Upload
var-group
View
213
Download
0
Tags:
Embed Size (px)
Citation preview
Business analytics e strategia d’impresa:
migliorare le performance della supply chain
Fondazione
CUOA, 4
dicembre 2014
Legare strategia, operations e budget.
Rolling forecast, Activity driver e causal
model
Prof. Andrea Stefani
Faculty Fondazione CUOA
Sales & operations planning nei supply
network
Prof. Pietro Romano
Università di Udine
CUOA Lean Enterprise Center
Strumenti e soluzioni per allineare strategia
e operation
Prof. Andrea Cavalli
Finance, Risk e Fraud
IBM Global Business Services (GBS)
Alcuni casi di successo Tiziano Brandi
Var Group
Cocktail di fine lavori
AGENDA
Legare strategia, operations e budget.Rolling forecast
Activity driver & causal model
Prof. Andrea StefaniConsulente Faculty Fondazione CUOA
4
Limiti della visione economico-finanziaria del Budget
• Il Budget attuato esclusivamente nella sua dimensione economico
finanziaria (conto economico, stato patrimoniale, rendiconto finanziario), è
molto efficacie per la gestione del processo di allocazione (anticipata) delle
risorse e assicurare il controllo del loro utilizzo, ma presenta dei limiti:
• Non supporta adeguatamente i processi di forecast
• Non supporta adeguatamente la spiegazione delle varianze
• Non favorisce una visione di lungo periodo
• Non è stato pensato per comunicare efficacemente la strategia
• Non riesce a coordinare la dimensione strategia con la gestione delle
«operation»
La reazione non deve essere quella di eliminare il Budget ma di inserirlo in un
contesto più ampio e ricco di strumentazioni
Fonte: Linking operation with strategy and Budget, Norton-Peck, Hbr
5
Come superare i limiti del Budget
• Allineare il Budget alla Strategia:
� collegamento tra processi
� il ruolo delle Balanced Scorecard
• Legare misure «non finanziarie» di prestazione al budget (Driver-Based
Causal Model)
• Ridurre i dettagli mediante «strumenti di aggregazione»
• Usare «rolling forecast» a fianco di budget statici
• Nei sistemi incentivanti usare target «relativizzati» anziché fissi
• Aumentare il focus sulla prestazione dei processi anziché dei centri di
responsabilità (funzioni, divisioni, ecc): da visione verticale a orizzontale
6
Come superare i limiti del Budget: il modello complessivo
Pianostrategico
Reporting
Azioni strategiche
Obiettivi strategici
Programmazione Analisi risultati
Feed-back
Budget
Pianificazione Strategica
Forecast
Riunioni di gestione
Analisiscostamenti
Formulazionestrategica
Modello di Controllo
7
Il Calendario e il «concetto di tempo»
ago set ott nov dic gen feb mar apr mag giu lug ago set ott nov dic gen feb mar
Forecast "year and"
Rolling Forecast (Dynamic Forecast)
ESERCIZIO N - 1 ESERCIZIO N ESERCIZIO N + 1
Processo di Budgeting esercizio n
Processo di Revisione Budget
esercizio n
Piano Strategico
Processo di Budgeting esercizio n + 1
Pre-chiusura Pre-chiusura
8
Rolling Forecast: il tempo dinamico e non statico!
• Il forecast (feedforward) non dovrebbe essere gestito mediante finestre
temporali rigide (fiscal year)
• I dati di forecast dovrebbero fluire in azienda secondo un loro ritmo
«naturale» che dipende da azienda a azienda:
• quando appare un nuovo concorrente
• quando viene posticipata una manutenzione
• quando cambiano le condizioni di mercato
• quando un incendio distrugge un impianto
• ……..
