Transparenz in der Lieferkette ist nicht nur ein Schlagwort; Es ist ein Imperativ

Zeitstempel: 3. Februar 2023, 12:00 Uhr
Quellknoten: 1939098

Es sollte nicht überraschen, dass eine bessere Sichtbarkeit von Bestellungen, Lagerbeständen und Lieferungen in Umfragen zur Lieferkette für 60 % bis 80 % der Unternehmen ganz oben auf der Prioritätenliste steht. 

Wo Hersteller und Einzelhändler einst große Warenmengen auf der Grundlage vorhersehbarer historischer und saisonaler Muster entwickelt, gelagert und auf regionale Märkte gebracht haben, ist der D2C-E-Commerce über das Internet für ein viel breiteres Publikum auf Pull-Basis zugänglich. Ein aggregierter, nahezu kontinuierlicher Strom kleinerer Bestellungen, die auf Abruf versandt werden, zusammen mit einer steigenden Gesamtfrachtnachfrage, hat Terminal-, Lager-, Ausrüstungs- und Fahrzeugkapazitäten in einem angespannten Arbeitsmarkt überschwemmt. 

Veränderliche Kundenerwartungen verstärken die Schwierigkeiten. Der Druck und die Kosten auf der letzten Meile unterscheiden sich stark von palettierter Fracht, die in einem Distributionszentrum zur schrittweisen Freigabe an Fabriken oder Lager auf Anweisung des Versenders aufbewahrt wird, im Vergleich zu zeitdefinierten Bestellungen mit mehreren Lieferzeit- und Standortoptionen und einer Grunderwartung von Pünktlichkeit und Vollständige Lieferung.  

Ob es sich um eine neue Pandemievariante, ein Wetterereignis oder ein Containerschiff handelt, das den Suezkanal blockiert, unvorhergesehene Umstände können leicht einen Wendepunkt darstellen, der Nachfrage, Angebot und Kapazität über Nacht aus dem Gleichgewicht bringt. 

Die vielen beweglichen Teile der Sichtbarkeit

Den meisten Lieferketten mangelt es immer noch an ausreichender Transparenz auf der nachgelagerten Nachfrageseite am Point of Sale (POS), vorgelagert bei der Lieferantenbeschaffung und -produktion sowie beim Transport während des Versands. Angesichts der anhaltenden Marktvolatilität aufgrund des stetigen D2C-Wachstums, verstärkt durch die Pandemie, das Klima, den Krieg in der Ukraine, die globale Inflation und andere externe Belastungen, ist es besonders wichtig, die Nachfrage frühzeitig zu erkennen.  

Nachfragesignale treiben die Lieferkette mehr als jeder andere einzelne Einfluss an. Sie schreiben vor, was in welchen Mengen produziert und wohin versendet werden soll – kurz gesagt, alles von der Beschaffung über die Asset- und Ressourcenzuweisung bis hin zum Workflow. Es scheint daher kontraintuitiv, dass die meisten konventionellen hierarchischen Lieferkettenmodelle immer noch Fabriken und Lieferanten nicht direkt mit Einzelhändlern und Kunden in einer virtuosen Feedback-Schleife verbinden.

Stattdessen fließt die meiste Kommunikation vom Zentrum nach außen, und der Input der Partner geht selten über eine Ebene nach oben oder unten hinaus, wodurch kritische Daten in organisatorischen Silos eingeschlossen werden. Aggregatordaten von Drittanbietern verkümmern im Marketing, Customer Relationship Management (CRM)-Daten im Vertrieb, Produktionsdaten im Betrieb und in der C-Suite. Dies birgt ein erhebliches Risiko höherer Kosten und entgangener Geschäfte im Falle einer Störung. 

Die Komplexität der Lieferkette verschlimmert das Problem, da mehr als 60 % der Verbraucher weltweit E-Commerce nutzen, mehr als 25 Millionen Einzelhandelsgeschäfte weltweit geöffnet sind, in den letzten zehn Jahren jedes Jahr eine zehnfache Zunahme neuer Produkte auf den Markt kam, und 10 % der Waren mit Fehlbeständen.

„In aufstrebenden Märkten versenden globale Hersteller über Distributoren, und ihre Sichtbarkeit endet an diesem Punkt“, erklärt Suresh Prahlad Bharadwaj, Plattformleiter für TradeEdge bei EdgeVerve Systems, einer hundertprozentigen Tochtergesellschaft von Infosys. „Sie wissen nicht, wer ihre Kunden sind, meist kleine Tante-Emma-Läden. Selbst im modernen Handel, wo die Hersteller über einen Großhändler oder direkt an einen großen Laden wie Walmart oder Target verkaufen, sind sie nicht dafür gerüstet, die Sichtbarkeit am Point-of-Sale zu verarbeiten, die zu ihnen zurückkehrt.“ 

In einer dezentralen E-Commerce-Umgebung, so Suresh, können Verkaufsstellen auf Hunderte oder Tausende von Distributoren, Einzelhändlern und Websites verteilt sein, die alle unterschiedliche Reifegrade beim Sammeln und Teilen von Daten sowie unterschiedliche Arten der Datenformatierung und Kommunikation aufweisen. 

