מבט-על על תכנון ביקושים

תכנון-ביקושים הוא תהליך יצירת תחזית-ביקוש מאוחדת, המשמשת כקלט הקובע לכל שאר ה-S&OP — אספקה, מלאי וכספים. ב-SAP IBP מודול ה-Demand מאחד תחזית סטטיסטית, תכנון-שיווק/מבצעים, ושיתוף-פעולה אנושי, אל תוך מספר-תחזית אחד מוסכם (consensus demand). תחזית טובה מקטינה מלאי-עודף ומחסור גם-יחד, ולכן היא הנכס בעל-הרגישות-הגבוהה-ביותר בכל שרשרת-האספקה: שגיאת-תחזית של אחוזים בודדים מתורגמת ישירות לעלויות ולשירות-לקוח. גישת חיזוי הביקוש — גישת-החיזוי קובעת כיצד מפיקים את תחזית-הבסיס: סטטיסטית-טהורה (מבוססת-היסטוריה), מבוססת-מניעים (driver-based), חיזוי-קצר-טווח (demand sensing), או שילוב. הבחירה תלויה בזמינות-היסטוריה, באופק-התכנון, וביציבות-הביקוש. גישה נכונה היא ההבדל בין תחזית שמתעדכנת לבדה לבין תחזית שדורשת תיקון-ידני מתמיד. אסטרטגיית תכנון הביקוש — אסטרטגיית-תכנון-הביקוש מגדירה את מסגרת-העבודה: אופק-תכנון (planning horizon), פרק-זמן (bucket — שבוע/חודש), גרנולריות (planning level), תדירות-מחזור (planning cycle), ותפקידי בעלי-העניין. היא ה'חוקה' שלפיה נבנה כל התהליך, ומבטיחה שהתחזית תתאים לקצב-ההחלטות העסקי. תהליך תכנון הביקוש — תהליך-תכנון-הביקוש הוא רצף חוזר: טעינת-היסטוריה ← ניקוי/הכנת-נתונים ← הרצת-תחזית-סטטיסטית ← התאמות (שיווק/מכירות/מבצעים) ← איחוד-consensus ← אישור ונעילה ← מסירה ל-Supply ← מדידת-דיוק. כל מחזור מזין את הבא, וכך התחזית משתפרת לאורך-זמן.

תכנון-ביקושים פירושו 'לנחש בצורה חכמה כמה יימכר'. במקום ניחוש בעלמא, IBP מסתכל על מה שנמכר בעבר (היסטוריה), מזהה דפוסים (מגמה, עונתיות), ומחשב תחזית למה שיימכר בעתיד. אחר-כך אנשים-אמיתיים מתערבים: השיווק מוסיף מבצע, מנהל-מכירות מתקן לפי ידע-שטח. התוצאה היא 'מספר אחד מוסכם' שכולם עובדים לפיו. זה הצעד הראשון — כל השאר (כמה לייצר, כמה להחזיק במלאי) נגזר ממנו. גישת חיזוי הביקוש — יש כמה דרכים 'לחזות': להסתכל רק על העבר (סטטיסטי), להסתכל על דברים שמשפיעים על המכירות כמו מחיר ומזג-אוויר (מבוסס-מניעים), או להגיב מהר מאוד למה שקורה השבוע (demand sensing). בוחרים את הדרך לפי כמה היסטוריה יש ולכמה זמן קדימה מתכננים. אסטרטגיית תכנון הביקוש — לפני שמתחילים לחזות, מחליטים על 'כללי-המשחק': לכמה זמן קדימה מתכננים? ביחידות של שבועות או חודשים? באיזו רמת-פירוט (כל מוצר? כל משפחה?)? כל כמה זמן מרעננים? ומי אחראי על מה? כל ההחלטות האלה ביחד הן האסטרטגיה. תהליך תכנון הביקוש — התהליך הוא 'מתכון בשלבים' שחוזר על עצמו כל חודש: מביאים נתוני-עבר, מנקים אותם, נותנים למחשב לחזות, אנשים מתקנים, מאחדים למספר אחד, מאשרים, ומעבירים הלאה. בסוף בודקים כמה דייקנו — וכך לומדים לחזות טוב יותר בפעם הבאה.

