Mar 8, 2024
Optimize dairy product portfolios across raw material networks with SAP Dairy Management and SAP Profitability and Performance Management
The crucial question for the Dairy Industry is this: “Given the milk I have available at a given point in time, how can I maximize its yield and my profitability?” It sounds simple, yet two key hurdles often stand in the way of answering this question efficiently and promptly:
First, significant time is typically spent on manual efforts to merge de-coupled business processes and heterogeneous information systems, which prevents timely analysis and optimization. This hurdle is best overcome with SAP Dairy Management. SAP Dairy Management automates dairy-specific materials management processes, including the determination of COGS, based on the milk sub-components.
Second, the cost and margin transparency provided by SAP Dairy Management needs to be leveraged to optimize product portfolios across raw material networks under the constraints of supply, capacity, costs, margin, demand, and other factors.
This second hurdle is best overcome with msg global’s Optimizer for Dairy Raw Material Utilization (powered by SAP Profitability and Performance Management — SAP PaPM) which performs a constraint-based, iterative profit-optimization of product mixes.
Initially, the Optimizer for Dairy Raw Material Utilization integrates (a) material balances and consumption, contribution margin, production cost, and other elements at the sub-component level from SAP Dairy Management and (b) revenue, supply, and distribution cost, and capacity and demand (by tracking open sales orders) from S/4HANA. Then — because our product mix needs to be optimized under the constraints of consumption (from SAP Dairy Management) and demand and supply (from S/4HANA) — it converts data to a common unit of measure.
To minimize material waste, the Optimizer evaluates opening inventory, time, material expiry dates, planned inbound deliveries, manufacturing, and then prioritizes materials with the shortest expiration dates. Merging the Bill of Materials (BOM) reveals the decomposition of materials as sub-components, building a multi-level bridge to the exact quantity of components needed for each material.
Capacity is calculated per product, per production day, and by considering the capacity constraints of each machine (as per manufacturer specifications) as well as preparation time, cleaning, and changeover.
Then the data is mapped to the optimization algorithm (leveraging a native HANA R linear programming algorithm via the SAP Profitability and Performance Management R Remote Function Adapter), and an iterative optimization of product mixes is performed.
The resulting product mixes (ranked and optimized) can then be analyzed further in SAC.
The combined solution of SAP Dairy Management with the Dairy Optimizer of SAP Profitability and Performance Management hence allows the optimization of dairy product portfolios across raw material availability networks under the constraints of supply, capacity, costs, margin, demand, and other factors. With the msg solutions, dairy companies can work more efficiently, achieve higher yields, improve the accuracy of their financial forecasts, and realize higher margins.
L’intelligence artificielle (IA) est un sujet largement débattu dans de nombreux secteurs. Bien que son potentiel de transformation soit indéniable, l’industrie de la réassurance, historiquement prudente et réticente au risque, a été plus lente à adopter les nouvelles technologies, y compris l’IA.
Cette approche prudente s’explique par plusieurs facteurs: les systèmes existants ne permettent souvent pas d’intégrer des fonctionnalités basées sur l’IA, tandis que les interactions en face-à-face restent un pilier du modèle B2B en réassurance. De plus, la forte réglementation du secteur et des cultures d’entreprise traditionnellement réfractaires au risque compliquent encore davantage son adoption. Par ailleurs, de nombreuses organisations manquent de compréhension claire des bénéfices que l’IA pourrait leur apporter, ce qui renforce leur hésitation face au changement.
Cette approche prudente s’explique par plusieurs facteurs : les systèmes existants ne sont souvent pas conçus pour intégrer des fonctionnalités basées sur l’IA, et le secteur de la réassurance repose encore largement sur des interactions directes et des relations de confiance établies sur le long terme. De plus, la forte réglementation du secteur et une culture d’entreprise traditionnellement prudente face aux innovations technologiques ralentissent son adoption. Enfin, l’absence de compréhension claire des bénéfices concrets de l’IA pour le secteur alimente les réticences et freine la transition vers ces nouvelles technologies.