• Il tempo dovrebbero essere «esplorato» in maniera dinamica (event based),
senza una frequenza prefissata né orizzonti statici
• Il forecast dovrebbe essere aggiornato al sopraggiungere di nuove
informazioni rilevanti
9
Balanced Scorecard & Budget
STRATEGY
STRATEGY
Balanced Scorecard
STRATEGY LOOP
Objectives
Cause and effect
Analysis
Stratex
Opex Capex
Budget
Operating Planning
Performance
STRATEGY
OPERATION
Stategic initiative portfolio
1. Activity driver and casual model
2. Rolling Forecast 3. Causal analysis
Teems
OPERATION LOOP
Fonte: Linking operation with strategy and Budget, Norton-Peck, Hbr
10
Il modello ‘Driver-Based Causal’
Architettura tradizionale di Budget
Costo del venduto
• Costi di prodotto
• altri costi industriali
• Costo del lavoro
Causal Model
# annuncipubblicitari
# chiamatain ingresso
# operatori e costo del
lavoro
Costo del lavoro del Call Center
Inputdriver
BusinessActivity
Risorserichieste
Conseguenzeeconomiche
11
Il modello ‘Driver-Based Causal’
Architettura tradizionale di Budget Causal Model
Forecast
Vendite lorde 8.500.000
Sconti e abbuoni 500.000
Vendite nette 8.000.000
Costo del venduto
Costi di prodotto 300.000
Costo del lavoro 500.000
Altri 50.000
Gross Margin 2.400.000
R&D 200.00
Costi di vendita 200.000
G&A 300.000
Stratex 500.000
Reddito operativo 1.200.000
Driver & Valori
Chiamate in ingresso/mese 200.000
Giorni lavorativi/mese 20
Chiamate operatore/giorno 75
Tasso assenze massimo 20%
Costo operatore/mese 2.500
Modello & Risultati
Capacità operatore/mese
=(chiamate/giorno)x(giorni lavorativi)= 75x20 1.500
#operatori richiesti
=(chiamate/capacità operatore)x(1+tasso assenza)=(200k ÷1,5k)x 1,2
160
Costo del lavoro mensile
=(#operatori richiesti)x(costo operatore) =160x2.500 400.000
12
Il modello ‘Driver-Based Causal’
Driver Model Variable Values
Budget Actual Varianza
Chiamate in ingresso/ mese 200.000 225.000 12,5%
Giorni lavorativi mese 20 20 0%
Chiamate per operatore 75 66 -12,0%
Capacità operatore/mese 1.500 1.320 -12,0%
Tasso assenza 1,2 1,1 -8,3%
Operatori richiesti 160 188 17,2%
Costo operatore/mese 2.500 2.500 0%
Costo del lavoro 400.000 468.750 17,2%
13
Il modello ‘Driver-Based Causal’
L’analisi delle varianze con il modello driver-basedforecast supporta la spiegazione su che cosa è successo e perché:
Che cosa: Costo del lavoro superiore al budget del 17,2%
Perché: • Volume di chiamate +12,5%• Produttività operatori -12%• Più operatori riichiesti
Azioni correttive: Come recuperare la perdita di prestazioni
Analisi Varianze con Driver Model
Analizzare le varianze di chiamate in ingresso• Tempestività, efficacia delle azioni di marketing• Altri determinanti esterni della domanda
Produttività operatori• Efficacia dei programmi di formazione• Strumenti tecnologici• Motivazione, cause di assenteismo,
professionalità
Misure del customer service
Analisi dettagliata delle cause
Piano delle azioni correttive
Azioni Chi Data
Programmare progetto di miglioramentoattività di marketing e ritorni
Mktg 10/1
Piani di formazione per operatori Formazione 12/1
Acquisire servizi di ricerca e selezione per nuove assunzioni
HR 10/1
Valutazione degli operatoriOpeatori
call center11/1
14
Rolling Forecast: Sales & operation planning
Strategia
Vendite
Forecast
Logistica
Politica gestione
magazzini
Financial
Simulazione Margini
P&L
Produzione
Programmazione
15
Bibliografia
• D. Norton, PW Peck, Linking Operation to Strategy & Budget, Balanced Scorecard Report, art.
