Gepresenteerd door SAP
De sector van verpakte consumentengoederen maakt een fundamentele verschuiving door die zelfs de meest gevestigde merken dwingt hun manier van werken te heroverwegen. Het is wat sommige mensen de CPG-squeeze noemen, of een samenloop van margecompressie, tegenwind in het handelsbeleid en de ontnuchterende realiteit dat prijsgedreven groei niet langer een haalbare strategie is. Voor bedrijven die afhankelijk zijn van prijsstijgingen om hun omzet te verhogen, is het een structurele verandering die nieuwe benaderingen van hun activiteiten, strategie en concurrentiepositie vereist.
CPG-bedrijven moeten nu een jaarlijkse productiviteitswinst van 5% of meer realiseren om concurrerend te blijven. Traditionele kostenbesparende maatregelen zoals reisstops, pauzes bij het aannemen van personeel en andere eeuwenoude efficiencymaatregelen 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, waarbij vragen over procesefficiëntie, handmatige workflows en mogelijkheden voor automatisering worden aangepakt.
Maar fragmentarische oplossingen die geïsoleerde problemen aanpakken, kunnen niet de systemische efficiëntiewinst opleveren die CPG-bedrijven nu nodig hebben. Dit leidt tot een toenemende belangstelling voor geïntegreerde technologieplatforms die de besluitvorming en uitvoering op alle functionele gebieden tegelijk kunnen ondersteunen.
De data-uitdaging die de kern vormt 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 diepgaande inzichten nodig in hun interne activiteiten, terwijl ze tegelijkertijd inzicht moeten krijgen in de externe marktdynamiek en het consumentengedrag. Historisch gezien betekende dit dat er operationele gegevens moesten worden geëxtraheerd, wat inhield dat daarbij cruciale bedrijfscontext verloren ging, en dat er vervolgens veel moest worden geïnvesteerd in het reconstrueren van die context, zodat deze samen met consumenten- en retailgegevens kon worden geanalyseerd.
De ontkoppeling zorgt voor 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 timing vaak het succes of falen bepaalt, wordt deze vertraging in analytisch vermogen een concurrentienadeel.
Om deze uitdaging aan te gaan, kunnen geavanceerde dataplatforms zoals SAP’s Business Data Cloud externe gegevens importeren met interne operationele SAP-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 de traditionele extract-and-reconstruct-workflow, waardoor de snelheid waarmee bedrijven van analyse naar beslissing naar actie kunnen gaan fundamenteel verandert.
De impact is vooral groot voor 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 vrijwel in realtime aanpassen, wat enorm is in een sector waar promotieperioden in dagen of weken worden gemeten.
Promotiestrategie in een omgeving waar veel op het spel staat
Promotiemomenten met hoge inzet, zoals de Super Bowl, laten zien hoe kwetsbaar CPG-operaties zijn geworden. Vraagpieken zijn intens, gelokaliseerd en van korte duur, waardoor er weinig ruimte overblijft 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 het venster nog open is.
De besluitvorming achter deze promoties omvat een complexe analyse van meerdere variabelen: welke producten uitgelicht moeten worden, optimale kortingsniveaus, winkelspecifieke positionering en zelfs regionale variaties in consumentenvoorkeuren. Wat shoppers in de ene regio aanspreekt, kan in een andere regio mislukken. Een effectieve promotiestrategie vereist dus gedetailleerde analyses tot aan individuele winkellocaties.
Tools zoals de Revenue Growth Management-oplossing van SAP maken dit niveau van verfijning mogelijk, waardoor merken de promotiestijgingen kunnen berekenen en modelleren en deze inzichten kunnen vertalen in beslissingen die gereed zijn voor uitvoering. De analyse houdt rekening met regionale smaakvoorkeuren, lokale concurrentiedynamiek en historische prestatiegegevens om elke promotionele beslissing te optimaliseren.
Maar promotionele planning is alleen waardevol als deze effectief kan worden uitgevoerd. Dit is waar veel CPG-bedrijven te maken krijgen met wrijving tussen strategie en bedrijfsvoering. Data-analyse kan de perfecte promotiemix aanwijzen, maar zonder de beschikbaarheid van producten te garanderen, de aanwezigheid in de schappen te behouden en fysieke merchandising uit te voeren, is de analyse vrijwel academisch. Daarom is integratie tussen promotionele planningssystemen, supply chain- en financiële planningssystemen en ERP-platforms van cruciaal belang.