„Wer sind meine Kunden, wo sitzen sie, was bestellen sie?“ fragt Suresh. „Um das zu wissen, muss ich mit Einzelhändlern zusammenarbeiten, um diese aggregierten Point-of-Sale- und Lagerbestandsinformationen schnell an die Hersteller zurückzusenden, damit sie Anpassungen vornehmen können.“ Im Moment, fügt er hinzu, kann dieser Prozess drei bis vier Wochen dauern, da er sich auf Datensyndikatoren von Drittanbietern wie Nielsen oder IRI verlässt, um Daten aus einem Panel von Geschäften zu sammeln und zu harmonisieren und dann benutzerdefinierte Berichte für bestimmte Kunden zu erstellen. „In der heutigen Welt“, sagt er, „ist das zu spät.“

Da die Cloud-basierte Datenverarbeitungsleistung zugenommen hat und die Kosten gesunken sind, erklärt Suresh, schließen immer mehr Einzelhändler und Vermittler Vereinbarungen zur direkten Datenfreigabe mit Kundenunternehmen ab, um Verkaufsdaten aus Primärquellen in der Kette zu verteilen. Aber das ist nur der Anfang.

Nadeln im Heuhaufen finden

Softwarebasierte Nachfrageerfassungstools, unterstützt durch künstliche Intelligenz und maschinelles Lernen, gewinnen an Aufmerksamkeit für ihre Fähigkeit, die Nachfrage in der nahen Zukunft vorherzusagen. Diese Tools modellieren aggregierte Echtzeit-POS-Daten gegen interne und externe Anomalien der Lieferkette wie Klimaereignisse, Hafenstaus, einen Bahnstreik, Änderungen der Kraftstoffpreise, Zinserhöhungen und hohe Arbeitslosenquoten – die alle Kaufentscheidungen beeinflussen. 

Kurz gesagt, ein granulares Verständnis der Bedingungen, unter denen Waren gestern verkauft wurden, bietet kurzfristige Einblicke, wie und wo dieselben Waren morgen wahrscheinlich unter denselben oder anderen Bedingungen verkauft werden. Da im Laufe der Zeit immer granularere Daten gesammelt werden, erkennen künstliche Intelligenz und maschinelles Lernen Muster und Erkenntnisse, die einem herkömmlichen manuellen Vorgang, der auf einer ERP-Suite (Enterprise Resource Planning) ausgeführt wird, entgehen würden. Kürzere Meldeintervalle verkürzen die Reaktionszeit bei plötzlichen, ausgeprägteren Ereignissen.

Angesichts des nahen Niedergangs der traditionellen langfristigen Strategie- und Bedarfsplanung seit dem Ausbruch von COVID kann die Erstellung von Daten in nahezu Echtzeit auf diese Weise wichtige Vorteile bringen. Plötzlich arbeiten Unternehmen mit den Verkaufs- und Bestandsdaten von gestrigen POS-Geschäfts-SKUs und nicht mit wochenalten zusammenfassenden Berichten. Verkaufsdaten liefern tendenziell auch genauere Bedarfsprognoseergebnisse als vergleichbare Versanddaten, da Waren aus verschiedenen Gründen versandt werden können – zum Beispiel Umtausch oder Musterwaren.

Verwendung definierter Geschäftsregeln und -standards als Benchmarks, KI und maschinelles Lernen, die Einzelhändler-SKU, Produkt, UPC und andere Codierungen mit Herstellercodes als Teil des Onboarding-Prozesses abgleichen. Sie können auch zwischen Standard- und Aktions-SKUs mit beispielsweise kleinen Inhaltsänderungen für dasselbe Produkt unterscheiden. Ein wichtiger Vorteil ist die Fähigkeit von KI und maschinellem Lernen, Phantombestände zu analysieren und zu eliminieren und Lücken anzuzeigen, um Fehlbestände vorherzusagen und zu reduzieren. Mithilfe von Analysen können Unternehmen Verkaufstrenddaten innerhalb von Stunden validieren.

„Eines der Dinge, die wir über Prognosen wissen, ist, dass sie nicht genau sein werden“, argumentiert Suresh. „Also stellt sich die Frage, wie wir die Lücken schließen. Wir tun dies durch die Umsetzung kurzfristiger Nachschubentscheidungen im gesamten Netzwerk.“  

Aufbau des Wertschöpfungsnetzwerks der Lieferkette

Die nachgelagerte Transparenz darüber, wie Märkte und Kunden interagieren, um den Verkauf zu beeinflussen und dabei wertvolle Nachfragesignale zu generieren, bereitet den Tisch für ein umfassenderes Umdenken in der gesamten Lieferkette. 