no. B0609A
• P. Horvat, R. SauterWhy Budgeting Fails: one management system is not enough, Balanced
Scorecard Report, art. no. B0409C
Sales & operations planning nei Supply Network
Prof. Pietro RomanoUniversità di UdineCUOA Lean Enterprise Center
Sales & Operations Planning
� S&OP is the key business process to balance customer demand with supply capabilities
� Objective: matching demand and supply in the medium term, by providing a tool for the vertical alignment of business strategy and operational planning,and for the horizontal alignment of demand and supply plans
Fonte: Tuomikangas e Kaipia (2014)
S&OP in SN: un problema per tutti
Microfibra Teijin
(Giappone)
Suole (Treviso, Taiwan)
FORNITORI PRODUZIONE DISTRIBUZIONE
Lab. Serigrafia tomaia
(Treviso)
ItaliaTaglio materiale di serigrafia; montaggio finale
Materiale di serigrafia Tomaia serigrafata
BosniaTaglio fodere ed imbottiture; assemblaggio chassis; giunteria tomaia; preassemblaggio suole
Tomaia serigrafataSuole
preassemblate e tomaie giuntate
Sacchetti per imballaggio
(Cina)
Danese et al. (2008)
Problemi per la PMI
� Supply network globale, tempi lunghi, P/D ratio sfavorevole, molte attività “al buio”
� Frequenti modifiche dei piani di acquisto, produzione, spedizione� Il cliente modifica all’ultimo momento gli
ordini rispetto alle previsioni
� Pianificazione complessa, difficile stimare a priori quantità/tempi per i prodotti nuovi
� Difficoltà di allineamento con gli altri membri del supply network
Scorte alte
Sevizio basso
E per le grandi imprese?
� Facciamo macchine elettriche per uso civile, industriale e marino – motori asincroni e alternatori – fino a 5 MW di potenza
� La vera sfida per la nostra supply chain è sincronizzare i flussi a monte e a valle della nostra azienda
� Sul piano locale applichiamo il JIT, il lean manufacturing, ecc. e mettiamo ben in tiro i processi
� Poi andiamo ad acquistare in Cina e tutto il sistema va in crisi…
S&OP: un problema per tutti
� Tutte le imprese fanno parte di reti di fornitura
� Le reti di fornitura sono complesse� Numerosi soggetti autonomi o semi-autonomi
� Singole fasi dei processi svolte da imprese diverse
� Aziende disomogenee per settore, nazionalità, cultura
� La gestione del solo perimetro aziendale non è in grado di assicurare il vantaggio competitivo
Complessità dei SN
Channel% of total
productionPrimary purpose
Strategic priorities
Differences in process activities
Industrializzato 68.5
Supply the retail stores with products internally designed
and produced
High quality,Product
availability
� Subcontractors mainly located in European production poles
� Large batches in search of economies of scale
� Long term forecast planning (seasons)
Commercializzato 30
Supply the retail stores with products internally designed
and externally produced
Low cost,Product
availability
� Low cost suppliers mainly located in Far East and the with production skill in less fashionable products
� Large batches in search of economies of scale
� Long term forecast planning (seasons)
Acquistato 1.5
Supply the retail stores with products externally designed
and produced
Quick response to
market trends
� Fast suppliers mainly located in Europe with design and production skill in highly fashionable products
Fonte: Romano (2009)
Industrializzato
External sub-contractors
Channel 1A
Benetton (Castrette, Italy)
Olimpias External suppliers
Raw materials
Retail network
Benetton (Production Pole, Croatia)
Sub 2
Channel 1B
Sub 1
Sub 3
Sub N
Design, materials
Products
Fonte: Romano (2009)
Commercializzato
Benetton (Asia-Pacific Pole)
External supplier of finished products
Raw materials
Product Supplier selection
Sub 2
Sub 3
Benetton (Castrette, Italy)
Retail network
Design
Products
Fonte: Romano (2009)
Acquistato
Benetton (Castrette, Italy)
Retail network
Supplier selection
Products
External supplier of finished products
Sub 1
Sub 2
Raw materials
Fonte: Romano (2009)
Anche la lean non è im
mune
dall’ottimizzazione locale
0
20
40
60
80
10
0
12
0Raw material
Bought-out Parts
In-house built
Parts
Pre-Assemby WIP
Assembly WIP
Finished
Components
Inbound Transit
On-site Part (VM)
Vehicle Production
WIP
Loading &
Despatch
Outbound Transit
Dealer
Days
Min
imu
m
Av
era
ge
Ma
xim
um
Sourc
e: H
olw
eg (2
002): In
vento
ry P
rofile
in th
e U
K A
uto
motiv
e S
upply
Chain
Le decisioni del SCM
� Decisioni sulla struttura del SN� Struttura fisica
� Localizzazione
� Numero
� Assegnazione
� Capacità
� Specializzazione
� Struttura relazionale
� Contratti
� Sistemi di benefit sharing
Fonte: Romano e Danese (2010)
L’approccio “tradizionale”
� Ottimizzazione locale
� Scarsità di informazioni per la pianificazione di acquisti, produzione e spedizioni
� Canali indiretti (distanza dal mercato)
FORNITORE PRODUTTORE CLIENTE
ordiniprodotti
ordiniprodotti
I pitfalls: valgono ancora?
