对企业软件的投资通常不在可忽略的范围内，因此购买决策是一个需要深思熟虑的过程。对于零售企业来说，利润率往往比其他行业要小得多。以德国食品零售商的平均利润率为例：这是一个高度集中且竞争激烈的市场，利润率仅为1-3%。因此，投资将受到严格的审查，看它们将为公司带来什么样的价值。

今天，我想简要介绍一下在SAP预测和补充方面，投资讨论通常围绕哪些方面展开：我们的客户在做出决策之前会考虑哪些因素，在投资解决方案之前，他们如何确定可量化的成本和收益？

让我们从悬而未决的成果开始：

成本

最简单的部分是确定购买软件的直接成本，例如许可、维护、实施、变更管理的成本，以及可能的额外硬件成本。

另一个方面是机会成本：–公司将为此付出多少成本保持他们目前的体制还是换个体制？这是我将在这篇博文的结尾提到的问题。

需要更复杂的讨论来掌握成本/收益分析的收益面。尤其是因为它们也包括成本：许多好处会出现在成本的降低而不是收入的增加，比如库存过剩的成本。

目标

通常，我们在参与过程的早期收到的RFI中并没有直接涉及公司的真正目标和实际需要，例如："系统应该有不同的预测方法来覆盖不同的销售模式。"（一个非常流行的方法。）

实际需要的是生成一个更准确的预测。在那个决策阶段，大数据需要学什么，达到目标的方法并不重要。仅仅看一下特性和功能并不能告诉你系统能为你的目标贡献多少——这是你最终想要知道的。

因此，云服务器主机，上海大数据，与其把你的思维局限于特性和功能，不如大胆思考！在进入RFI细节之前：

描述实际需求和总体目标衍生出可衡量的关键绩效指标，与之配套——比如描述预测质量提高、缺货减少、收入增加、必要的人工交互减少的关键绩效指标然后评估新解决方案将为您的目标带来的价值。（怎么做？–参见本文结尾）

适合

您还想了解我们的解决方案所涵盖的流程是否适合公司？Fitting不仅用于涵盖零售商的当前流程，还涉及到软件是否支持其未来业务的发展。

一个简单的例子：我们有多个客户，大淘客app，他们从一个非常手动和基于直觉的预测和补货程序的位置向我们提供。他们的流程需要太多的资源，导致一些项目积压，另一些项目缺货，最终导致现金流减少，利润率下降，从而导致增长停滞。因此，合拍并不意味着模仿他们目前的运营，也不意味着仅仅涵盖他们目前的业务。它还不止于此，帮助他们达到F&R流程的下一个复杂级别，随着公司的增长而扩展，同时提供更好的KPI。例如，这可能导致

销售预测和补货被广泛自动化的解决方案（从而加快流程并为实际需要人工交互的任务释放资源）销售预测的准确率要高得多，但它依赖于可靠的统计方法和事实，而不是个人的直觉（从而为优化库存水平提供了基础工作）公司可获得的其他信息已整合。例如，在计算预测时，会自动考虑影响未来销售的因素，如促销（从而实现更好的销售预测和更高程度的自动化）配送中心的补货不是基于扭曲的过去货物问题的猜测工作，而是依赖于汇总的商店订单预测（从而优化配送中心的库存）该解决方案随着公司的业务增长而扩展（从而确保其产生收入的能力）有可能逐步从更为手工的程序发展到更为复杂的程序………

此拟合的某些方面无法可靠地量化。您如何计算解决方案的扩展能力对产生的收入的贡献？

然而，其他项目可以变得相当有形：例如，劳动力成本、库存过剩成本、因缺货造成的收入损失成本——这些是可测量的项目，可以确定，以提供明确的决策。这就引出了最后一个问题：

如何衡量SAP预测和补货可能为公司创造的价值？

虽然评估已经实施的解决方案的成本和收益是一项可行的任务，但为一个公司尚未运营的解决方案提供这些数字似乎是一项不可能的任务。然而，要做出正确的投资决策，这正是您需要做的。

这就是为什么SAP卓越预测和补货中心提供了一项名为"价值证明"的服务：它允许公司估计SAP预测和补货可能给他们带来的好处。为此，他们用客户自己的历史数据模拟实施，并将SAP Forecasting and Requirement产生的结果与使用当前解决方案获得的实际结果进行比较。

它是如何工作的？

首先，SAP服务团队分析真实的历史销售、库存数据以及与订单流程相关的所有进一步数据，如订单/交货时间表、供应商信息等。第二，物联网设备，评估数据质量，发现缺失或不一致的数据并与客户共享。第三，团队将对情景进行建模，以模拟6到12个月期间的SAP预测和订购流程。最后，根据生成的数据生成KPI，允许评估结果，例如：降低库存成本平均缺货率损失的利润或者其他。

一旦你把所有这些放在一起，计算解决方案的投资回报几乎很容易。