Myynninennusteiden analysointi SAP:n tiedonlouhintamalleilla

Abstract

Opinnäytetyön tavoitteena on selvittää onko SAP-järjestelmän tiedonlouhintatyökaluja mahdollista hyödyntää myynninennusteiden tarkkuuden analysoinnissa. Työssä on tarkoitus joko kehittää prosessi ja malli, joiden avulla myynninennusteiden tarkkuutta voidaan mitata, tai päätellä, ettei tiedonlouhintaa voi käyttää tämän tyyppiseen analyysiin. Teoriaosuus koostuu tiedonlouhinnan teoriasta keskittyen erityisesti tiedonlouhintaan SAP-järjestelmässä. Käytännön osuuden tavoitteiden tueksi on kuvattu myynninsuunnittelu SAP-järjestelmässä. Käytännön osuus suoritetaan tapaustutkimuksena perustuen toimeksiantajan tarjoamaan testidataan. Tutkimuksen lopputulos on se, että ABC-luokitusta ja painotettuja pisteytystaulukoita voi käyttää myynninsuunnittelun onnistumisen arviointiin. Jos analyysi voidaan suorittaa yhden tunnusluvun, esim. toteuman ja ennusteen välinen ero, perusteella, paras vaihtoehto on ABC-luokitus, joka luokittelee objektit käyttäjän määrittämiin luokkiin. Jos on tarpeen käyttää useampia tunnuslukuja tai ominaisuuksia niiden lisäksi, voidaan analyysi suorittaa painotetulla pisteytystaulukolla. Opinnäytteessä on kuvattu ratkaisu, jonka avulla haluttuja asioita on mahdollista analysoida. Lisäksi on perusteltu, miksi muut tiedonlouhintamallit eivät sovellu halutun asian analysointiin.

The objective of the present bachelor’s thesis is to determine if the data mining models provided by SAP ERP can be used to analyze demand plans. The aim of the study is to either find a model and a process which can be used in defining the accuracy of the plans, or to conclude that data mining cannot be used for this kind of purpose. The theory part of the thesis consists of a description of data mining with a special focus on data mining in SAP. In addition, to support the objective of the empirical part, the demand planning process is explained. The empirical part is conducted as a case study based on an example dataset provided by the client company. The conclusion is that the ABC classification and weighted score tables can be used to analyze the success of demand planning. If the analysis can be based on one key figure, for example the difference between the forecast and the history, the ABC classification is the best alternative. If it is necessary to use several key figures or key figures and characteristics, weighted score tables can be used to take all of them into consideration. The present thesis describes a solution that can be used to analyze the accuracy of demand planning. In addition, the study explains why other models cannot be applied to this type of analysis.