Supply chain adviseur Stephan de Wit over het planningsprobleem dat miljoenen kost en zelden correct wordt gediagnosticeerd.
.png)
De meeste S&OP-prestatieproblemen zijn terug te voeren op productdatabeheer, niet op de nauwkeurigheid van de prognoses of de gebruikte tools.
Gebrekkig databeheer kost middelgrote organisaties miljoenen, aan verloren inkomsten, overtollig werkkapitaal en planningscapaciteit, zonder dat dit zichtbaar wordt op enig dashboard.
De oplossing vereist een structurele herinrichting van eigendom, bestuur en data-architectuur, geen opruimproject.
Wanneer S&OP ondermaats presteert, onderzoeken organisaties de prognose, evalueren ze de tools en bevragen ze het procesontwerp. Stephan de Wit, een supply chain-adviseur met 25 jaar ervaring, heeft dit bij tientallen organisaties zien gebeuren. Zijn startpunt is anders: de productdata die aan de basis ligt van alles.
"S&OP gaat ervan uit dat je plant op basis van de realiteit, op basis van een bepaald niveau van datakwaliteit en zekerheid," zegt hij. "Als die data niet correct is, of niet correct beweegt tussen systemen, gaat alles stroomafwaarts mis. Zelfs als je prognose solide is en je tools kloppen."
In organisaties waar niemand eigenaar is van productstamdata, gaat een aanzienlijk deel van de planningscapaciteit op aan correctiewerk: het controleren van interfacefouten, het oplossen van parameterinconsistenties, het bouwen van spreadsheets om te vergelijken wat verschillende systemen rapporteren.
"Iedereen doet zijn werk zo goed als hij kan," zegt Stephan. "Maar als de data in je systemen niet klopt, kun je je werk niet goed doen. Je verspilt je tijd aan herstelwerk."
S&OP-vergaderingen hebben te maken met hetzelfde probleem. Discussies die zich zouden moeten richten op beslissingen, vraagsignalen, leveringsbeperkingen en afwegingen, worden opgeslokt door vragen over datakwaliteit. Is dit de nieuwste versie? Waarom is dit getal veranderd? De agenda vult zich met datavraagstukken in plaats van planningsbeslissingen.
Stephan wijst op twee organisaties waarmee hij recentelijk heeft gewerkt.
Bij een grote retailer konden delen van het bestelbare assortiment niet besteld worden. Interfaceregels waren onjuist geconfigureerd. Bedrijfslogica die plannings- en bestelsystemen verbond, was fout. Producten leken beschikbaar in het systeem, maar konden in de praktijk niet worden geleverd.
Bij een fabrikant van consumentenproducten blokkeerde onvolledige productstamdata de introductie van nieuwe producten. Levenscyclusparameters ontbraken. Leveranciers konden geen bestellingen plaatsen. Klanten konden niet kopen. De financiële schade liep in de miljoenen.
In beide gevallen had niemand end-to-end eigenaarschap over de data.
De kosten stapelen zich op langs drie dimensies.
Planningscapaciteit. In middelgrote en grote organisaties zijn vaak 4 tot 10 mensen dagelijks bezig met datacorrectie en -herstel — niet met het verbeteren van de planningsprestaties. Dat is de capaciteit van een heel team, opgeslokt door een probleem dat er niet zou moeten zijn.
Assortimentsrisico. Ongeveer 2 tot 4% van het bestelbare assortiment is in de praktijk vaak niet uitvoerbaar, als gevolg van levenscyclusfouten of datagaten. Voor een organisatie met €100M omzet is dat een risico van €2M tot €4M dat in de productcatalogus zit.
Stroomafwaartse effecten. Teams stellen veiligheidsvoorraadniveaus in op basis van aannames die niet kloppen. Klantenserviceniveaus dalen. Werknemers kampen met een groeiende werklast aan correcties. Onverwachte voorraadverschillen dwingen tot urgente, dure beslissingen.
"Het valt niet op," zegt Stephan. "Er is een afdeling opgericht om ermee om te gaan, dus mensen gaan ervan uit dat het daar thuishoort. Maar als je het goed omrekent, gaat het om een serieus bedrag."
Productstamdata bevindt zich tussen functies. IT beheert de systemen. Categorie beheert de attributen. Supply chain gebruikt de planningsparameters. Financiën leest de output. Geen enkele functie is eigenaar van de levenscyclus van een product, van introductie tot uitfasering, en S&OP bevindt zich aan het einde van dit alles.
