Enhancing forecast accuracy during peak promotional events in chemicals and related products' sector: Procter and Gamble business case

This thesis work explores the focal role of accurate forecasting and demand planning in production management systems, focusing on their impact on company success and operational efficiency. Drawing from experiences at P&G Italy, a global leader in the industry, the thesis work centers on the development and application of a worldwide pilot tool with the aim of support into the elaboration of the forecast demand. The analysis evaluates the tool's effectiveness during promotional events, where sales volume peaks and analyze some key measure and new functionalities developed by me in the context of the internship work I joined in the Demand Planning functional area. The aim of the analysis was to guarantee the deployment of the tool to the entire Sales community overcoming the pilot roadblocks and achieving the best results in the tests. It will be emphasized the tangible benefit of precise forecasting, including minimizing inventory shortages and optimizing overall volume sold. In contrast, inaccurate forecasting is linked to maintaining high inventory levels, risking obsolescence, and hindering customer satisfaction. Key findings highlight the tool's role in improving operational processes, reducing lead times, and ensuring timely deliveries, optimizing the daily work cycle of different functional roles within Procter & Gamble. The study extends to a comparison of promotional event performances, demonstrating improvements in key performance indicators such as Service Level, NPI level, and post hoc accuracy showing the benefits achieved through effort balance charts analysis. Looking forward, the study analyze the newest functionalities designed and deployed during the internship and suggests potential future improvements, including the adoption of Machine Learning forecasting tools. This work contributes practical overview of the new technologies in the Supply Chain nowadays stressing the importance of the demand planning role and also to the benefits and barriers into the application of complex integrated systems.

Questo lavoro di tesi esplora il ruolo centrale della previsione accurata e della pianificazione della domanda nei sistemi di gestione della produzione, focalizzandosi sul loro impatto sul successo aziendale e sull'efficienza operativa. Tratto dall’ esperienza condotta presso P&G Italia, un leader globale nel settore, il lavoro di tesi si concentra sullo studio e sull'applicazione di uno strumento, pilot mondiale, sviluppato con l'obiettivo di supportare nell'elaborazione della previsione della domanda. La ricerca valuta l'efficacia dello strumento durante gli eventi promozionali, dove si registrano picchi di volume delle vendite, e analizza alcune misure e funzionalità chiave da me sviluppate nel contesto del tirocinio svolto nell'area funzionale della Pianificazione della Domanda. L'obiettivo dell'analisi è garantire l'implementazione dello strumento all'intera comunità delle vendite superando i roadblock della fase pilota e ottenendo i migliori risultati nei test. Saranno enfatizzati i benefici tangibili della previsione precisa, tra cui la riduzione delle carenze di magazzino e l'ottimizzazione del volume complessivo venduto. Al contrario, la previsione inaccurata è collegata al mantenimento di livelli elevati di inventario, al rischio di obsolescenza e alla compromissione della soddisfazione del cliente. Le conclusioni chiave mettono in luce il ruolo dello strumento nel migliorare i processi operativi, ridurre i tempi di produzione e garantire consegne tempestive e accurate ottimizzando i tempi e la qualità del ciclo lavorativo giornaliero di diverse funzioni operative all'interno di Procter & Gamble. L'analisi si estende a un confronto delle performance degli eventi promozionali, dimostrando miglioramenti nei principali indicatori come il livello di servizio, il livello di prodotti non performanti e la precisione post-hoc. L’analisi è eseguita mostrando il miglioramento grazie all’utilizzo di effort balance charts. Guardando al futuro, lo studio suggerisce e vaglia potenziali miglioramenti, inclusa l'adozione di strumenti di previsione basati sul Machine Learning. Questo lavoro fornisce una panoramica pratica delle nuove tecnologie nella supply chain, sottolineando l'importanza del ruolo della pianificazione della domanda e anche i benefici e le sfide nell'applicazione di sistemi integrati complessi.