המטרה: לייצר מספר-ביקוש אחד, מהימן ומשותף, שיהווה את הקלט היחיד לתכנון-האספקה ולתכנון הפיננסי. תחזית מאוחדת מונעת 'מספרים מתחרים' בין מחלקות, מקטנת bias, ומאפשרת קבלת-החלטות מבוססת-נתונים בישיבת ה-S&OP. גישת חיזוי הביקוש — להתאים את שיטת-החיזוי לאופי-הביקוש ולאופק, כדי למקסם דיוק ולמזער התערבות-ידנית. אסטרטגיית תכנון הביקוש — ליצור מסגרת-תכנון עקבית התואמת את מחזור-ההחלטות העסקי, כך שהתחזית תהיה רלוונטית, ניתנת-לתחזוקה, וברת-מדידה. תהליך תכנון הביקוש — להפוך את תכנון-הביקוש לתהליך מובנה, חוזר וניתן-למדידה, במקום מאמץ-אד-הוק חודשי.

• SAP Fiori Launchpad ► Demand Planning ► Manage Forecast Models • Excel ► SAP IBP ribbon ► New View ► טעינת Actuals + Statistical Forecast + Consensus Demand • SAP Fiori Launchpad ► Application Jobs ► Statistical Forecasting (תזמון/ניטור הרצה) • SAP Fiori Launchpad ► Demand Planning ► Manage Forecast Models ► בחירת Forecasting Approach • Excel ► SAP IBP ► Statistical Forecasting ► בחירת model/operator • SAP Fiori Launchpad ► Configuration ► Time Profiles / Planning Areas (הגדרת אופק ו-buckets) • Excel ► SAP IBP ► New View ► Planning Level (בחירת גרנולריות) • SAP Fiori Launchpad ► Application Jobs ► Schedule (preprocessing → forecasting → snapshot) • Excel ► SAP IBP ► עריכת Marketing Uplift / Sales Override ← Consensus Demand • SAP Fiori Launchpad ► Manage Forecast Error (Forecast vs Actuals)

• תכנון-ביקושים = הקלט הקובע לכל ה-S&OP.
• המטרה: מספר אחד מוסכם (consensus) מאוחד.
• סטטיסטי + שיווק + אנושי → תחזית אחת.
• מדידת forecast error היא תנאי לשיפור מתמשך.
• אין גישה-אחת-לכולם — מתאימים לפי אופי-הביקוש.
• סטטיסטי / driver-based / demand sensing — שלושת העמודים.
• ABC/XYZ הוא המדריך לבחירת-גישה.
• אסטרטגיה = אופק + bucket + גרנולריות + מחזור + תפקידים.
• תכנן ברמה שיש בה אות, פזר ל-SKU.
• תאם את המחזור ללוח-ה-S&OP.
• התהליך חוזר ומדיד — לא אד-הוק.
• אוטומט עם chained Application Jobs.
• snapshot בכל מחזור = למידה מתמשכת.