Trappola Problemi Mancanza di indicatori prestazion ali rifer iti al
supp ly netwo rk
- Obiettivi dei singo li attor i no n allineati - Attor i indipenden ti e d isconnessi
- Sistemi d i mo nitoraggio delle prestazioni incompleti o inutilizzat i - Difficoltà di individua re le cause di inef ficienza/ine fficacia nel supp ly network
Definizione inadegua ta del livello di servizio ai clienti
- Scarso/assente monitoraggio dei tempi di consegna - Scarso/assente monitoraggio dei ritardi m edi - Scarso/assente monitoraggio dell’anda mento degli ordini ineva si
Inaccuratezza d ei d ati sullo stato di avan zame nto degli
ordini
- Incapacità/ritardi ne l fornire ai clienti dati sull’avanzamento degli ord ini - Inatte ndibilità e inaccuratezza delle informazioni fornit e - Impo ssibilità da parte dei clienti di pren dere op portun e co ntromisure
- Trasferiment o dell’ince rtezza da monte a va lle del supply ne twork
Sistemi informativi
inefficienti
- Sconnessione tra i database d ei diversi attori del supply network
- Pro lifera zione de i siste mi op erativi e dei softw are (mancanza di in tegrazione) - Ritardi e d errori nell’acquisizione e trasferimento de i dati
Lee H.L., Billington C. (1992), “Managing Supply Chain Inventory: Pitfalls and Opportunities”, Sloan Management Review, Spring, pp.65-73
I pitfalls: valgono ancora?
Trappola Problemi Ignoranza dell’impatto dell’incertezza
- Mancanza di conoscenza dell’effetto Forrester - Errato presupposto che l’incertezza non si può identificare, misurare e ridurre - Presenza di extra-stock per fronteggiare l’incertezza
Gestione semplicistica delle scorte
- Politiche statiche (rispetto al tipo di domanda, alla fase del ciclo di vita dei prodotti ecc.)
- Politiche generiche (uguali per tutti i codici) e soggettive
Discriminazione dei clienti interni rispetto ai clienti esterni
- Assenza di indicatori che leghino il livello di servizio ai clienti interni con quello ai clienti esterni
- Bassa priorità per gli ordini interni e conflitti di priorità tra le divisioni interne - Sistema di incentivi inappropriato
Mancanza di coordinamento
- Inadeguatezza dei sistemi informativi per coordinare il flusso dei materiali tra gli attori del network (si accelerano inutilmente le fasi a monte quando poi i codici staranno in attesa di essere lavorati nelle fasi a valle)
- Rischio di promettere ai clienti finali ciò che non si è in grado di mantenere (mancanza di informazioni sulla capacità disponibile, piani di acquisto, produzione e spedizione non coordinati tra gli attori del supply network)
Lee H.L., Billington C. (1992), “Managing Supply Chain Inventory: Pitfalls and Opportunities”, Sloan Management Review, Spring, pp.65-73
I pitfalls: valgono ancora?
Trappola Problemi Analisi incompleta delle politiche di trasporto
- Scelta dei mezzi di trasporto basata solo su considerazioni di tipo economico (lotto minimo di spedizione per ottimizzare il carico)
- Assenza di analisi delle scorte di ciclo e in transito
Valutazione scorretta dei costi delle scorte
- Assenza di metodi quantitativi rigorosi per valutare il costo del tenere - Omissione del costo per obsolescenza e rilavorazione delle scorte
Barriere organizzative - Sistemi di misurazione delle prestazioni e di incentivazione indipendenti tra i diversi attori/funzioni coinvolti (obiettivi ed indicatori in contrasto)
- Rifiuto di investire risorse per timore di avvantaggiare altri attori del network - Barriere culturali e funzionali
Progettazione del prodotto-processo senza prospettiva di supply network
- Assenza dell’analisi congiunta dei problemi di produzione e distribuzione - Assenza di strategie di postponement - Risparmi ottenuti in produzione spesso vanificati da alti costi di scorte e
distribuzione
Lee H.L., Billington C. (1992), “Managing Supply Chain Inventory: Pitfalls and Opportunities”, Sloan Management Review, Spring, pp.65-73
I pitfalls: valgono ancora?
