Demand Planning and Field Alignment dalam FMCG: Menggunakan Data Tingkat Lapangan untuk Membangun Ramalan yang Benar-Benar Akurat

Ramalan yang dibangun dari data penjualan primer adalah ramalan perilaku stok distributor, bukan permintaan konsumen. Perbedaan itu jauh lebih penting daripada yang diakui sebagian besar tim perencanaan FMCG.

Ketika Anda mengirim 10.000 karton ke distributor, pengiriman itu tercatat sebagai pendapatan. Tetapi jika 4.000 dari karton itu masih duduk di gudang distributor tiga minggu kemudian karena pesaing menjalankan promosi harga agresif, ramalan Anda salah. Pasar tidak menyerap sebanyak yang Anda kira. Tenaga penjual lapangan Anda mungkin sudah tahu sejak hari ketiga bahwa promosi itu berkinerja buruk. Demand planner baru mengetahuinya pada hari kedua puluh satu ketika distributor melewatkan pemesanan ulangnya.

Kesenjangan tiga minggu itulah yang membuat perusahaan FMCG merugi, menumpuk stok yang bergerak lambat, dan salah membaca tren permintaan. Menutupnya membutuhkan koneksi struktural antara orang-orang yang melihat rak setiap hari dan orang-orang yang menyusun angka yang menentukan komitmen produksi dan persediaan.

Artikel ini menjelaskan bagaimana koneksi itu bekerja, apa yang perlu dihasilkannya, dan bagaimana Anda mengukur apakah koneksi itu benar-benar berfungsi.

Mengapa Kesenjangan Antara Lapangan dan Perencanaan Ada?

Tim penjualan lapangan dan tim demand planning tidak hanya bekerja di kantor yang berbeda. Mereka bekerja dengan jam yang secara fundamental berbeda dan menarik data dari sumber yang berbeda pula.

Demand planning bekerja dari masa lalu. Input utamanya adalah riwayat pengiriman, tren kategori makro, kalender promosi yang direncanakan, dan model statistik. Proses sales and operations planning (S&OP) dirancang persis untuk menyatukan input-input ini dengan realitas pasokan sehingga berbagai bagian bisnis bekerja dari asumsi permintaan yang sama, tetapi proses ini hanya berfungsi ketika sinyal konsumsi tingkat lapangan mengalir masuk ke dalamnya secara andal. Input-input ini akurat sejauh cakupannya. Mereka menggambarkan apa yang terjadi, dan mereka memproyeksikan berdasarkan pola. Tetapi mereka tidak bisa melihat apa yang sedang terjadi sekarang di tingkat toko: SKU mana yang menumpuk, rak mana yang kosong tiga hari setelah promosi berakhir, atau format modern trade baru mana yang baru saja dibuka di tepi wilayah kerja distributor dan menarik volume dari toko-toko general trade yang diasumsikan planner akan tetap stabil.

Tim penjualan lapangan melihat masa kini. Seorang tenaga penjual lapangan distributor yang mengunjungi 25 toko sehari melihat kecepatan sell-out secara real time. Seorang territory manager yang melakukan pengecekan pasar mingguan dengan peritel kunci tahu persis SKU mana yang bergerak cepat dan mana yang menumpuk debu. Seorang field supervisor yang mencakup hub regional mendapatkan umpan balik dari apotek dan toko general trade tentang apakah promosi benar-benar mendorong ukuran keranjang belanja atau hanya menekan margin.

Tetapi inilah masalahnya: tidak ada satu pun tim yang memiliki saluran terstruktur untuk berbagi apa yang mereka ketahui. Demand planning tidak bertanya, lapangan tidak melapor, dan informasinya mati dalam percakapan informal dan grup WhatsApp.

Hasilnya adalah ramalan yang terlihat presisi di atas spreadsheet tetapi dibangun dari data yang tertinggal berminggu-minggu atau berbulan-bulan dari pasar. Jadi observasi spesifik apa yang benar-benar membantu seorang planner, dan mana yang hanya kebisingan?

