Conquistando las interrupciones de la cadena de suministro
Antes de las interrupciones de la cadena de suministro de los últimos años, Polaris Inc., un proveedor líder de equipos para deportes motorizados, pronosticó la producción y los envíos en función de la innovación y la demanda del mercado. Sin embargo, desde que ocurrieron estas interrupciones, el entorno comercial se vio limitado por la oferta. Al reconocer la necesidad de una mayor velocidad y agilidad en los procesos de planificación, el equipo de Polaris Finance recurrió al poder de la solución Sensible Machine Learning (Sensible ML) de OneStream para ayudar con la previsión de la demanda.
En años anteriores, las unidades de negocio de Polaris se habían basado en un modelo de planificación financiera altamente manual con entradas como pronósticos de unidades enviadas generados por SIOP por producto, costos de productos y MSRP, costos de flete y descuentos de distribuidores para llegar a una vista de margen bruto. Este modelo se denominó "Modelo de ingresos basado en impulsores" y brindó la oportunidad perfecta para incorporar pronósticos basados en aprendizaje automático y la transición a un proceso de planificación unificado dentro de OneStream.
Poniendo a prueba el aprendizaje automático sensible
Polaris decidió enfocar su proyecto Sensible ML en su GBU de productos todoterreno de América del Norte, observando un horizonte de tiempo de pronóstico de 12 meses con un enfoque en las variables que afectan su pronóstico de unidades enviadas. Estas variables incluyeron precios de productos básicos, pedidos anticipados, porcentaje de "construcción limpia" y duraciones de construcción para envío. Los datos históricos que representan estas variables se combinarían con las unidades enviadas históricas para generar los modelos ML y sus pronósticos a futuro.
El modelo de datos históricos cubrió 181 productos, con unidades semanales vendidas desde 2016 hasta 2022. Aprendizaje automático sensato analizó estos datos, los combinó con los precios de las materias primas para el acero y el aluminio, tuvo en cuenta eventos como los días festivos y generó más de 2,800 modelos para comparar. Los modelos OneStream ML demostraron ser los más precisos, según los datos históricos. Los pronósticos de ML se ejecutaron mensualmente y se incorporaron a un pronóstico basado en impulsores.
Pronósticos más rápidos y precisos y más
Los resultados fueron impresionantes. Los pronósticos no solo fueron más precisos que con enfoques anteriores, sino que con Sensible ML, Polaris agregó velocidad y eficiencia a sus procesos de pronóstico, reduciendo los ciclos de pronóstico de días a horas.. Polaris ahora también tiene más transparencia sobre lo que hay detrás de los modelos ML, incluido información sobre los impulsores de pronóstico clave para una toma de decisiones más informada.
Proporciona un proceso de pronóstico de ML administrado por finanzas que se integra a la perfección en los procesos de planificación y pronóstico en la misma experiencia de usuario utilizada para cierre financiero y consolidaciones, conciliaciones de cuentas e informes.
“La capacidad de generar rápidamente pronósticos basados en controladores es esencial para adaptarse a nuestras condiciones comerciales cambiantes”, dijo Melanie Hermann, Directora de Procesos y Sistemas Financieros de Polaris Industries. “La incorporación de IA en nuestra planificación y pronóstico a través de la solución OneStream Sensible ML acelera el proceso de pronóstico y lo eleva aún más con poderosos pronósticos basados en datos de ML. Los pronósticos de ML sensibles han demostrado ser más precisos, y el Tablero de valor agregado brinda a los usuarios comerciales información sobre las características clave que impulsan el pronóstico para administrar, mejorar y mejorar el modelo fácilmente.."
El equipo de Polaris Data Science quedó impresionado con el proceso y los resultados. "Sensible ML convierte en mercancía la parte de mi trabajo que se puede comercializar y me permite concentrarme en dónde puedo agregar valor... con el resultado que ofrece Sensible ML", dijo Luke Bunge, gerente de productos de ciencia de datos. “Es un ahorro de tiempo increíble y te lleva a la mejor respuesta posible. El equipo hizo un gran trabajo sumergiéndonos en la herramienta... en lugar de convertirla en una caja negra".
Más información
Para las empresas de industrias que cambian rápidamente, como la fabricación de CPG, el comercio minorista y la hospitalidad, Sensible ML reduce las barreras tradicionales para la previsión de ML y mejora tanto la velocidad como la precisión de la planificación de la demanda. Esto permite a las organizaciones ajustar los planes de producción, optimizar los inventarios y reducir la volatilidad y las fluctuaciones en la planificación laboral.
Para aprender más, descargue el Estudio de caso de Polaris Inc. y comuníquese con OneStream si está listo para aprender cómo su organización puede aprovechar el poder del aprendizaje automático.