Hej och välkomna till ett nytt inlägg av Acando Dynamics 365 Blogg. Efter ett antal övergripande inlägg är det nu dags att djupdyka i ett av de mest intressanta utvecklingsområdena när det kommer till nya D365 for Operations, nämligen vilka möjligheter som erbjuds för att gå från data till beslut och faktisk åtgärd. Detta ämne sätter fingret på en av de hetaste trenderna inför 2017 – prediktiv analys och hur företag skall kunna dra fördel av all den data man sitter på för att kunna fatta smartare beslut.

Låt oss närma oss ämnet med hjälp av ett konkret exempel kring data, beslut och åtgärd, närmare bestämt prognostisering av försäljning. Detta är något som företag ägnat sig åt i alla tider, men som numer har blivit allt viktigare. Konkurrensen sker idag ofta på en global nivå där krav på ökade servicenivåer ständigt ökar och jakten på minskade kostnader är avgörande för ett företags överlevnad.

Nedanstående bild är en utmärkt illustration hämtad från Dynamics community som visar på förhållandet mellan data, beslut och åtgärd och hur affärsvärdet ökar i takt med att man kan få systemstöd i syfte att automatisera beslutsprocessen.

image1

Dynamics AX har i över 10 års tid haft funktionalitet för att kunna hantera försäljningsprognosticering samt inkludera detta i en huvudplaneringskörning. Däremot har det saknats systemstöd för att beräkna de faktiska kvantiteterna som skall ingå i försäljningsprognosen. Användaren har med andra ord kunnat titta på statistik i form av historisk försäljning i Dynamics AX men därefter fått tillämpa en manuell process för att komma fram till vilka kvantiteter som skall tillämpas i själva försäljningsprognosen. Min erfarenhet är att Excel har varit, och fortfarande är, ett av de vanligaste verktygen för att hantera denna manuella process.

Möjligheten att visualisera historisk försäljning har dock förbättrats i takt med att nya versioner av Dynamics AX har lanserats, exempelvis via Rollcentret samt nya rapportkomponenter. Men kärnan av problemet har kvarstått, det vill säga den manuella processen för att gå från data till beslut och faktiskt åtgärd.

Det var först när Dynamics AX 2012 R3 lanserades under 2015 som man faktiskt fick systemstöd för denna process. Denna funktion har förfinats ytterligare i och med lanseringen av D365 for Operations där tidigare lösning baserat på analyskuber i SSAS nu har ersatts med Azure Machine Learning som i sin tur är en del av Cortana Intelligence Suite (CIS).

Så hur ser då processen ut i D365 for Operations for att generera en statistisk säkerställd försäljningsprognos utifrån historisk data? I grunden kan processen enkelt beskrivas i fyra moment enligt bilden nedan:

image2.png1. Försäljningshistorik publiceras från D365 for Operations till Azure Machine Learning tjänsten.

2. En statistisk säkerställd försäljningsprogonos generereras i ML. Här finns möjlighet att välja mellan ett antal olika prognosalgoritmer så som ARIMA, ETS, STL eller automatiskt val.

3. Resultatet läses tillbaka till D365 for Operations och formuläret ”Adjusted demand forecast”. Här finns möjlighet till filtrering, aggregering samt manuell justering vid behov.

4. Prognosen godkänns och blir därmed input till huvudplaneringskörningen som i sin tur syftat till att säkerställa bekräftat behov via inköps- produktions- och överföringsorder.

Denna process är en klar förbättring jämfört med föregående version och dess lösning via SSAS, då uppsättningen är betydlig enklare och själva processen innefattar betydligt färre knapptryckningar.

Finns det då inga svagheter? Självklart finns det saker som kan förbättras. Framförallt kopplat till större organisationers behov där man oftast har en grupp av planerare som ansvarar för olika produktsortiment och där en prognos bör kunna delas upp och distribueras inom ett team för att sedan kunna konsolideras ihop och bekräftas när alla sett över sina delar. Detta är något som ofta återfinns i ”best-of-breed” lösningar inom prognostisering, men då oftast till en helt annan prislapp.

I nästa inlägg på samma ämne kommer vi att gå igenom själva parametersättningen i D365 for Operations för att sätta upp och köra en försäljningsprognosticering med hjälp av Azure Machine Learning.