού να είναι απλό και με λίγους κωδικούς… Πάνω από νέοι κωδικοί και αλλαγές κωδικών τον χρόνο Κόστος

12 Πρόληψη των Ελλείψων: η λογική για παρακολούθηση αποθέματος είσοδοςέξοδος Αν αυτό που υπάρχει στο κατάστημα δεν επαρκεί για μελλοντική ζήτηση και υπάρχει κίνδυνος έλλειψης... alert

13 Πρόληψη των Ελλείψων: η λογική για παρακολούθηση αποθέματος (2) Σύστημα που χρησιμοποιεί τα ακόλουθα δεδομένα Ημερήσια στοιχεία πωλήσεων (POS data) Παραλαβή στο κατάστημα από κεντρική αποθήκη Πρόβλεψη ζήτησης Ανά ημέρα Λαμβάνεται υπόψη η εποχικότητα της ζήτησης ανά ημέρα

14 Πρόληψη των Ελλείψων: η λογική για αναπλήρωση ραφιού Αν οι πωλήσεις του προϊόντος κατά την προηγούμενη ώρα ξεπέρασαν το αναμενόμενο και τη χωρητικότητα ραφιού... alert 9πμ11πμ1μμ3μμ5μμ7μμ9μμ

15 Πρόληψη των Ελλείψων: η λογική για αναπλήρωση ραφιού (2) Σύστημα που χρησιμοποιεί τα ακόλουθα δεδομένα Ωριαία στοιχεία πωλήσεων (POS data) Παραλαβή στο κατάστημα από κεντρική αποθήκη Πρόβλεψη ζήτησης Ανά ώρα Λαμβάνεται υπόψη η εποχικότητα της ζήτησης ανά ημέρα και ώρα (διαφορετικό μοτίβο ανά κατάστημα)

16 Σε όρους διαδικασίας... έλεγχος λίστας για πρόληψη ελλείψεων (απόθεμα) πρωί μεσημέρι έλεγχος λίστας για αναπλήρωση ραφιού αναπλήρωση από αποθήκη καταστήματος παραγγελία στην κεντρική αποθήκη

17 Τρόπος Λειτουργίας Συστήματος Τεχνικές: Time Series Forecasting Association Rules ΚΕΝΤΡΙΚΟ ΣΥΣΤΗΜΑ Αποστολή δεδομένων μέσω Internet από το κατάστημα: Δεδομένα Πωλήσεων (POS) σε ωριαία βάση Παραδόσεις στο κατάστημα Συλλογή, προωθητικές ενέργειες κ.ά. Web Report με OOS Prevention Alerts

18 Φάσεις του Έργου 6 καταστήματα (3 pilot, 3 control) Νοε-Μάρτιος 2010 Ανάλυση Δεδομένων 1 η Πιλοτική Εφαρμογή Μάιος η Πιλοτική Εφαρμογή Μάρτιος 2011 Νέα Πιλοτική Εφαρμογή (βελτίωση ποιότητας πληροφορίας) Νοεμ. – Μάρτιος 2010 Μάιος 2010Μάρτιος-Μάιος 2011

19 Κατηγορίες Προϊόντων (Ταχυκίνητα) απορ. πλυντηρίου αφρόλουτρα ελαιόλαδο μακαρόνια καφές τοματοειδή μπισκότα ουίσκι πάνες σερβιέτες σαμπουάν χαρτί υγείας, κουζίνας

20 Αποφεύγοντας τις Εκπλήξεις... ΑΠΟΤΕΛΕΣΜΑΤΑ

21 Πρόληψη των Ελλείψεων (1) Σε σύνολο 2058 ελλείψεων σε διάρκεια 20 ημερών: το σύστημα χτύπησε συναγερμό για έλλειψη μία-δύο ημέρες πριν την εντοπίσει το κατάστημα ή βάλει παραγγελία σε 669 περιπτώσεις Δυνατότητα αποφυγής των ελλείψεων κατά 33%

22 Πρόληψη των Ελλείψεων (2) Εμβάθυνση σε κατηγορίες με το υψηλότερο ποσοστό ελλείψεων (απορρυπαντικά, αφρόλουτρα, πάνες) Βελτίωση της πληροφορίας του αποθέματος μέσω φυσικών καταγραφών Σε σύνολο 229 ελλείψεων, το σύστημα χτύπησε συναγερμό σε 150 περιπτώσεις Δυνατότητα αποφυγής των ελλείψεων κατά 66%

23 Οικονομικό Όφελος Εξοικονόμηση € 260 εκ. (2,4 %) Συνολικός τζίρος € 11,000 εκ.

24 Προϋποθέσεις Εφαρμογής Σωστή ποιότητα πληροφορίας (Master Data Alignment) Ενσωμάτωση στις διαδικασίες του καταστήματος Αξιοποίηση της πληροφορίας από το προσωπικό