Fakta Kunci: Demand Planning and Field Alignment

• Metode demand planning FMCG tradisional umumnya berada pada tolok ukur 25-40% MAPE di tingkat SKU, rentang yang didokumentasikan oleh praktisi dan vendor rantai pasokan termasuk Planster dan EasyReplenish. Pendekatan yang dibantu AI dilaporkan mengurangi kesalahan ramalan secara material, estimasi industri menunjukkan MAPE 8-15% bisa dicapai, tetapi kesenjangan kualitas input akibat data lapangan yang hilang adalah pendorong utama kesalahan sebelum peningkatan model apa pun. Kedua angka ini mencerminkan tolok ukur praktisi, bukan pengukuran yang ditinjau sejawat.
• Tingkat kehabisan stok ritel global rata-rata 6,5% dari SKU pada 2023, turun dari 10,7% pada 2022 tetapi masih merepresentasikan kehilangan penjualan yang signifikan, dengan kegagalan pemesanan dan pengisian ulang di tingkat toko sebagai kategori penyebab utama, bukan produksi hulu (analisis efisiensi rantai pasokan FMI, FMI 2024).
• Riset McKinsey tentang distribusi digital di Asia berkembang menemukan bahwa perusahaan FMCG yang menggunakan sinyal permintaan digital terstruktur memiliki biaya persediaan yang jauh lebih rendah dibandingkan yang mengandalkan pelacakan manual. Perbedaan biaya 20-25% yang dikutip dalam riset channel CPG McKinsey mencerminkan kesenjangan efisiensi yang langsung diatasi oleh keselarasan field-to-planning. (McKinsey, Staying Ahead of the B2B Ecosystem Disruption in Emerging Asia)

Data Lapangan yang Memperbaiki Ramalan

Tidak semua yang diamati tenaga penjual lapangan berguna bagi demand planner. Sinyalnya harus spesifik, terstruktur, dan konsisten agar bisa digunakan. Berikut empat kategori observasi lapangan yang secara material memperbaiki akurasi ramalan.

Kedalaman stok toko dan days-of-cover di tingkat wilayah kerja. Ketika tenaga penjual lapangan mencatat tingkat stok selama kunjungan toko, data agregatnya memberi tahu demand planner apakah stok sekunder berjalan tinggi atau rendah relatif terhadap tingkat sell-out yang diharapkan. Sebuah wilayah kerja di mana toko-toko membawa 12 hari stok padahal normalnya 7-8 hari menandakan masalah pull-through. Sebuah wilayah kerja di mana toko-toko berada pada 3 hari stok menjelang periode puncak menandakan risiko kehabisan stok yang mungkin terjadi. Kedua sinyal itu tidak muncul dalam data pengiriman sampai sudah terlambat untuk bertindak.

Tingkat penyerapan promosi di toko dibandingkan proyeksi planner. Demand planner biasanya memodelkan peningkatan volume promosi berdasarkan kinerja promosi historis atau tolok ukur kategori. Tenaga penjual lapangan melihat penyerapan aktual di tingkat toko dalam hitungan hari setelah promosi diluncurkan. Jika peningkatannya berjalan 30% di bawah proyeksi di sebuah wilayah kerja kunci, itu adalah sinyal dini untuk menyesuaikan rencana permintaan, mengalihkan stok, atau mengeskalasi kinerja yang kurang baik itu ke trade marketing. Lihat Trade Marketing and Field Alignment untuk cara membangun saluran umpan balik ini ke dalam siklus promosi.

Pembukaan dan penutupan toko baru. Demand planner bekerja dari model semesta toko statis yang diperbarui secara lambat. Tenaga penjual lapangan menemui toko baru, toko yang berpindah lokasi, dan penutupan begitu terjadi. Format modern trade baru di kota yang sedang tumbuh bisa menyerap beberapa ratus karton per minggu yang tidak ada dalam rencana permintaan. Penutupan toko menghilangkan permintaan yang sedang diramalkan. Perubahan-perubahan ini menumpuk, dan selisih antara semesta toko planner dengan kenyataan semakin membesar setiap kuartal.

Aktivitas pesaing dan penggusuran rak. Ketika pesaing menjalankan promosi diskon besar atau meluncurkan SKU baru dengan dukungan kuat di toko, tenaga penjual lapangan mengamati dampaknya pada rak dengan segera. Riset Gartner tentang demand planning dengan data konsumsi menunjuk pada jenis sinyal sell-out hilir seperti ini sebagai data yang paling memperbaiki akurasi ramalan dasar, justru karena mencerminkan apa yang terjadi di rak, bukan apa yang masuk ke gudang distributor. Mereka melihat produk mereka diposisikan ulang secara sekunder, menyaksikan pemilik toko mengganti prioritas pemesanan ulang, dan mendengar umpan balik dari staf kasir. Ini persis jenis sinyal yang mengganggu permintaan yang tidak bisa dihasilkan model statistik.

