Notes:

1. The product mix remains constant for the whole year.

2. Peak Season = months October - March. Off peak = April - September

3. The coefficient of variation (CV) is a standardised measure of dispersion used when the mean varies widely. The CV = standard deviation / average. The normal distribution must be modelled using the standard deviation not the CV.

You also talked to one of your friends who currently run a bubble tea shop in Burwood, who gives you the details of reliable suppliers. He also mentioned that the final cost of the bubble tea varies because ingredients might expire or turn bad before use (e.g., milk), and from small variations in ingredient consumption due to variability in the preparation process. You pass this information onto your consultant who suggests you can model variable costs using a triangular distribution with parameters outlined in table 2.

Your consultant also recommends making the following assumptions about fixed costs.

Note: Ignore all other costs, taxes and charges as well as the time value of money.

Task

You realise you haven’t sufficient cash to invest in the project alone, so you want to enlist   some of your analytically savvy university colleagues as potential co-investors. Produce a 3 Part business report covering the following.

Part 1

Using @Risk, run a Monte Carlo simulation with at least 5,000 iterations to calculate the distribution for yearly sales, costs and profit/(loss). You should simulate the monthly demand of each tea (from January to December), however because we are considering an average yearly cost, you are only required to simulate the average variable cost of each tea   for the entire year (not per month). We are only interested in the first year of operations, so only simulate one year of demand.

1.1 Model description (20 marks and no more than 250 words)

Explain your Excel model including a description of your inputs and outputs and how the outputs are calculated. Include a screenshot of your Excel model in your report.

1.2 Model results (15 marks and not more than 250 words)

Briefly describe the resulting @Risk distributions (e.g. talk about the chance of incurring profit/losses, assessing profit as a % of revenue, etc.) and any business implications that arise. Include screenshots of relevant @Risk output in your report.

1.3 Your decision (5 marks and not more than 150 words)

Using only the information that was given (i.e., without making any other assumption), indicate whether it is worthwhile opening the shop and indicate why?

When making the decision to open the shop or not, only consider one year, but think carefully about how you or other ‘investors’ might be involved in daily operations and what impact that might have on the potential return.

Part 2

As you are very conservative (risk adverse) assess how resilient your business would be to a lock down or other unforeseen demand disruption, like we witnessed in the past during COVID.

Suppose that every month there is a 5% probability that Haymarket goes into lock down for the entire month, which drops the average baseline monthly demand (table 1) by 50%.

During a lock down you predict that the majority of sales will be online, coming from food  delivery apps rather than from customers that order from the actual shop. While you are uncertain about the online share of total sales you predict there is an equal chance for any value between 50% and 80%.

During lock down months, you are also considering offering free deliveries for online orders, rather than having your customers pay for the delivery. After researching the delivery fees of several different apps in your area, you believe that the monthly average delivery cost per online order will be normally distributed with a mean of $4 and a $1.20 standard deviation.

2.1 Impact of lockdown demand reduction on profit (30 marks and no more than 300 words)

2.1.1 Describe the modifications that you made to your model. Include a screenshot of the revised Excel model in your report (10 marks)

2.1.2 How does considering the chance of lock downs impact your profit distribution? Share relevant @Risk output. (15 marks)

2.1.3 Does considering the chance of a lock down change the decision that you made at Part 1.3? (5 marks)

Note: At this stage only assess the effect of any demand reduction without considering the impact of free delivery for online sales.

2.2 Sensitivity analysis (10 marks and not more than 200 words)

Given your potential investors are less risk adverse than yourself, you are concerned that the 5% of lock down probability is too conservative given the unpredictability of past disruptions and how the public responded to them. Therefore, you have decided to assess a wider range of lock down probabilities: 1%, 5%, 10%, 20%, 30%, 40%, 50%.

2.2.1 What are your insights regarding how sensitive the business' expected profit/loss are to changing lock down probabilities? Draw a chart to help explain.

2.2.2 Does this assessment affects your decision to open the shop?

2.3 Impact of free delivery (10 marks and not more than 250 words)

To answer this question please assume a 5% lock down probability as in section 2.1.

2.3.1 Describe the modifications that you made to your model. Share relevant @Risk output.

2.3.2 How is your profit affected by offering free deliveries during lock down months?

2.3.3 Do you think it is a good idea to offer free deliveries?

2.4 Risk Optimizer (10 marks and not more than 250 words)

Instead of covering the 100% of the delivery cost, you have decided to cover just enough so there is only a 5% chance of incurring a loss greater than $20,000.

2.4.1 What is the maximum average percentage of the delivery cost you should cover for your customers to make this outcome more likely? Share relevant @Risk output.

2.4.2 Thinking about your results in Q2.1 and the trade-off between cost to the business and attractiveness of the offering to the customer, what percentage delivery fee might you charge? Why?

Notes:

1. For the risk optimizer settings use a step of 1% to test different percentages for how much of the delivery fee you should cover.

2. For each month (from January to December) you should simulate the lock down

probability, the percentage of sales from online orders and the average delivery cost.

3. Like demand, delivery costs cannot be negative.