Trappola Problemi Separazione tra progettazione del supply network e decisioni operative
- Decisioni sulla struttura del supply network (es. aggiungere un impianto) legate a considerazioni dei costi fissi senza valutare l’impatto su scorte, tempi di consegna e livello di servizio ai consumatori finali
Supply network incompleto
- Visibilità limitata ai processi interni - Visibilità limitata al network immediato (clienti e fornitori diretti) - Inadeguata comprensione delle necessità del resto del network e dei
consumatori finali
Lee H.L., Billington C. (1992), “Managing Supply Chain Inventory: Pitfalls and Opportunities”, Sloan Management Review, Spring, pp.65-73
Che fare? Innanzitutto partire dalla strategia!
Domanda prevedibile Ciclo di vita lungo
Varietà bassa Alti volumi per SKU
Bassi costi e rischio di obsolescenza
Bassi costi di stock out Bassi margini
Funzionali
Domanda non prevedibile Brevi stagioni di vendita Alta varietà Bassi volumi per SKU Alti costi e rischio di obsolescenza Alti costi di stock out Alti margini Innovativi
Caratteristiche della domanda
Str
ateg
ie d
i ges
tione
MISMATCH
MATCH
MISMATCH
MATCH
Rea
ttivi
tà
Ris
post
a ra
pida
Alte
sco
rte
Tem
po d
i at
trav
ersa
men
to b
asso
Effi
cien
za
Bas
si c
osti
Sco
rte
min
ime
Util
izza
zion
e
ca
paci
tà e
leva
ta
Modello di Fisher, HBR (1997)
Superare l’approccio “tradizionale”
FORNITORE PRODUTTORE CLIENTE
INFORMAZIONI (es. order tracking)
INFORMAZIONI (es. previsioni)
Che cosa comporta il nuovo approccio?
� Riorganizzazione dei processi interni� Diversa suddivisione dei compiti tra le
imprese del supply network
� Nuove figure organizzative con ruoli di coordinamento
� Riconfigurazione delle relazioni con le controparti esterne nella rete di fornitura� Utilizzo di fornitori di servizi avanzati (es.
4PL, ICT)
� Utilizzo di nuove tecnologie a supporto del coordinamento
Nuove figure di coordinamento
FORNITORE
CATENA DI SUPERMERCATI
Eccezioni
Prev.
vendite
Prev.
vendite
Venerdì
Risolvere
eccezioni
Lunedì
Eccezioni
Prev.
ordini
Prev.
ordini
Martedì
Risolvere
eccezioni
Mercoledì
Ordini di
acquisto
Giovedì
Promozioni definite con 9 settimane di anticipo
Si usano i dati POS dei supermercati
Fonte: Romano e Danese (2010)
Temi caldi
� Implementazione� Linee guida per condurre con successo
progetti di S&OP e massimizzarne i benefici
� Esplicitare l’impatto sulle performance legando i progetti di S&OP alla Balanced Scorecard
Temi caldi
� Allineamento strategico� Ruolo della cultura organizzativa nella
gestione dei progetti di S&OP
� Come ottenere l’engagement nei progetti di S&OP
� Ruolo della leadership nella gestione dei progetti di S&OP
� Come assicurare l’allineamento tra obiettivi dei progetti di S&OP e obiettivi corporate
Temi caldi
� Decision making� S&OP è considerato uno strumento
tecnico per integrare le funzioni e creare un piano che bilancia domanda e capacità di fornitura
� S&OP deve diventare uno strumento in grado di chiudere il gap tra il piano e i business target
� Market-driven o Executive S&OP: modificare la domanda agendo sulle leve di mktg per utilizzare meglio le capacità del SN
Strumenti e soluzioni per allineare strategia ed operations
Prof. Andrea CavalliFinance, Risk e FraudIBM Global Business Services (GBS)
47
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
A. Cavalli 10’Strategy Execution - Is It a Hoax or Here to Stay?
A.Cavalli 10’Main implication of Analytics Adoption
Contents
A.Cavalli 5’IBM Strategy
A.Cavalli 15’How IBM define and execute strategy
48
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
Research published by the Harvard Business Review shows
that on average, companies deliver only 63% of the
performance that is anticipated in their strategic plans. One
problem seen by this study is that less than 15% of
companies regularly compare their business performance
against their strategic plan.
