Раз — горох, два — горох…: как рассчитать спрос на семена за полтора года до их продажи
Руководитель направления систем бизнес-аналитики BIA Technologies Станислав Воронин рассказывает, как одна из передовых агротех-компаний Syngenta определяет объемы производства семян для европейского рынка с помощью оптимизационной модели.
Syngenta — одна из ведущих в мире компаний-поставщиков семян и пестицидов. Syngenta была основана в 2000 году в результате слияния агрохимических предприятий Novartis и AstraZeneca. В 2017 году компания была приобретена китайской национальной корпорацией ChemChina за рекордную сумму — $43 млрд. В 2023 году Syngenta активно готовится к своему IPO. Если всё сложится по плану, то IPO компании станет событием года на Шанхайской фондовой бирже.
Одна из составляющих успеха Syngenta — внедрение в работу оптимизационных моделей, которые позволяют компании повышать эффективность, сокращать расходы и быть на шаг впереди конкурентов. Об одной такой модели — по оптимизации объемов производства семян для европейского рынка — я и хочу сегодня рассказать.
Syngenta производит зерна и семена самых разных полевых культур, таких как ячмень, пшеница, кукуруза, подсолнечник, соя, а также семена овощей и цветов. Каждая культура в продуктовом портфеле компании представлена несколькими сотнями вариантов семян (так называемых гибридов), которые отличаются своим генетическим составом. Гибриды выращиваются и обрабатываются независимо друг от друга. Syngenta аккумулирует семена и продает их фермерам более чем в 30 странах Европы. Каждый год фермеры закупают семена тех или иных сортов исходя из ожидаемой урожайности, погодных условий, состояния почвы и предполагаемой динамики цен на сельскохозяйственные культуры.
Чтобы удовлетворить потребности фермеров, Syngenta выстроила следующий цикл цепочки поставок семян (указанные месяцы релевантны для кукурузы):
- Ноябрь — декабрь, год N: создание первичных прогнозов продаж каждого из гибридов на год N+2.
- Март, год N+1: разработка плана производства семян, который определяет количество полей и объемы посева под каждый из гибридов в каждой из стран-производителей.
- Апрель — октябрь, год N+1: выращивание семян (осуществляется фермерами-подрядчиками в разных странах).
- Сентябрь — январь, год N+2: обработка и расфасовка семян.
- Декабрь — февраль, год N+2: распределение по странам и доставка семян.
- Март — май, год N+2: продажа семян (даты и продолжительность сезона продаж зависят от страны и от агрокультуры; как правило, этот период не превышает пары недель в году).
- Июнь, год N+2: сбор нераспроданного товара, большая часть которого не выдерживает длительного хранения и подлежит утилизации.
Как видно, компания начинает рассчитывать объемы производства в разрезе каждого гибрида за 15–18 месяцев до старта сезона продаж. При этом огромный горизонт прогнозирования — не единственная сложность в процессе производственного планирования Syngenta. К этим сложностям также относятся:
- производственная сеть по всей Европе, которая включает более 40 предприятий по обработке семян и тысячи ферм-поставщиков;
- разное законодательство в каждой из примерно 30 европейских стран, в которых Syngenta продает свою продукцию;
- влияние на спрос внешне- и внутриполитических событий в каждой из стран;
- необходимость одновременно учитывать специфику всех стран (затраты на производство, уровень колебания спроса, цена реализации и т. п.), поскольку один и тот же гибрид продается в среднем в четырех странах;
- наличие/отсутствие нераспроданных запасов с прошлого года;
- риск внезапной потери определенных полей по вине сорняков, болезней или неблагоприятных погодных условий;
- разные требования фермеров к уровню химической обработки семян.
От точности расчета объемов производства зависит финансовая стабильность компании. Если Syngenta поставит недостаточно семян, это приведет к высоким альтернативным издержкам и позволит конкурентам компании перехватить лидерство на рынке. Если же планировщики, напротив, переоценят будущий спрос, компании придется сжечь нераспроданные семена за собственный счет.
В связи с усилением конкурентного давления и снижением маржинальности в отрасли, Syngenta внимательно оценила свой портфель и решила использовать передовые аналитические инструменты для повышения своей прибыльности. В рамках сквозного проекта разработки, в котором были задействованы отделы маркетинга, продаж, производства, снабжения и финансов, компания создала инструмент оптимизации и осуществила его интеграцию в собственный процесс планирования производства.
На первом этапе планирования маркетологи, менеджеры по развитию и планировщики формируют прогноз спроса и сопоставляют его со стратегическими и финансовыми целями компании. На втором этапе планировщики и производственники задают входные параметры для оптимизационной модели и высчитывают с ее помощью оптимальное количество полей для посева в той или иной стране, а также оптимальный объем производства, который складывается из базового количества семян (равного прогнозируемому спросу) и страхового запаса. На третьем этапе планировщики обсуждают полученные результаты и формируют производственный план, который помогает согласовать оптимальное решение с финансовыми ограничениями и общей стратегией портфеля компании.
Производственный план — главный документ-обязательство Syngenta. Он является основой для принятия всех решений, связанных с цепочкой поставок, в течение целого года. Компания обновляет план каждый месяц при появлении обновленных данных (например, пересмотренных прогнозов спроса).
Инструмент оптимизации значительно изменил подход Syngenta к определению объемов производства, поскольку он не только рассчитывает оптимальные уровни страхового запаса для каждого из сотни гибридов в отдельности, но и облегчает обсуждения между заинтересованными сторонами в цепочке поставок семян. Например, для гибрида с сильным потенциалом роста планировщики собирались выставить максимальные значения страховых запасов, однако оптимизационная модель предложила неожиданно низкое покрытие рисков. Проанализировав ситуацию, планировщики обнаружили, что рассматриваемый гибрид отличается особо высоким уровнем брака (невозможностью долгосрочного хранения), что делает утилизацию непроданного товара чрезмерно дорогой.
В первый год использования оптимизационная модель помогла компании избежать расходов на управление нераспроданным товаром в размере примерно $1,5 миллионов.
В дополнение к нахождению оптимальных объемов производства инструмент оптимизации также помогает команде долгосрочного планирования Syngenta в управлении бюджетными ограничениями и в моделировании влияния на цепочку поставок таких проектных изменений, как смена локации посевных площадей или внедрение усовершенствованных систем орошения.
Кроме того, инструмент оптимизации выделил несколько небольших гибридов, для которых оптимальным является… нулевой объем производства. Это объясняется большой площадью полей для данных гибридов в сравнении со скромными прогнозами спроса. На основе этих рекомендаций компания ввела новую политику, которая побуждает менеджеров продуктового портфеля исключать из перечня наименее популярные гибриды.
Оптимизационная модель помогает Syngenta лучше оценивать неопределенность в своей цепочке поставок и принимать более осознанные решения на основе данных. В условиях растущей конкуренции это особенно важно для компании, которая стремится сохранить свою исторически высокую норму прибыли.
Замечу, что хотя я чаще всего рассказываю о кейсах зарубежных компаний, описанные технологии доступны и в России. Получить консультацию по вопросу оптимизации сквозного производственного планирования можно по ссылке. Ну или просто задавайте свои вопросы в комментариях :)
P. S. Если же вас интересуют математические подробности кейса Syngenta, их можно найти в англоязычной статье научного журнала Interfaces.