Tijdens het webinar Level Up Your FP&A in Pharma & Biotech hebben we dat besproken. Financeteams in pharma managen een planningsprobleem dat EPM (Enterprise Performance Management) oplost en Excel nooit zal doen. Niet omdat Excel niet kan rekenen, maar omdat het coördineren van 50.000 producten in 50 landen via spreadsheets per mail geen planningsproces is. Het is een dataverzamelingsoefening met een planningskalender eraan vastgeplakt.
Het planningsvolwassenheidsmodel: waar farmaceutische organisaties zich daadwerkelijk bevinden
Finext brengt de mate van integratie van bedrijfsplanning in kaart aan de hand van acht niveaus. Als je weet waar je staat, kun je bepalen welk probleem je het eerst moet aanpakken.
Niveau 0: Alleen spreadsheets. Planning vindt volledig plaats in Excel. Geen gedeeld model, geen versiebeheer, geen audittrail.
Niveau 1: Ondersteund door een database. Budgetresultaten komen in een centrale database terecht, maar de invoer is nog steeds handmatig en versnipperd over teams.
Level 2: Procesgestructureerd. Planning volgt een kalender. Reviews vinden plaats. Het model mist nog analytische intelligentie.
Level 3: Driver-based planning. Multidimensionale, driver-based modellen vervangen statische spreadsheets. De meeste farmabedrijven hebben moeite om dit niveau te bereiken. De stap van Level 2 naar Level 3 is geen software-upgrade. Het vereist een herbezinning op data-eigendom binnen de organisatie.
Level 4: Voorspellende forecasting. De datakwaliteit is hoog genoeg om historische patronen te laten sturen op geautomatiseerde baselines.
Level 5: Bedrijfsintegraat. Sales, supply, workforce en finance delen één verbonden model. Operationele en financiële data bewegen gelijk op.
Level 6 tot en met 8: Uitgebreid en keten-geïntegreerd. Plannen reiken tot buiten de organisatie naar klanten en leveranciers. Het aanvullingssignaal van een retailer voedt de productieplanning van de leverancier in real time.
De meeste farmabedrijven die bij Finext aankloppen, zitten tussen Level 1 en Level 2 in. Sommige bevinden zich op Level 3, maar met hiaten die het drivermodel meer theoretisch dan operationeel maken.
Pharma Demand Planning: het probleem van incourante voorraad
Farmaceutische demand planning brengt een beperking met zich mee die de meeste sectoren niet kennen: houdbaarheid. Wanneer een product onverkocht de vervaldatum nadert, kiezen bedrijven tussen een volledige afschrijving of bulkverkoop tegen nul marge. Geen van beide uitkomsten stond in de forecast.
De grondoorzaak is een structurele disconnectie tussen sales en supply. Salesteams optimaliseren op volume. Supplyteams optimaliseren op productie-efficiëntie. Geen van beide teams ziet de cijfers van de ander vroeg genoeg om ze te reconciliëren.
Integrated business planning lost dit op door beperkte supplycapaciteit en onbeperkte salesambitie in hetzelfde planningsproces te brengen, met heldere verantwoordelijkheid om het gat te dichten voordat de voorraad verloopt.
Een implementatie van Finext betrof een farmabedrijf met 50.000 lokale producten, 900 saleskanalen en activiteiten in meer dan 50 landen. Ruim 1.000 mensen waren betrokken bij het planningsproces. Elk lokaal team werkte in geïsoleerde Excel-bestanden. De enige taak van het globale team was consolidatie. Ze hadden geen tijd meer over voor analyse.
De oplossing koppelde de EPM-tool aan het centrale datawarehouse. Producten met hoge prioriteit krijgen handmatige lokale input, waar teams echte marktkennis hebben. Producten met een lage prioriteit en stabiele vraag draaien op voorspellende baseline-algoritmen. Lokale gebruikers kunnen die baselines overschrijven wanneer ze over specifieke informatie beschikken. Het globale team krijgt direct een geconsolideerd overzicht zodra de lokale input binnenkomt, zonder te wachten tot iedereen heeft ingediend.
R&D en vaccinfinanciering: plannen voor portefeuillerisico
CEPI (de Coalition for Epidemic Preparedness Innovations) financierde vaccinontwikkeling voor ziekten waar commerciële pharma geen prioriteit aan geeft. Tijdens COVID-19 schaalde overheidsfinanciering snel op, en een team dat was gebouwd voor zorgvuldig langetermijnportfoliobeheer moest miljarden volgen over tientallen actieve programma's tegelijkertijd.
Finext bouwde een EPM-model met twee sporen voor CEPI.
Het eerste spoor dekt bijdragen: geld binnen via overheden, stichtingen en multilaterale fondsen. Het model integreert met Salesforce om gecontracteerde van niet-gecontracteerde verplichtingen te scheiden, verwachte instromen per ziekteprogramma in kaart te brengen en financieringsgaten te signaleren voordat ze programmarisico's worden.
Het tweede spoor dekt R&D-investeringen: geld uit. Risico- en vertragingsfactoren zijn direct ingebed. Als een programma € 10 miljoen uitgeeft tegen een budget van € 20 miljoen, leest het model de onderuitputting als een planningsrisico, niet als een besparing. Portfoliomanagers zien of een programma voorloopt, op schema ligt of in de problemen zit. Niet alleen of de regel sluit.
Voor de implementatie nam dat inzicht twee weken in beslag. Na afloop: één tot twee dagen.