Itulah bahan mentahnya. Pertanyaannya adalah bagaimana Anda membangun saluran terstruktur untuk memindahkannya dari lapangan ke dalam rencana.

Mekanisme Keselarasan

Mengamati sinyal-sinyal ini hanya berguna jika ada proses terstruktur untuk memasukkannya ke dalam sistem demand planning. Tiga mekanisme membuat koneksi itu berfungsi.

Laporan intelijen lapangan mingguan. Ini adalah templat standar yang diisi oleh territory manager setiap Jumat sebelum pukul 18.00. Templat ini mencakup lima kolom per wilayah kerja: rata-rata days-of-cover toko saat ini berdasarkan tingkatan SKU, penyerapan promosi dibandingkan rencana (dinyatakan sebagai persentase), pembukaan atau penutupan toko baru dalam minggu itu, aktivitas pesaing yang diamati dengan deskripsi singkat, dan satu peringatan tingkat SKU (kelebihan stok, berisiko kehabisan stok, atau berjalan normal). Laporan yang telah diisi diagregasi oleh regional sales manager dan diteruskan ke tim demand planning sebagai satu input tunggal pada Senin pagi. Disiplinnya ada pada desain templat: lima kolom terstruktur menghasilkan data yang bisa digunakan. Komentar bebas menghasilkan kebisingan.

Templat: Laporan Intelijen Lapangan Mingguan

Masukan territory manager ke dalam siklus S&OP bulanan. Siklus sales and operations planning biasanya terjadi sebulan sekali. Sebagian besar perusahaan FMCG menjalankan proses S&OP tanpa masukan lapangan tingkat wilayah kerja, mengandalkan regional sales manager untuk mewakili pasar. Ini berhasil ketika regional manager sudah mensintesis intelijen lapangan sebelum masuk ruangan. Ini tidak berhasil ketika mereka belum melakukannya. Bangun ringkasan pra-S&OP lapangan yang terstruktur ke dalam kalender: regional manager menyiapkan ringkasan kondisi pasar satu halaman, berdasarkan laporan intelijen lapangan empat minggu sebelumnya, dan mempresentasikannya di awal peninjauan permintaan. Demand planner kemudian memiliki konteks tingkat lapangan sebelum mempresentasikan ramalan statistik, alih-alih menemukan kesenjangan saat diskusi berlangsung.

Protokol eskalasi untuk sinyal permintaan yang mengubah rencana jangka pendek. Tidak semua sinyal lapangan bisa menunggu sampai laporan Jumat atau S&OP bulan depan. Peluncuran produk pesaing yang terlihat jelas menggusur stok Anda dari posisi display sekunder, peristiwa cuaca regional yang membanjiri rute distribusi, atau kebakaran gudang distributor yang menghancurkan dua minggu stok, semuanya adalah sinyal yang perlu sampai ke tim demand planning dalam 24 jam, bukan pada sinkronisasi terjadwal berikutnya. Definisikan jalur eskalasi: territory manager ke regional manager ke kontak demand planning dalam hari kerja yang sama. Definisikan ambang eskalasi: peristiwa mana pun yang kemungkinan mengubah permintaan lebih dari 15% dibandingkan rencana di sebuah wilayah kerja selama empat minggu ke depan. Tuliskan dan latihkan.

Tetapi data mengalir dalam dua arah. Mekanisme field alignment hanya bertahan ketika tenaga penjual lapangan melihat bahwa apa yang mereka laporkan mengubah apa yang mereka terima.

Lingkaran Umpan Balik: Apa yang Diterima Lapangan dari Perencanaan

Field alignment bukan sekadar latihan ekstraksi data. Tenaga penjual lapangan dan territory manager yang menyumbangkan intelijen perlu melihatnya tercermin dalam keputusan yang memengaruhi pekerjaan mereka. Tanpa umpan balik, laporan lapangan mingguan menjadi tugas yang dikerjakan sekadar untuk mematuhi arahan, bukan komunikasi yang mengubah apa pun. Tiga kategori umpan balik penting.

Visibilitas alokasi sebelum kehabisan stok terjadi. Ketika tim demand planning mengidentifikasi bahwa SKU berkecepatan tinggi berjalan di bawah safety stock di suatu wilayah, mereka seharusnya mengomunikasikan keputusan alokasi ke lapangan sebelum kehabisan stok terjadi, bukan sesudahnya. Tim lapangan yang menerima pemberitahuan dini tentang pasokan yang terbatas bisa memprioritaskan pelayanan toko, mengelola ekspektasi distributor, dan mengarahkan stok yang tersedia ke semesta toko bernilai tertinggi. Ini bukan pembaruan logistik; ini adalah keputusan komersial yang harus dimiliki kepemimpinan lapangan. Hubungkan ini dengan Secondary Sales and Stock Visibility untuk lapisan data real-time yang memungkinkan sinyal alokasi dini.