49
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
If you want to
get results, you
have to connect
your strategy
with the daily
action of all your
employees.
No one is in charge of strategy
execution. Instead “we all are.”
Strategies are approved but poorly
communicated. The lack of
communication makes the translation of
strategy into specific action impossible.
Lower levels in an organization don’t
know what they need to do, when to
do it or what resources are required.
Expected results never materialize and
since management doesn’t review old
plans, no one is held accountable for the
results and the cycle of underperformance
gets repeated.
50
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
To execute well there
must be
accountability,
clear goals,
accurate methods to
measure performance,
and
the right rewards for
people who perform
51
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
A.Cavalli 10’Strategy Execution - Is It a Hoax or Here to Stay?
Contents
A.Cavalli 5’IBM Strategy
A.Cavalli 15’How IBM define and execute strategy
A.Cavalli 10’Main implication of Analytics Adoption
52
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
53
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
54
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
• HR
• Supply Chain
• Finance
• IT
• Sales
• R&D
• Manufacturing
Analytics is not just a
technology, it is a way
of managing the
business
55
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
A.Cavalli 10’Strategy Execution - Is It a Hoax or Here to Stay?
Contents
A.Cavalli 5’IBM Strategy
A.Cavalli 15’How IBM define and execute strategy
A.Cavalli 10’Main implication of Analytics Adoption
56
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
The Smarter Enterprise Enablement (SEE) provides the foundation to analyze the Enterprise
Risk Modeler� Uncertainty and impact modeling, mitigation analyses and optimization
� Create unified, automated environment for analyses
Workforce Modeler� Workforce evolution dynamics
� Impact of organizational policies
� Path to deliver required resource
capacity
Productivity Models� Resource requirements based on
capacity demands
� Detailed productivity insights and
modeling
� Function and Business Unit specific (e.g.,
CAP Models)
“2015 Roadmap” Model� Automated bottom-up, consumable, real time financial planning
� What-if scenarios for operating levers & risks
� Integrated and aggregated across Business Units and geographies
Scenarios & ParametersScenarios & ParametersUser driven assumptions, objectives, and scenarios
How Analytics
adding higher value
� Automatically
connects, integrates
and refines multiple
data sources
� Allowing a predictive
approach and
automated
� Analyze in real-time
� Allow Dynamic
Scenarios
� Enable large-scale
simulations
� Introduce an
advanced risk
framework integrated
with planning
57
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
An approach based on a set of business modeling design principles for a dynamic strategic planning model
Operating Levers Bottom-Up Uncertainty & Risk Technology
� Financial outcomes
driven by key business
operating levers
� Provide closer link
between financial
objectives and
execution
� Enable analytics on
business model
� Assumptions drive
required consumption
of resources and capital
� Financial outcome
follows from
requirements
� Integration of financial
and resource
investment planning
� Financial outcomes
driven by key business
operating levers
� Provide closer link
between financial
objectives and
execution
� Enable analytics on
business model
� Assumptions drive
required consumption
of resources and capital
� Financial outcome
follows from
requirements
� Integration of financial
and resource
investment planning
� All assumptions made
at business unit and
geography level -minimum detail necessary
and maximum simplification
� Enables business unit
and geography
modeling planning
� Enable manage
complexity of
dependencies between
SBU
� More accurate
understanding of
impact on financial
objectives
� Managing planning
processes effectively
� All assumptions made
at business unit and
geography level -minimum detail necessary
and maximum simplification
� Enables business unit
and geography
modeling planning
� Enable manage
complexity of
dependencies between
SBU
� More accurate
understanding of
impact on financial
objectives
� Managing planning
processes effectively
� Address inherent
uncertainty associated
with the future
� Enable large-scale
simulations that can
model the outcomes
across a range of
business assumptions
� Sensitivity testing of
the business model
� Integrating ERM with
strategy planning
� Advanced scenario
simulation ( based on
subset of operating
levers)
� Address inherent
uncertainty associated
with the future
