Jul 1, 2024
One of the biggest challenges for a low-margin dairy processing company with highly volatile raw material prices is the transparency of profitability analysis. The existence of contradicting profit drivers and inhomogeneous cost structures can make profitability analysis even more challenging.
When it comes to calculating customer-level profitability, the best place to start is to break it down into tiers. This approach enables the calculation of profitability and analysis at any or all tiers, which gives the ability to drill down or drill up within reports.
Maintaining a single source of truth with real-time data is exhausting due to the continuous collection and collation required from multiple sources, demanding regular and ongoing maintenance. However, optimum profitability analysis can be easily achieved without manual data collation, formulation, and analysis by introducing SAP S/4 Hana, SAP S/4 Dairy Management, and SAP Profitability and Performance Management (SAP PaPM). These solutions work together to provide seamless visibility, calculation, population, and reporting from multiple data sources at each step of the process or for the entire process.
SAP S/4 HANA assembles financial statements, revenue, and direct and indirect costs. SAP S/4 Dairy Management enables the collection of direct production costs, primarily excelling in the costing of milk and milk equivalent subcomponents, e.g., Fat, Protein, Lactose, and other solids, as well as indirect costs that are not directly connected to production, e.g., laboratory analysis.
SAP PaPM directly enriches data from SAP S/4 HANA, SAP Dairy Management, or any other system or file. In SAP PaPM, joining, allocating, and calculating data, including KPIs, becomes straightforward. Once the data is prepared, the previously tedious tasks of reporting, analyzing, and running "what-if" scenarios can be effortlessly executed with a single click.
Picture 1:
Challenge: Multi-Dimensional Profitability Analysis
Solution: SAP Profitability and Performance Management (SAP PaPM) for Dairy Profitability Management
For faster, easier, and more detailed understanding and calculation of the data model, it is split into tiers, each calculating specific sets of data:
- Tier 1 is reserved for Trade terms, which include:
- Gross Sales Value: uses sales price per item and total items sold from the S/4 Sales and Distribution module.
- Net sales value: uses gross sales value, then deducts returns, allowances, and discounts.
- Gross margin: uses net sales value, then deducts costs of goods manufactured.
- Tier 2 is reserved for Product margin, which includes all supply chain costs (inbound logistics, warehousing, logistics, etc.) from SAP Extended Warehouse Management.
- Tier 3 is reserved for calculating incremental sales, including customer activity costs.
The ability to calculate customer margin in SAP PaPM using S/4 HANA and SAP Dairy Management data ensures accurate and timely decisions can be made to maximize profitability.
Picture 2:
Challenge: Customer-Level Profitability Analysis
Solution: SAP Profitability and Performance Management (SAP PaPM) cost-to-serve for Dairy
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.