בארגון (מפעל-מילוי משקאות): הביקוש למשקאות-קלים עונתי בחדות — שיא בקיץ ובחגים. תכנון-הביקושים מתחיל מ-Statistical Forecast לכל SKU×לקוח×אזור, מוסיף uplift למבצעי-קמעונאות (1+1, מדפים), ומאחד ל-Consensus Demand שמזין את תכנון-קווי-המילוי. דיוק-התחזית נמדד מול Actuals כדי לכוונן את המודלים מדי-עונה. בחברת-מוצרי-צריכה: מערכת מושכת 36 חודשי-מכירות היסטוריים ל-IBP; ה-Statistical Forecasting operator מריץ Holt-Winters ומפיק תחזית-בסיס ל-18 חודשים; השיווק מוסיף uplift למבצע-קיץ; מנהלי-המכירות מתקנים אזורית ב-Excel add-in; התחזיות מתאחדות ל-Consensus Demand, שננעל ומועבר כקלט ל-Supply Planning. גישת חיזוי הביקוש — בארגון: משקה-דגל יציב → Holt-Winters; משקה-מבצע תלוי-קמעונאות → driver-based (מחיר, מבצע, חג); מוצר-נישה אזורי → Croston (ביקוש מקוטע). מוצר נפוץ ויציב מקבל Holt-Winters אוטומטי; מוצר תלוי-מחיר מקבל מודל driver-based עם מחיר ומבצע כ-drivers; מוצר עם sales-orders פתוחים מקבל demand sensing לתיקון 4 השבועות הקרובים. אסטרטגיית תכנון הביקוש — בארגון: אופק 18 חודשים ל-S&OP אך demand sensing ל-8 שבועות; bucket חודשי לתכנון, שבועי לביצוע; גרנולריות SKU×לקוח-מפתח×אזור-הפצה; מחזור חודשי המתואם עם לוח-מבצעי-הקמעונאות. חברה קובעת: אופק 18 חודשים, bucket חודשי, גרנולריות Product×Customer×Location, מחזור חודשי. כל חודש מורצת תחזית, מתאחד consensus, ננעלת גרסה, ונמדד דיוק מול הגרסה הקודמת. תהליך תכנון הביקוש — בארגון: תהליך חודשי — preprocessing מנקה outlier של שיטפון-הזמנות חד-פעמי; Holt-Winters רץ לכל SKU; מנהלי-אזור מוסיפים uplift למבצעי-קיץ; consensus מתאחד; ננעל ונשלח לתכנון-קווי-המילוי; דיוק נמדד מול מכירות-בפועל. יום 1: job-שרשרת מנקה outliers ומריץ Holt-Winters. ימים 2–4: שיווק ומכירות מתקנים ב-Excel. יום 5: ה-consensus מתאחד אוטומטית. יום 6: מנהל-הביקוש מאשר ונועל גרסה. יום 7: מסירה ל-Supply. בתחילת-המחזור-הבא: snapshot של דיוק מול actuals.

• planning area הכולל key figures לכל שלב: Actuals Qty, Statistical Forecast Qty, Consensus Demand Qty. • time profile (לדוגמה Technical Week / Month / Quarter) — הגרנולריות שעליה רץ החיזוי. • planning levels בגרנולריות Product-Customer-Location-Month לתחזית מפורטת. • snapshots key figures (Statistical Forecast snapshot) למדידת forecast error לאורך-זמן. גישת חיזוי הביקוש • בחירת operator: Statistical Forecasting (univariate) מול driver-based מול Demand Sensing. • שיוך גישה לפי segment (ABC/XYZ) — מודל אחר לכל קבוצת-מוצרים. אסטרטגיית תכנון הביקוש • time profile עם levels (Week/Month/Quarter) — קובע buckets ואופק. • lowest planning level לתחזית — איזון בין דיוק-סטטיסטי לשליטה. • planning cycle ו-versions/scenarios לניהול מחזורי-התכנון. תהליך תכנון הביקוש • chained Application Jobs: preprocessing → Statistical Forecasting → snapshot → disaggregation. • key figures להתאמות: Marketing Uplift, Sales Override; key figure calculation ל-Consensus Demand. • version לנעילת-מחזור ו-snapshots למדידת-דיוק.