� Enable large-scale
simulations that can
model the outcomes
across a range of
business assumptions
� Sensitivity testing of
the business model
� Integrating ERM with
strategy planning
� Advanced scenario
simulation ( based on
subset of operating
levers)
� Providing an integrated
system
� Providing an centralized
approach
� Automatically connects
and integrate
� Enable scenario and
sensitivity analysis
� Integrate collaboration
tools
� Integrate statistical and
mathematical
programming
� Providing an integrated
system
� Providing an centralized
approach
� Automatically connects
and integrate
� Enable scenario and
sensitivity analysis
� Integrate collaboration
tools
� Integrate statistical and
mathematical
programming
58
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
The SEE Model
Dashboard BI Reports Workforce Analysis Tornado Analysis Uncertainty Analysis
Security Role Based Access Control Trends Analysis Scenario Analysis Scenario Comparison
Capabilities
Other Planners – HR, Units Financial Planners – CHQ, Units Risk Analysts
Users
Workforce Modeler
External Market Analytics
Compensation Analytics
Workforce Analytics
Workforce Modeler
External Market Analytics
Compensation Analytics
Workforce Analytics
Simulation Analysis
Sensitivity Analysis
Goal Seek
Optimization
Risk Analytics
Simulation Analysis
Sensitivity Analysis
Goal Seek
Optimization
Risk Analytics
SEE Models & Analytics
GBS
GTS
SWG
STG
S&D & Shared Services
Roadmap Models
GBS
GTS
SWG
STG
S&D & Shared Services
Roadmap Models
SEE Model Cubes
Geo
Time
Measures
Brand
SEE Workforce Cubes
Geo
Time
Measures
Brand
SEE Risk Cubes
Geo
Time
Measures
Brand
Data Cubes
59
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
The core - Simulation framework and analytics controller
SimulationEngine
Goal SeekEngine
Executes new
scenarios,
providing an impact
of assumption
variability on
business outcomes
Evaluates existing portfolio
of executed scenarios
and identifies new
scenarios
to determine optimal
business outcomes
PlanningModel
Business targets and constraints
Key assumptions and constraints
Ranked order of scenarios with
financial targets
Lever
changes
Financial target
outcomes Scenario and
Descriptive Analysis
Simulation
Uncertainty Analysis
Sensitivity Analysis
Optimization
Goal Seek
Multi-Variate Optimization
Expanding on the single
variable goal seek
capability, move from local
optimization (single target
variable, individual
geo/brand, few constraints)
to global optimization
(multiple target variables,
several geo/brands, several
constraints)
Use the Monte-Carlo
method to intelligently
simulate over the search
space, incorporating
business constraints.
Explore resilience of targets
to key assumptions in
different regions of the
search space
Workforce Analytics Risk Modeler
Simulation Framework
60
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
First Step: Start from a scenario planning model
61
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
In addition to “what-if scenarios”, the SEE framework can be leveraged to generate insights from more complex analyses
Uncertainty analysis
helps understand likelihood
of goal attainment
underpinned by Monte-
Carlo simulations
Sensitivity analysis
help identify strategic
focus areas among the
operating levers
through Tornado Diagrams
62
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
Integrated with Planning Risk Modeler provide a framework to elicit expert knowledge and aggregate it to a comprehensive risk model suitable for analysis
a. Obtain verbose Risk description
b. Identify key risk variables
and establish
corresponding
probability density
functions (p.d.f.’s),
reflecting uncertain
nature of the Risk
a. Build an influence map reflecting how key risk variables interact
with each other and the 2015 Roadmap Model assumptions
b. Turn the influence map into Bayesian Belief Network by eliciting
the conditional probabilities affecting states of the nodes
c. Propagate key risk variable p.d.f.’s through the network to infer the
behavior of the 2015 Roadmap
Model Assumptions under Risk
a. With inferred behavior of 2015 Roadmap Model
Assumptions, perform a simulation run (1000+
experiments)
b. Analyze and understand the space of possible
outcomes calculating, e.g.:
� Expected gaps to target (under
unmitigated Risk)
� Likelihood of goal attainment
for specific metrics
� Variance of metrics of interest
� Metric values attainable with
a specified confidence level
R1A1
A2R2
RkAM
X1
......
3. SIMULATION & IMPACT ANALYSIS
A1
A2
AM
1. RISK IDENTIFICATION 2. RISK PROFILE ELICITATION
M1
M2
MN
a. Identify mitigation actions
b. Quantify mitigation actions acting
separately or in concert
c. Given mitigation action costs, optimize
for maximum impact at minimum cost
...