Het tempo van de planningscyclus maakt dit erger. Teams werken snel en gaan ervan uit dat gegevens correct zijn — stilstaan om te verifiëren past niet in het ritme. Teams repareren fouten voor deze cyclus. Dezelfde fouten keren terug in de volgende. Brandjes blussen wordt de norm. Teams stellen het niet langer ter discussie.
"Er is geen end-to-end eigenaarschap over data," zegt Stephan. "En dat is een fundamenteel probleem in organisaties."
Organisaties die dit hebben opgelost, doen dat niet met een eenmalige opschoning. Ze herontwerpen eigenaarschap en architectuur.
Stephan beschrijft een retailtransformatie die hij leidde, waarbij de oplossing draaide om een centrale datahub — het enige punt waar alle datastromen doorheen gingen voordat ze operationele systemen binnenkwamen. Een MDM-laag (Master Data Management) zorgde ervoor dat geen productdata planning-, bestel- of rapportagetools bereikte zonder validatie. Elke wijziging in de productlevenscyclus had één verantwoordelijke eigenaar, een gecontroleerd invoerpunt, gevalideerde parameterlogica en een reconciliatiestap vóór activering.
Vier veranderingen maakten het verschil:
Wijs één eigenaar toe. Eén functie is verantwoordelijk voor de integriteit van de productlevenscyclus in alle systemen. Het verdelen van die verantwoordelijkheid over IT, supply chain en categorie is hoe de governancekloof ontstaat.
Beheer de interfaces. Behandel dataverbindingen tussen systemen als gecontroleerde stromen. Integreer validatie in de architectuur voordat data operationele tools binnenkomt.
Integreer levenscyclusvalidatie in het S&OP-ritme. Controleer de bestelbaarheid, parametervolledigheid en levenscyclusstatus voordat planningsbeslissingen worden genomen — niet nadat er fouten zijn opgetreden.
Beschouw MDM als een cross-functionele capaciteit. Master data management omvat commerciële planning, inkoop en financiën. Het behoort niet alleen tot de supply chain. "Het is een enorm onderbelicht onderwerp," zegt Stephan.
Stephan sloot het webinar af met deze vragen:
Als die vragen geen duidelijke antwoorden hebben, dan zit daar het probleem.
Wanneer datagovernance een duidelijke eigenaar heeft, sturen planners in plaats van te repareren. Teams voeren betrouwbaar uit. Het werkkapitaal daalt. Klantbeloften worden nagekomen. Managers besteden vergaderingen aan beslissingen in plaats van aan het diagnosticeren van fouten.
"Als je de zaken vooraf goed organiseert," zegt Stephan, "creëer je tijd. Tijd om te simuleren. Tijd om anders naar het S&OP-proces te kijken. Tijd om de planning stabiel en betrouwbaar te maken."
De meeste teams wijten dit aan de nauwkeurigheid van de prognoses, beperkingen van de tools of het procesontwerp. Het structurele probleem is vaker ontbrekende of slecht beheerde productstamdata, zonder duidelijke eigenaar van de levenscyclusintegriteit over alle systemen heen.
In middelgrote tot grote organisaties besteden 4 tot 10 mensen het grootste deel van hun werktijd aan datacorrectie in plaats van aan planningsverbetering. Bovendien is 2 tot 4% van het bestelbare assortiment vaak niet uitvoerbaar door levenscyclus- of datafouten — een risico van miljoenen euro's voor organisaties met een omzet van meer dan €50 miljoen.
Een datahub centraliseert validatie: alle productdata gaat erdoorheen voordat het operationele systemen zoals ERP, planningstools of rapportageplatforms bereikt. Een MDM-laag erachter bevestigt dat data is gevalideerd, parameterlogica correct is en de levenscyclusstatus is bevestigd voordat enig systeem erop reageert.
Datagovernance heeft één eigenaar nodig met end-to-end verantwoordelijkheid voor de integriteit van de productlevenscyclus. Gedeelde verantwoordelijkheid over IT, supply chain en categorie is de belangrijkste reden waarom governance faalt. De verantwoordelijke functie verschilt per organisatie, maar de verantwoordelijkheid zelf kan niet worden gedeeld.
Ontdek hoe je je datastroom kunt optimaliseren.
Timo kan al je vragen beantwoorden!