Konfirmasi volume promosi. Setelah tim demand memodelkan peningkatan promosi dan berkomitmen pada produksi dan pembangunan stok, lapangan seharusnya menerima asumsi yang mendasarinya: peningkatan volume yang diharapkan per wilayah kerja, alokasi stok per distributor, dan garis waktu ketersediaan produk. Ketika tenaga penjual lapangan tahu apa yang diharapkan planner, mereka bisa melaporkan kembali secara bermakna apakah itu terwujud. Ketika mereka tidak tahu rencananya, umpan balik mereka tentang kinerja promosi menjadi bersifat kesan, bukan terkalibrasi.

Waktu peluncuran SKU baru per wilayah kerja. Waktu peluncuran dalam FMCG sering berjenjang tidak merata di seluruh wilayah kerja. Tenaga penjual lapangan adalah yang terakhir tahu ketika peluncuran tertunda di wilayah kerja mereka atau kapan stok akan tiba. Mengomunikasikan tanggal peluncuran yang terkonfirmasi, jumlah alokasi awal, dan pengurutan spesifik wilayah kerja mana pun kepada kepemimpinan lapangan sebelum aktivasi komersial berarti lapangan bisa merencanakan penyemaian toko dan pengarahan distributor alih-alih berimprovisasi ketika stok tiba.

Dengan lingkaran umpan balik yang sudah terbentuk, pertanyaan berikutnya adalah bagaimana mengetahui apakah seluruh mekanisme ini benar-benar berfungsi.

Bagaimana Cara Mengukur Apakah Field-Planning Alignment Berfungsi?

Keselarasan yang tidak diukur adalah keselarasan yang menyimpang. Tiga metrik memberi tahu Anda apakah koneksi field-to-planning benar-benar berfungsi.

Akurasi ramalan di tingkat wilayah kerja. Metrik demand planning standar melacak akurasi ramalan di tingkat kategori SKU atau regional. Tambahkan potongan akurasi tingkat wilayah kerja. Jika akurasi ramalan di tingkat wilayah kerja jauh lebih buruk daripada di tingkat regional, agregasi tersebut menyembunyikan kegagalan sinyal permintaan lokal yang seharusnya ditangkap proses intelijen lapangan. Lacak mean absolute percentage error (MAPE) di tingkat wilayah kerja setiap kuartal.

Insiden OOS yang terkait dengan kesalahan ramalan. Ketika sebuah toko melaporkan kehabisan stok, telusuri kembali. Apakah itu kegagalan distribusi (stoknya ada tetapi tidak sampai ke sana) atau kesalahan ramalan (stoknya tidak ada karena permintaan diramalkan terlalu rendah)? Melacak pangsa peristiwa OOS yang bisa diatribusikan pada kesalahan ramalan mengidentifikasi seberapa besar masalah OOS itu adalah masalah perencanaan versus masalah eksekusi. Lihat Outlet Out-of-Stock Reduction untuk kerangka diagnostik lengkapnya.

Tingkat pengiriman laporan intelijen lapangan. Ini adalah metrik input. Jika territory manager mengirimkan laporan lapangan dengan kepatuhan mingguan kurang dari 90%, mekanisme keselarasan itu tidak berfungsi, terlepas dari apa yang ditunjukkan dashboard. Lacak tingkat pengiriman berdasarkan wilayah kerja dan region. Gunakan dalam percakapan kinerja regional manager.

Metrik-metrik ini tidak berdiri sendiri. Aliran data yang dihasilkannya langsung menjadi masukan bagi cara distributor dikelola dan cara keputusan route-to-market dibuat.

Integrasi dengan Operasi Komersial yang Lebih Luas

Demand and field alignment tidak berdiri sendiri. Aliran data yang diciptakannya langsung menjadi masukan bagi manajemen distributor dan keputusan route-to-market.

Ketika intelijen lapangan mengungkap bahwa wilayah kerja seorang distributor secara konsisten berjalan di bawah tingkat sell-through yang diharapkan, itu adalah sinyal bahwa entah tim van sales distributor tidak mengeksekusi dengan baik atau permintaan di wilayah kerja itu secara struktural lebih lemah dari yang diasumsikan rencana. Bagaimanapun juga, tindakannya berbeda dari tindakan yang akan Anda ambil jika kelemahan itu baru terlihat pada kesalahan penjualan primer di akhir bulan. Lihat Sales and Distributor Alignment untuk kerangka manajemen komersialnya.