R1
R2
Rk
......
4. MITIGATION & OPTIMIZATION
63
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
A.Cavalli 10’Strategy Execution - Is It a Hoax or Here to Stay?
Contents
A.Cavalli 5’IBM Strategy
A.Cavalli 15’How IBM define and execute strategy
A.Cavalli 10’Main implication of Analytics Adoption
64
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
Big Data & Analytics adoption usually presents challenges leading to implications related to strategy, organization and technology
VisionProcess
& Job RoleData Solution
It is imperative that
organizations focus
the initiatives on
areas that can
provide the most
value to the
business
Culture
Integrate the
predictive results in
company decision
making, introducing
changes in
organization and
processes
Access large amount
of data with right
technology
Interact with data in
order to discover
useful patterns and
trends, we need
appropriate skills
and tools
Big Data & Analytics
require new
behavior patterns
(data centric versus
intuitive decisions
etc.), it is necessary
to promote new
culture patterns
65
Strategy & Analytics Europe – Finance, Risk & Fraud
© 2014 IBM CorporationIBM Confidential11 December 2014
A focused approach and iterated on the relevant areas, is the correct way to get results: attention on analytics adoption.
65
“We have provided employees access
to the new analytics tools and conducted
user training”
“If we implement analytics, we will have
the ability to make smarter decisions that
put us ahead of our competitors.”
“I don’t understand the new analytics tools and do not trust the data; I
still use my spreadsheets and experience to make
decisions”
Business Strategy Deployment Teams Business Users
Design/Plan
Analytics Project Lifecycle
Adopt*Define/Build Deploy
Deployment Successful
Unsuccessful Adoption
Project Team
“We have successfully
designed and customized an
analytics solution”
*Why focus on adoption? Analytics adoption rates are subpar, with standard business intelligence platforms being accessed by only 31% of potential users (Gartner; Driving Business Centered Business Analytics, April 2013)
65
ANALISI «WHAT-IF»
REALIZZAZIONE DI UN MODELLO DI SIMULAZIONE COMMERCIALE ED
INDUSTRIALE CON RELATIVO IMPATTO SUL CONTO ECONOMICO E
CASH FLOW
Premio Innovazione ICT SMAU 2012
Obiettivi raggiunti
• Scenari di simulazione con modifiche alle quantità di budget e ai costi delle materie prime
• Valutazione dell'impatto sul conto economico in pochi secondi
• Scenari di simulazione per valutare :
� Saturazione capacità produttiva
� Effetto turni in straordinario
� Capacità produttiva a standard (verifica efficienze)
� Costo della manodopera
� Margini per cliente/prodotto
� Cash Flow impact analisi
Obiettivi raggiunti
• Scenari di simulazione con modifiche alle quantità di budget e ai costi
delle materie prime
• Valutazione dell'impatto sul conto economico in pochi secondi
• Scenari di simulazione per valutare :� Saturazione capacità produttiva
� Effetto turni in straordinario
� Capacità produttiva a standard (verifica efficienze)
� Costo della manodopera
� Margini per cliente/prodotto
� Cash Flow impact analisi
Obiettivi raggiunti
Obiettivi raggiunti
• STEP 1 - Realizzazione Data Warehouse Aziendale� riduzione di tempi e risorse per la raccolta e produzione di informazioni al supporto delle decisioni aziendali
� Centralizzare ed automatizzare il processo di distribuzione delle informazioni
• STEP 2 - Implementazione sistema di Analisi e Reporting� fruibilità dei dati da parte dell’utenza coinvolta e manutenibilità del modello nel tempo.
• STEP 3 - Implementazione sistema di Budget/Forecasting� Razionalizzazione del processo di Budget, accentrando in un unico modello quello che attualmente viene
gestito in numerosi fogli Excel
• STEP 4 - Implementazione tool di pricing
• Massimizzazione delle curve di booking e dei prezzi
Data la tipologia di business di Eden Viaggi, si è resa necessaria un’attività di analisi particolarmente approfondita per
comprendere e trasferire sulla soluzione IBM Cognos i concetti tipici del business EDEN (empty-leg, contratto Vuoto/Pieno,
allotment, pratica, contingenti di prezzo, PAX, Presenze, etc.)