Malgré ces freins, la transformation numérique bouscule les modèles traditionnels de la réassurance, ouvrant la voie à de nouvelles opportunités mais aussi à des défis. Le principal obstacle à l’adoption de l’IA ne réside pas tant dans la technologie elle-même que dans l’expérience accumulée. Les systèmes d’IA et de machine learning (ML) ont besoin de volumes considérables de données pour se perfectionner. Or, bien que les algorithmes et les infrastructures existent déjà, le secteur en est encore aux prémices de l’alimentation de ces modèles avec les données pertinentes.
Pour rester compétitives, les entreprises doivent s’équiper des bonnes technologies, s’appuyer sur des experts qualifiés et disposer d’une plateforme capable d’intégrer l’IA. Cette approche leur permettra d’exploiter pleinement les analyses générées par l’IA et de prendre des décisions plus éclairées et efficaces.
L’IA s’est d’abord imposée dans les modèles B2C, mais son impact dans le B2B, notamment en réassurance, devient de plus en plus évident. Le marché de l’assurance Lloyd’s, longtemps ancré dans des processus traditionnels basés sur le papier et les interactions humaines, a récemment amorcé une transformation numérique progressive, illustrant une tendance plus large dans le secteur. Les outils d’IA apportent une véritable valeur ajoutée en améliorant à la fois la productivité et la précision grâce à l’analyse efficace de volumes massifs de données. Par exemple, ils peuvent :
- Optimiser l’évaluation des risques: Affiner les décisions de souscription grâce à une analyse approfondie des profils de risque, en s’appuyant sur des données historiques et des tendances actuelles.
- Améliorer le traitement des sinistres: Générer des synthèses automatisées à partir des rapports d’experts pour accélérer et fiabiliser la gestion des dossiers.
- Affiner les modèles de tarification: Anticiper les pertes en croisant données historiques, conditions de marché, tendances météorologiques, localisation et saisonnalité, afin d’ajuster les tarifs avec précision.
- Exploiter les documents non structurés: Extraire et résumer les informations essentielles de rapports complexes pour faciliter des décisions de souscription plus éclairées.
En automatisant et en optimisant ces processus, l’IA permet de réduire les coûts d’exploitation, d’améliorer la performance et la rentabilité, tout en offrant un avantage concurrentiel pérenne.
Une étude récente de McKinsey réalisée auprès des dirigeants des principaux assureurs européens montre que plus de la moitié d’entre eux estiment que l’IA générative (Gen AI) pourrait accroître la productivité de 10 à 20 %, tout en boostant la croissance des primes et les résultats techniques de 1,5 à 3 points de pourcentage.
Dans la gestion des sinistres, une récente analyse de BCG met en lumière des perspectives encore plus prometteuses. L’adoption de l’IA générative pourrait permettre de réduire les indemnisations de 3 à 4 % grâce à une évaluation plus précise des dommages et une détection renforcée des fraudes. Elle pourrait également diminuer les coûts d’ajustement des pertes de 20 à 30 %, offrant ainsi des économies significatives et une meilleure efficacité opérationnelle. Bien que ces chiffres concernent principalement l’assurance, des bénéfices similaires sont attendus en réassurance.
Chez msg global, nous sommes à la pointe de l’innovation technologique et intégrons l’IA à notre solution SAP S/4HANA Insurance for Reinsurance Management. Nos solutions basées sur l’IA apportent une valeur concrète et mesurable à nos clients, en améliorant leur efficacité opérationnelle et leur rentabilité.
Nous disposons d’une équipe dédiée à l’IA et à l’analyse avancée, dont la mission est d’exploiter tout le potentiel de l’IA pour créer de la valeur, tant pour msg global que pour nos clients. Grâce à des partenariats stratégiques avec des startups innovantes et des institutions académiques de renommée mondiale, telles que Harvard Business School, l’Université de Saint-Gall et le MIT, notre équipe est à l’avant-garde de l’innovation et contribue activement à la transformation du secteur.
Si vous souhaitez découvrir comment l’IA peut révolutionner vos opérations de réassurance, contactez-nous. Nous serons ravis de vous montrer comment nos solutions peuvent faire la différence pour votre entreprise.