これは各社のオペレーションの現状と、目指すS&OPの姿によりますので、まずは需要予測高度化（精度向上だけでなく、マネジメントや組織設計、人材育成などの観点も含め）のロードマップを一緒に描かせていただくのが一番の近道になると考えています。その第一歩として、貴社の需要予測や需給調整、S&OPの現状を簡易的に自己診断するツールを用意しました。もしよければこちらで一度、優先度の高い変革領域を確認してみてください。
参考：SCMのDX診断

多少の統計学の知識を持った実務家がいらっしゃれば、因果モデルをエクセルで構築することは可能です。むしろモデル構築を外注すると、貴社よりも商材の需要の因果関係を正しく想定できない場合がほとんどなので、自社主導で進めるのが良いです。
ただ、これから需要予測領域に投資していくのであれば、AI導入の検討は必須かと思います。これは各社の需要予測のリーダー役と、AIでモデルを構築できるデータサイエンティスト（これは外注でも）で協同して進めるのが最も良いと思います。
私は、①ドメイン知識を持ち、需要に関する仮説を構築できる実務家、②データをハンドリングし、AIを使いこなせるデータサイエンティスト（エンジニア）、③AIツールとデータ基盤、という三角形をつくることが重要だと考えています。データの整備状況によりますが、年単位での粘り強いチャレンジが必要になります。しかし、対象領域を拡大するほど、データやノウハウが蓄積されるので、成果を出すまでの時間は短くなっていきます。
参考：試行錯誤を繰り返し、高精度なAI需要予測を実現! 資生堂ジャパンの飽くなき挑戦 (1) | TECH+（テックプラス） (mynavi.jp)

私が最初に化粧品メーカーでチャレンジした2017年では、世界でも珍しい例と言われ、成果が出た2021年時点でもAIベンダーのグローバルイベントに呼ばれるなど、成功事例は極めて少ない状況でした。しかし直近では、洋菓子メーカーや食品メーカーなどでも成果が出始めていて、チャレンジする価値はある領域です。というのも、グローバルの調査によると、過去データのある既存品に対し、新製品の予測誤差率は平均で2～3倍程度になる傾向があり、改善の余地が大きいからです。
また、新製品の需要は不確実性の高い要素の影響を受けやすいため、複数のモデルで多面的に予測することも有効だ、というのが世界のデマンドプランナー（需要予測の実務家）の共通認識です。専門家集団によるデルファイ法やAHP（階層化意思決定法）を応用したモデル、予測市場の活用など、ぜひ、NECと一緒に新たな領域へチャレンジしていきましょう。
参考コラム：知の融合で想像する需要予測のイノベーション(第6回)

S&OPの土台として需要予測が重要なので、実務レベルではweighted-MAPEやBias、Tracking-signalといった、予測精度や予測の傾向、市場変化が表れる指標をKPIにすると良いです。自社で需要予測をしていない場合でも、精度管理は必要になります。
留意すべきは各社のビジネスモデルやサプライチェーン構造に合わせた、精度評価のタイミング（何ヵ月、何週間前の予測を評価すべきか）や粒度（グラニュラリティ・バケット）を社内で合意することです。
また、その上位KPIとなる顧客サービス率（欠品率）や在庫回転率（在庫日数・月数）などもチームやマネージャーとして追っていく必要がありますし、S&OPのKPI(KGI)としてはROEや市場シェアを設定するのが理想とされています。
参考：需要予測入門② 海外の研究から見る 新製品の予測モデルや予測精度の評価メトリクス (vimeo.com)