נתוני אב • Product / Customer / Location / Product Family — אטריביוטים לגרנולריות התחזית. • Actuals Qty = key figure היסטוריה · Statistical Forecast Qty · Consensus Demand Qty. • ABC/XYZ classification key figures — לסיווג מוצרים לפי נפח ותנודתיות. שאלות ראיון מהו consensus demand? מספר-ביקוש אחד מוסכם המאחד תחזית סטטיסטית, התאמות-שיווק ושיתוף-פעולה אנושי, ומשמש כקלט היחיד לתכנון-האספקה. אילו שלושה מנגנוני-ביקוש מספק IBP for demand? Statistical Forecasting (מודלים על היסטוריה), Demand Sensing (תיקון קצר-טווח לפי אותות), ו-consensus (שיתוף-פעולה אנושי). מדוע מודדים forecast error? כדי לדעת אם התחזית משתפרת, לזהות bias, ולכוונן בחירת-מודלים — בלי מדידה אין שיפור. מתי בוחרים driver-based על-פני סטטיסטי? כשקיימים מניעים חיצוניים מובהקים (מחיר, מבצע, מזג-אוויר) עם היסטוריה אמינה שמסבירה את הביקוש. כיצד ABC/XYZ מנחה את בחירת-הגישה? AX (נפח-גבוה/יציב) → סטטיסטי; intermittent/CZ → Croston או ידני; מובלי-מבצע → driver-based. מה כוללת אסטרטגיית תכנון-ביקוש? אופק, bucket, גרנולריות (planning level), תדירות-מחזור ותפקידים — מסגרת-העבודה הכוללת. מהי הסכנה בגרנולריות נמוכה-מדי? מעט היסטוריה לכל צומת שובר את המודלים הסטטיסטיים ויוצר תחזית רועשת ולא-יציבה. מהם שלבי תהליך תכנון-הביקוש? טעינה→ניקוי→תחזית-סטטיסטית→התאמות→איחוד→אישור/נעילה→מסירה→מדידת-דיוק; מחזורי. מהו management by exception בהקשר זה? אוטומציה מטפלת ברוב-הפריטים; התכננים מתערבים רק בחריגים (שגיאת-דיוק/אירוע חריג). נושאים קשורים • S&OP · מודל וניווט IBP (פרק 2) • S&OP · תכנון אספקה

• התחזית לא מתעדכנת ➔ בדוק שה-Statistical Forecasting job רץ והצליח ב-Application Jobs. • Consensus ריק ➔ ה-key figure calculation לא מאחד את שכבות-הקלט; בדוק נוסחאות-איחוד. • מספרים לא תואמים בין Excel ל-Web UI ➔ planning area / version שונים נטענו. גישת חיזוי הביקוש • תחזית 'שטוחה' למוצר עונתי ➔ נבחרה גישה לא-עונתית; עבור ל-Holt-Winters. • תחזית קופצת לפריט-נישה ➔ univariate על intermittent; עבור ל-Croston. אסטרטגיית תכנון הביקוש • תחזית רועשת מאוד ➔ גרנולריות נמוכה-מדי; שקול תכנון ברמה גבוהה יותר ו-disaggregation. • ישיבת S&OP עם נתונים לא-עדכניים ➔ מחזור-התכנון לא מתואם עם לוח-הישיבות. תהליך תכנון הביקוש • ה-consensus לא משקף התאמות ➔ key figure calculation לא כולל את ה-override; בדוק נוסחה. • ה-chained job נכשל באמצע ➔ בדוק תלות בין ה-jobs ב-Application Jobs log. • אין נתוני-דיוק ➔ snapshot לא רץ או לא נשמר לגרסת-המדידה.

• תכנון-ביקושים = הקלט הקובע לכל ה-S&OP. • המטרה: מספר אחד מוסכם (consensus) מאוחד. • סטטיסטי + שיווק + אנושי → תחזית אחת. • מדידת forecast error היא תנאי לשיפור מתמשך. • אין גישה-אחת-לכולם — מתאימים לפי אופי-הביקוש. • סטטיסטי / driver-based / demand sensing — שלושת העמודים. • ABC/XYZ הוא המדריך לבחירת-גישה. • אסטרטגיה = אופק + bucket + גרנולריות + מחזור + תפקידים. • תכנן ברמה שיש בה אות, פזר ל-SKU. • תאם את המחזור ללוח-ה-S&OP. • התהליך חוזר ומדיד — לא אד-הוק. • אוטומט עם chained Application Jobs. • snapshot בכל מחזור = למידה מתמשכת.