Sichtbarkeit sowohl vor- als auch nachgelagert, von der Bestellung bis zur Zahlung in einem nicht-hierarchischen „Many-to-Many“-Netzwerkmodell, bietet eine Gelegenheit für End-to-End-Datenberichte und -austausch in Echtzeit sowie für die Zusammenarbeit aller Parteien im Netzwerk. 

Der Prozess beginnt mit dem Aufbau einer einzigen, vertrauenswürdigen, gemeinsam nutzbaren Quelle für Informationen im gesamten Netzwerk. Partner werden mit entsprechenden Berechtigungen für den Zugriff auf bestimmte Datentypen für bestimmte Verwendungszwecke ausgestattet. Daten, einschließlich relevanter Formulare, Dokumentation und Mitteilungen, sind standardisiert, harmonisiert und in einem gemeinsamen Datenbankformat strukturiert, um die Verwendung zu erleichtern. 

Was passiert also, wenn die Bedarfssignale zu blinken beginnen? Kann die Produktion schnell hoch- oder herunterskaliert oder der Produktmix und die Sequenzierung geändert werden, um sicherzustellen, dass Bestellungen rechtzeitig ausgeführt werden? Verfügen Tier-2-Lieferanten über die Materialien und Teile, um die Produktion nach Bedarf anzukurbeln? Wenn nicht, kann vorhandenes Inventar im System lokalisiert, umgeleitet und aufgefüllt werden? Wenn nicht, sollten Betriebs- und Planungsteams Sicherheitsbestände, Lieferantendiversifizierung oder Produktportfolioalternativen überdenken? Was wären die Kostenauswirkungen? Zeit ist entscheidend, um Antworten auf diese Fragen zu erhalten und die optimalen Korrekturmaßnahmen zu ergreifen.

Der wichtige Unterschied zum Netzwerkmodell besteht darin, dass Lieferanten, Hersteller und Einzelhändler nicht nur Nachfrageverschiebungen erkennen, sondern auch direkt und proaktiv in Echtzeit zusammenarbeiten können, um Probleme zu lösen, anstatt jeweils separate, isolierte Kommunikationen über das Hauptunternehmen zu haben wo entscheidende Details bei der Übersetzung verloren gehen können. Darüber hinaus können KI- und maschinelles Lernen-fähige Analysen Hunderte oder Tausende von Szenarien in Minuten ausführen und jedes auf der Grundlage aktueller und historischer Versand- und Bestandsdaten durchspielen, um eine optimale Lösung zu formulieren.

Aber wie das alte technische Sprichwort sagt: Müll rein, Müll raus. Die Netzwerkleistung ist nur so gut wie das Buy-in der Partner und ein genauer Datensatz. „Es geht nicht nur um Technologie in der Cloud“, betont Suresh, „es geht darum, die Compliance der Partner bei der Berichterstattung, das Volumen und die Aktualität der Daten, die Granularität der Informationen und die Häufigkeit, mit der sie geteilt werden, voranzutreiben.“

Suresh räumt ein, dass es bisher hauptsächlich sehr große Unternehmen im Bereich von 6 Milliarden US-Dollar und mehr waren, die dieses Niveau der digitalen Transformation vorangetrieben haben, teilweise aufgrund ihrer Hebelwirkung, um Veränderungen bei kleineren Lieferanten, Anbietern, und Kunden. Aber er sieht eine Chance darin, Kunden im Bereich von 1 Milliarde bis 5 Milliarden US-Dollar zu rekrutieren. 

Wohin führt das alles? Im Laufe der Zeit wird es für Unternehmen jeder Größe zwingend erforderlich, die digitale Transformation durchzuführen, was im Laufe der Zeit zur Vernetzung und Konsolidierung der Lieferketten führen wird. Suchen Sie nach mehr Abläufen und Prozessen, die automatisiert werden können, um die Reaktionszeiten weiter zu verkürzen, Fehler zu beseitigen und den Order-to-Pay-Zyklus zu verkürzen, während Sie gleichzeitig Mitarbeiter und Ressourcen für produktivere, lohnendere Arbeit freisetzen. Onboarding und Datenharmonisierung werden für kleine und mittelständische Lieferanten und Anbieter wahrscheinlich fast Plug-and-Play werden, wobei sich die Netzwerkfähigkeit als wichtiges Unterscheidungsmerkmal auf dem Weg zur Allgegenwärtigkeit herauskristallisiert. 

Fazit: Nach einer kurzen, manchmal schwierigen Anpassungsphase wird die Lieferkette deutlich schneller, einfacher und widerstandsfähiger. 

Ressourcenlinks: 

EdgeVerve, http://www.edgeverve.com 

TradeEdge, www.edgeverve.com/tradeedge

Zeitstempel:

Mehr von Supply-Chain-Gehirn