Sesongvarer i dagligvarebransjen og bruk av POS-data : en casestudie av Brynild Gruppen AS

Abstract

Formålet med denne oppgaven er å undersøke hvordan utfordringer ved sesong kan håndteres ved hjelp av delt informasjon i verdikjeden. Det er derfor blitt uført en casestudie av Brynild Gruppen AS. Arbeidsprosesser ved sesongene jul og påske er blitt kartlagt, tidligere sesonger er blitt analysert og butikksalgsdata (POS-data) fra Coop er blitt undersøkt. Resultatene fra undersøkelsene la grunnlaget for et nytt rammeverk for sesong, og dette er blitt testet på historiske data.

Oppgaven har benyttet både kvalitative og kvantitative metoder. Kvalitative intervjuer er foretatt med ansatte i Brynild Gruppen og butikksjefer fra ulike kjedeprofiler for å kartlegge sesongsituasjonen fra flere synspunkt. Videre er det foretatt regresjonsanalyser på POS-data for å kartlegge og forstå etterspørselen ved sesong. I tillegg er det foretatt lønnsomhetsanalyser av sesongene i 2015 og 2016. Til slutt ble det nye rammeverket for sesong testet på et utvalg Coop-butikker.

Resultatene viser at Brynild Gruppens sesongprosess består av tre arbeidsprosesser, og er basert på en push-tilnærming. Det overordnede fokuset er å fylle butikkene med mest mulig varer, for å utnytte ”varer selger varer”–prinsippet. Lønnsomhetsanalysene viste at alle sesongproduktene hadde et positivt dekningsbidrag. Samtidig viste resultatene at sesongene i 2015 og 2016 fikk et negativt resultat på tilsammen 7,8 MNOK på grunn av høye krediteringskostander.

Brynild Gruppen har en vesentlig høyere gjennomsnittlig nasjonal krediteringsandel enn hovedkonkurrentene, på 35 %, mot 20 % - 22 %. De høye krediteringsandelene skyldes en klar overestimering av sesongvarer og en manglende evne til å håndtere variasjonen i etterspørsel ved bruk av dagens strategi. POS-data-analysene viser at denne variasjonen kan forklares delvis av fjorårets salg i sesongperioden og butikkomsetning.

Ved test av det nye rammeverket ble det vist at en volumreduksjon på 35 % i kombinasjon med en ny salgsstrategi, kan føre til en reduksjon av krediteringskostnadene på 61 %. Samtidig blir sesongens dekningsbidrag redusert med 7,2 %. Videre har det blitt vist at en etterspørselsbasert strategi, i kombinasjon med et redusert totalvolum og en fordelingsmodell basert på POS-data, kan bidra til økt treffsikkerhet ved sesong.

The purpose of this study is to examine how shared information can be used to mitigate the challenges during seasons. To answer this question, a case study has been performed with Brynild Gruppen AS, a supplier in the Norwegian grocery sector. The sales and operations planning (S&OP) have been mapped, previous seasons have been investigated and point of sale data (POS data) has been analysed. The results have been used to propose a new framework, which in turn was tested on historical sales data.

This thesis has used both qualitative and quantitative methods. Qualitative interviews have been held with both employees at Brynild Gruppen and store managers from different grocery chains. This has been done to get multiple viewpoints on the seasonal process. Regression analyses have been performed on POS data to investigate the variation in demand during seasons. The profitability of Christmas and Easter in 2015 and 2016 has been analysed and evaluated. Lastly, the proposed framework’s accuracy and profitability was tested and compared to the original situation.

The results show that Brynild Gruppen’s seasonal S&OP mainly consist of three stages, which are all push-based. The overall strategy is based on filling stores as much as possible, to increase sales due to the effect of high visibility and availability at store-level. The results show that the contribution margin is positive for all seasonal products. However, the seasons of 2015 and 2016 got a total net result of minus 7,8 MNOK.

Brynild Gruppen has a substantially higher seasonal markdown percentage than its competitors, 35 % against 20 % -23 %. The high markdown percentages are due to an over-estimation of seasonal demand, and a lacking capability to deal with the variation in demand using today’s strategy. In addition, the POS-data analysis show that the variation can be partially explained by last year’s seasonal sales at store-level and total revenue of the store.

This study has shown that a 35 % reduction in production volume, along with a demand-based sales strategy, can lead to a 61 % decrease in markdown costs. At the same time, the total contribution margin was reduced by 7,2 %. This thesis has shown that a demand-based strategy, along with a reduced total seasonal volume and a distribution model based on POS-data, could increase accuracy in seasonal sales and forecasting.