Multinationale workforce planning en OPEX
Farmabedrijven die in meerdere landen opereren, kampen met een workforce planning-probleem dat vermenigvuldigt met elke entiteit die wordt toegevoegd. Pensioenregelingen, sociale premies, vakantietoeslagen en contractstructuren verschillen per land. Wanneer een overheid midden in de budgetcyclus een tarief wijzigt, moet iemand elke getroffen rij in elke lokale spreadsheet zien te vinden.
Dat gebeurt zelden probleemloos. Cijfers lopen uiteen. Reforecasts kosten dagen.
Het alternatief is een global workforce planning-model waarin een administrator één parameter bijwerkt. Elke entiteit, elke valuta en elk land herberekent direct. Finance ziet nauwkeurige cijfers zonder HR achterna te hoeven zitten. Bedrijfsonderdelen voeren hun eigen headcount-data rechtstreeks in, omdat zij die kennis bezitten en finance niet.
Finance business partnering werkt alleen wanneer finance niet de databottleneck is. Het model moet de eigendom daar neerleggen waar de kennis zit, terwijl het finance de zichtbaarheid geeft om ernaar te handelen.
Driver-based cashflow
Handmatige cashflow forecasting in de pharma betekent doorgaans dat treasury werkt vanuit aannames over ontvangsten, betalingen en voorraad in een spreadsheet die losdraait van de P&L.
Finext vervangt dat door een cashconversiecyclusmodel gebaseerd op drie drivers: DSO (Days Sales Outstanding), DPO (Days Payable Outstanding) en DIO (Days Inventory Outstanding). Cashflow vloeit voort uit realisatie en de geforcaste P&L. Zodra de forecast verandert, werkt de cashflow direct mee. Treasury hoeft niet te wachten tot finance een bestand stuurt.
Wat xP&A betekent voor pharma finance
Traditionele FP&A levert financiële outputs. xP&A (Cross-Departmental Planning) behandelt die outputs als het resultaat van drivers binnen de hele organisatie: commerciële forecasts, demand plans, supply constraints, personeelskosten en R&D-pijplijnen.
Voor pharma is dit cruciaal omdat het financiële resultaat een gevolg is van beslissingen in sales, supply chain, productie en R&D. Een FP&A-team dat uitsluitend werkt met financiële input loopt altijd achter de feiten aan. Een xP&A-model geeft finance de handvatten om bij te dragen voordat de cijfers vaststaan.
De S&OP-processen die werken in grote pharma-organisaties zijn bijna altijd gebouwd op een goed functionerende xP&A-integratie. De processen die vastlopen, ontberen dit meestal.
AI in pharma planning: wat eraan komt en wat ervoor nodig is
AI-integratie in EPM-platformen verschuift van pilot naar productiefunctie. De functionaliteit op korte termijn is scenario planning via natural language prompts.
In plaats van door templates te navigeren om een decemberpromotie te modelleren door volume aan te passen, capaciteit te controleren en de bezetting van de productielijn te bekijken, typt een planner: "Pas in december een promotie van 10% toe voor dit product en toon de impact op de capaciteit van deze productielijn." Het model draait het scenario.
Dit vervangt de planner niet. Het verkleint de afstand tussen een businessvraag en een antwoord.
Organisaties op Level 3 en hoger, met schone data en werkende drivermodellen, zijn klaar om deze tools direct te gebruiken wanneer ze beschikbaar komen. Organisaties die nog op spreadsheets werken, besteden de komende twee jaar aan het bouwen van de basis voordat AI een relevante optie wordt.
FAQs: EPM en integrated planning in pharma
Wat is EPM in pharma en waarom is het belangrijk?
EPM (Enterprise Performance Management) combineert financial planning, budgeting, forecasting en reporting in één model. Voor pharma betekent dit dat demand planning, workforce planning, supply chain constraints en R&D portfolio management voeden vanuit één enkele bron van waarheid, in plaats van handmatige afstemming aan het einde van de maand. Het alternatief is versnipperde planning over systemen en spreadsheets, waarbij finance tijd kwijt is aan consolideren in plaats van analyseren.
We hebben al een ERP-systeem. Hebben we daarnaast EPM nodig?
ERP-systemen leggen transacties vast. EPM-tools plannen en forecasten. Je ERP vertelt wat er is gebeurd. Je EPM-model vertelt wat er gaat gebeuren, wat de variantiedrivers zijn en hoe verschillende scenario's de uitkomst veranderen. De meeste pharma financeteams hebben beide nodig, parallel aan elkaar.
Bij welke schaal is driver-based planning zinvol voor pharma?
Driver-based planning betaalt zich terug zodra de handmatige overhead van het onderhouden van een spreadsheetmodel zwaarder weegt dan de kosten van een goede tool. Voor pharma-organisaties met meerdere markten of productlijnen bereik je die drempel sneller dan de meeste teams verwachten. De complexiteit van planningsdrivers weegt zwaarder dan headcount of omzet.
Hoe lang duurt een EPM-implementatie in pharma?
De scope bepaalt de planning meer dan de bedrijfsgrootte. Een gefocuste workforce planning of cashflowmodule kan binnen enkele maanden live gaan. Een mondiaal demand planning model voor 50.000 SKU's in meer dan 50 landen is een meerjarig programma. Implementaties die vastlopen, zijn bijna altijd de projecten die alles tegelijk wilden oplossen in plaats van te faseren per use case.
