根据美国ASCG的一份报告,2021年,美国66%的零售商遭遇了库存交付延迟,63%的零售商报告称库存出现了问题。
Planalytics致力于为不同垂直领域的公司提供商业气象服务,以准确识别天气如何影响销售。
“天机”
一直关心各类天气公司
今天我们来看一看Planalytics
气候驱动公司:
成立于1996年,总部位于美国Berwyn,Pennsylvania,成立之初企业名称为“Strategic Weather Services”,其服务重点是将气象分析(Analytics)服务于客户。
2000年更名为Planalytics,标志着Planalytics将作为供应链规划入口服务于三个垂直市场:零售,农业和能源,为企业提供气候驱动解决方案(climate-driven solutions),让天气成为衡量企业管理和业务全链条的“标尺”。
1. 从分析报告到SaaS
Planalytics从最初的气象数据提供方,发展为气象信息咨询服务公司。2004年,借助云计算技术,通过建立SaaS平台,为客户提供更加高效和快速的气象信息咨询服务。
企业客户可以登录基于Web的气象分析工具,获得与本行业相关的历史、现在、未来不同时段的气象影响咨询信息。
2.客户覆盖全行业
Planalytics主要服务于零售、农业、能源、原材料、投资管理、FBIC(冯氏集团利丰研究中心,采购、供应链、分销及零售)市场等。
2001年开设了英国办事处,主要服务于欧洲、墨西哥、拉丁美洲等国家,截止2014年,客户达到了200余家,包括可口可乐、赛百味、佳得乐、宝洁、联合利华、德国银行、海尔美国等。
3.子公司WeatherSmart
为客户提供未来14天基于逐日天气预报,针对某种商品或特定市场的销售洞察(WeatherSmart favorability forecasts),预计天气对销售的正负影响,发布频率:天。
“商业天气智能”平台:
将天气驱动需求分析技术集成到“商业天气智能”(Business Weather Intelligence)平台,平台将天气数据库、商品和企业库、决策支撑工具(decision tools)、气象专家团队、客户报告分析工具、DirectAccess(由Business ObjectsXI支撑)与客户相连接。
决策支撑工具可通过商业天气智能进入(SaaS方式),基本覆盖受天气影响的行业,涉及整个产品生态,包括销售季前规划、季中调配、季后分析。主要工具有:
时段 | 工具 | 简介 |
季前 | Planalytics Vision™ | 提前18个月的战略规划。 |
Planalytics Planner™ | 某类商品季前销售计划。 | |
季中 | Planalytics Allocation™ | 季中销售分配(可用于季前)。 |
Planalytics Executive WeatherBrief™ | 1周简报,帮助快速提升销售额。 | |
Planalytics DemandAnalyzer™ | 特定市场的逐日需求分析,预估需求水平。 | |
Planalytics Distribution™ | 针对特定地理位置提醒未来1周销售风险和异常报告工具。 | |
Planalytics Seasons™ | 帮助商家(买卖双方)了解销售季整体情况(可用于季前)。 | |
Planalytics MediaPlan™ | 提醒销售和媒体销售季开始日期。 | |
Planalytics MediaTimer™ | 基于商品/市场气温阈值的短期电子商务工具。 | |
Planalytics EnergyBuyer™ | 能源成本和风险暴露价格分析工具(可用于季前)。 | |
季后 | Planalytics DirectAccessSM | 查询报表工具。 |
Planalytics 20/20™ | SWOT分析工具。 |
Haier :
报告人:Petter Roffe,Haier America的ACG(Air Conditioner Group)产品经理
1. 业务分类:
Room Air Conditioners、Portable Air Conditioners、Dehumidifiers(除湿器)。
2. 业务节点:
受天气直接影响最严重的3个业务环节,Carry-overInventory(结转库存)、Returnof Unsold Goods、ReducedPricing/Markdowns(降低定价/降价促销)。
关键时段:3月中旬-8月。
3. 天气工具:
季前:未来1年逐月展望,这是最重要的工具。该工具滚动提供过去10年逐月天气距平。
季中:WeatherVue(周报)、Heat Wave Alerts(热浪预警)。
“天气驱动需求分析”技术:
Planalytics的服务过程是以“天气驱动需求分析”技术(weather-drivendemand analytics)为核心的天气驱动需求规划过程(The Weather-Driven DemandPlanning Process)。
1. 天气敏感性(Weather sensitivity)
用来量化由于天气变化(标准化波动)导致的客户行业业务波动的百分比。
2. 去天气化(Deweatherize)
(1)原因:对单个市场的销售额来说,过去(或去年)的销售数据已经受到了当时天气条件的影响,会得到一条被“天气化”的历史销售曲线。以这条看似“不正确”曲线为种子(seed)或“基线”(baseline)去预测未来的销售计划,历史固有的天气影响就会映射到被预测年份的销售计划中。
由于,一周天气出现重复的概率只有25%,所以,这样的预测会出现很大误差。
(2)方法:“去天气化”过程是利用Planalytics的一系列天气驱动需求模型(weather-drivendemand models)和基于气候变化的季节气候均值,将天气影响从某类商品、某个市场、某时间段的历史销售数据中“剔除”,最终得到一条“无天气”(weather-neutral)历史销售曲线,该曲线仅受市场和地区因素影响。这条销售曲线将作为预测未来销售计划的基线。对于去年的销售曲线,“去天气化”过程处理将效率提升了3倍。
(3) 应用:
a) 整合到零售业企业资源计划系统(ERP(Enterprise Resource Planning )),包括:规划、分配、销售等环节。
b) 客户可以使用自己真实的网点销售数据,在SaaS平台上分析。
c) 已经集成在Planalytics的产品数据库(250种模型),客户也可以使用现成的规划指导,或作为基准与本行业特定的需求结构比较。
3.天气化(Weatherization)
(1)方法:基于“去天气化”过程得到的“无天气”历史销售曲线,对于天气影响的销售波动进行预测(<1个月),为企业提供建议,使企业能够主动行动,提前采取措施,适应天气驱动的需求波动。
(2)应用:
a) 季中补货与分销
b) 网络营销和媒体定时
c) 减价优化
d) 店铺运营
几点思考:
1. 气候数据库
建立过去30年主要城市气象资料历史数据库,并逐年滚动更新,便于快速查询、研究分析、客户使用。
2. 季节调整方法
Planalytics的“去天气化”过程与“季节调整”法类似,或寻找类似剔除干扰因素分析的方法,进一步了解算法,模拟测试其效果后才能进行产品化。
联系客服