Distributie-uitvoering: de make-or-break voor promoties
Voor promotieperiodes met hoge snelheid moeten bedrijven de vraag nauwkeurig voorspellen, de voorraad strategisch positioneren en de distributie vlekkeloos uitvoeren. Dit is met name complex voor categorieën als snacks en dranken, waar modellen voor directe bezorging in de winkel gebruikelijk zijn. Het beheren van de aanwezigheid op het schap is van cruciaal belang, omdat een leeg schap betekent dat consumenten zullen overstappen op concurrerende producten of de aankoop helemaal zullen staken. En het vereist realtime inzicht in meerdere lagen van de toeleveringsketen uit een verscheidenheid aan gegevensbronnen, en de operationele mogelijkheden om snel op te reageren.
Moderne magazijnbeheersystemen, waaronder SAP Extended Warehouse Management, bieden de gedetailleerde zichtbaarheid die nodig is om de voorraad in deze meerdere 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 optimaliseren, kunnen CPG-bedrijven de aanwezigheid in het schap behouden die promotioneel succes stimuleert. Tools voor verkoopuitvoering, zoals SAP’s retailuitvoeringsaanbod in SAP Sales Cloud, stellen veldteams in staat winkels te controleren en te rapporteren over de werkelijke omstandigheden. Hierdoor krijgt het hoofdkantoor duidelijk en nauwkeurig inzicht in wat er gebeurt op het aankooppunt.
Hoe AI de CPG-activiteiten verandert
Kunstmatige intelligentie gaat verder dan experimentele gebruiksscenario’s en richt zich op 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 stroomlijnen. Voor supply chain-planning helpt AI bij het genereren van vraagscenario’s die rekening houden met meerdere variabelen die de productbeweging beïnvloeden.
SAP’s integratie van Joule in Integrated Business Planning-software laat zien hoe conversationele AI planningsworkflows kan transformeren. In plaats van door complexe interfaces te navigeren om toegang te krijgen tot supply chain-gegevens, kunnen planners vragen in natuurlijke taal stellen en onmiddellijke, AI-gestuurde antwoorden ontvangen op basis van realtime informatie. Dit vermindert de wrijving bij het verkrijgen van toegang tot inzichten en versnelt de besluitvorming tijdens kritieke planningscycli.
Geavanceerde magazijnactiviteiten profiteren van AI-agents die de inventarisrisicoanalyse kunnen verbeteren, het taakbeheer kunnen optimaliseren en de nauwkeurigheid van prognoses kunnen verbeteren. Dit zijn niet alleen snellere versies van bestaande processen. In plaats daarvan vertegenwoordigen ze kwalitatief verschillende capaciteiten die patronen en risico’s kunnen 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 bijzonder geschikt voor AI-ondersteuning, omdat het analyseren van de interactie tussen verschillende prijspunten, promotietactieken en positioneringsstrategieën in duizenden winkels en producten complex is dat de menselijke analytische capaciteit te boven gaat. Machine learning kan patronen identificeren en beslissingen optimaliseren op een schaal en snelheid die handmatige analyse niet kan evenaren. AI-mogelijkheden die worden ingebouwd in platforms voor het beheren van omzetgroei beloven de promotieplanning zowel geavanceerder als efficiënter te maken.
Misschien wel het belangrijkste voor CPG-bedrijven die met productiviteitsproblemen worden geconfronteerd, is dat intelligente voorraadbeheersystemen machine learning gebruiken om leveringsdata te voorspellen en realtime analyses te bieden voor distributiebeslissingen. Het monitoren van de uitvoering van verkooporders kan de uitvoeringsrisico’s voorspellen voordat deze zich voordoen, waardoor proactief ingrijpen mogelijk wordt. Deze AI-mogelijkheden pakken problemen aan zoals de beschikbaarheid van producten en betrouwbare levering tijdens kritieke promotieperiodes, wat enkele van de grootste uitdagingen zijn bij CPG-operaties.
Maar de meest impactvolle AI-toepassingen in CPG zullen niet noodzakelijkerwijs de meest zichtbare zijn. In plaats van opvallende, op de consument gerichte functies, komt de echte waarde voort uit het inbedden van intelligentie in de belangrijkste operationele processen. Stapsgewijze verbeteringen in tientallen workflows leiden in de loop van de tijd tot substantiële concurrentievoordelen.
De CPG-squeeze is geen tijdelijke situatie 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 er sterker uit zullen komen, zullen niet alleen de bedrijven zijn met de beste producten, maar ook de bedrijven die de meest efficiënte en responsieve activiteiten hebben opgebouwd.
Jon Dano is brancheadviseur voor consumentenproducten bij SAP.
Gesponsorde artikelen zijn inhoud die is geproduceerd door een bedrijf dat voor de post betaalt of een zakelijke relatie heeft met VentureBeat, en deze is altijd duidelijk gemarkeerd. Voor meer informatie kunt u contact opnemen met sales@venturebeat.com.