Ketika intelijen lapangan mengungkap kantong-kantong geografis dengan pertumbuhan permintaan yang kuat yang tidak tercermin dalam cakupan distributor saat ini, itu adalah masukan bagi desain route-to-market: apakah Anda menambah sub-distributor, memperluas rute van sales distributor, atau beralih ke model pengiriman yang berbeda di geografi itu? FMCG Sales KPIs and Metrics memberikan struktur pengukuran yang menghubungkan intelijen lapangan dengan keputusan kinerja komersial.

Metode perencanaan yang mengatur bagaimana sinyal permintaan diterjemahkan menjadi komitmen produksi dan pengadaan, serta lapisan visibilitas rantai pasokan yang bekerja bersama field alignment untuk mengurangi ketidakseimbangan stok, dibahas di bagian Pelajari Lebih Lanjut di bawah.

Model Intelijen Lapangan Tiga Lapis

Model ini memisahkan sinyal historis yang stabil dari peristiwa komersial yang direncanakan dan observasi pasar langsung dari lapangan.

Model Intelijen Lapangan Tiga Lapis: Sebagian besar fungsi perencanaan FMCG memperlakukan peramalan permintaan sebagai masalah dua input: data pengiriman historis ditambah kalender promosi. Field alignment menambahkan lapisan input ketiga yang tidak bisa ditiru oleh kedua lapisan lainnya. Lapisan 1 adalah data pola historis (bersumber dari ERP, berorientasi ke belakang). Lapisan 2 adalah data kalender ke depan (promosi yang direncanakan, peluncuran, perubahan harga). Lapisan 3 adalah observasi pasar real-time: apa yang dilihat tenaga penjual lapangan di tingkat toko hari ini, bukan apa yang dikatakan data tiga minggu lalu. Peningkatan akurasi ramalan hampir seluruhnya berasal dari menutup kesenjangan latensi di Lapisan 3. Model statistik di Lapisan 1 tidak perlu diganti; mereka membutuhkan input yang lebih baik, dan Lapisan 3 menyediakannya.

"Ramalan yang dibangun dari data penjualan primer adalah ramalan perilaku distributor, bukan permintaan konsumen. Tim lapangan adalah satu-satunya bagian organisasi yang bisa menutup kesenjangan itu secara real time."

"Laporan intelijen lapangan mingguan bukan tugas pelaporan. Itu adalah input yang membuat rencana permintaan cukup akurat untuk layak dieksekusi."

"Tingkat pengiriman laporan intelijen lapangan adalah indikator utama. Akurasi ramalan adalah indikator tertinggal. Sebagian besar tim perencanaan hanya mengukur yang tertinggal." (Prinsip praktisi rantai pasokan; konsisten dengan literatur tolok ukur dari komunitas perencanaan lapangan.)

Kesimpulan

Intelijen lapangan adalah sinyal permintaan gratis yang secara sistematis diabaikan sebagian besar perusahaan FMCG. Informasinya ada. Tenaga penjual lapangan mengumpulkannya setiap hari melalui kunjungan toko dan percakapan distributor mereka. Tetapi tanpa saluran terstruktur untuk memasukkan intelijen itu ke dalam proses demand planning, informasinya menguap dalam percakapan santai dan utas pesan informal.

Membangun saluran ini biayanya lebih rendah daripada kehabisan stok, write-off kelebihan stok, dan ketidaksesuaian promosi yang dicegahnya. Templat lima kolom mingguan, proses ringkasan lapangan pra-S&OP, dan protokol eskalasi yang jelas bukan sistem yang rumit. Ini adalah disiplin komunikasi yang menciptakan koneksi antara tempat permintaan terjadi dan tempat permintaan direncanakan.

Setelah koneksi itu ada, ramalan membaik dengan segera. Bukan karena model statistiknya berubah, tetapi karena input-inputnya akhirnya mencerminkan apa yang sebenarnya terjadi di rak.

---

Pelajari Lebih Lanjut

• Sales and Distributor Alignment
• Outlet Out-of-Stock Reduction
• Secondary Sales and Stock Visibility
• FMCG Sales KPIs and Metrics
• Trade Marketing and Field Alignment
• Sales Forecasting Methods
• Pharma Supply Chain and Inventory Visibility