Tarneahela nähtavus ei ole lihtsalt lööklause; See on imperatiiv

Ajatempel: 3. veebruar 2023 kell 12:00
Allikasõlm: 1939098

Ei tohiks olla üllatav, et parem tellimuste, varude ja saadetiste nähtavus on tarneahela uuringutes prioriteetide nimekirjas 60–80% ettevõtetest. 

Kui tootjad ja jaemüüjad arendasid, varustasid ja tõrjusid piirkondlikele turgudele suuri kaupu, mis põhinevad prognoositavatel ajaloolistel ja hooajalistel mustritel, on D2C e-kaubandus Interneti kaudu juurdepääsetav palju laiemale publikule. Nõudmisel tarnitud väiksemate tellimuste koondvoog, peaaegu pidev voog koos kasvava üldise kaubaveonõudlusega on pingelisel tööturul piiranud terminali, lao, seadmete ja sõidukite võimsust. 

Muutlikud klientide ootused suurendavad raskusi. Viimase miili surve ja kulud on väga erinevad kaubaalustel lasti puhul, mida hoitakse jaotuskeskuses, et need saadetakse järk-järgult tehastesse või kauplustesse saatja juhiste järgi, võrreldes tähtajaliste tellimustega, millel on mitu tarneaega ja asukohta ning põhiline ootus õigeaegsele ja täielik kohaletoimetamine.  

Olenemata sellest, kas tegemist on uue pandeemiavariandiga, ilmastikunähtustega või Suessi kanalit blokeeriva konteinerlaevaga, võivad ettenägematud asjaolud kergesti tekitada pöördepunkti, mis viib nõudluse, pakkumise ja läbilaskevõime üleöö rivist välja. 

Nähtavus on palju liikuvaid osi

Enamikul tarneahelatel puudub endiselt piisav nähtavus allavoolu nõudluse poolel müügikohas (POS), tarnija hankimisel ja tootmisel ülesvoolul ning tarnimise ajal transiidil. Nõudluse varajane tunnetamine on eriti kriitiline, arvestades turu jätkuvat volatiilsust, mis on tingitud pidevast D2C kasvust, mida võimendavad pandeemia, kliima, Ukraina sõda, ülemaailmne inflatsioon ja muud välissurved.  

Nõudlussignaalid juhivad tarneahelat rohkem kui ükski teine ​​mõju. Nad dikteerivad, mida toota, millistes kogustes ja kuhu tarnida – lühidalt kõike alates hankimisest kuni varade ja ressursside eraldamiseni kuni töövooni. Seega tundub intuitiivne, et enamik tavapäraseid hierarhilise tarneahela mudeleid ei ühenda tehaseid ja tarnijaid otse jaemüüjate ja klientidega positiivse tagasiside kaudu.

Selle asemel liigub suurem osa suhtlusest keskusest väljapoole ja partnerite sisend ulatub harva kaugemale kui üks tase üles või alla, püüdes kriitilised andmed organisatsiooni silodesse. Kolmandate osapoolte agregaatoriandmed virisevad turunduses, kliendisuhete halduse (CRM) andmed müügis, tootmisandmed operatsioonides ja C-paketis. See kujutab endast häire korral märkimisväärset suuremate kulude ja äritegevuse kaotamise ohtu. 

Tarneahela keerukus süvendab probleemi, kuna enam kui 60% maailma tarbijatest kasutab praegu e-kaubandust, avatud on üle 25 miljoni ülemaailmse jaemüügipunkti, viimase kümnendi jooksul on igal aastal turule tulevate uute toodete arv kümnekordselt kasvanud ja 10 % kaubast on otsas.

"Arenevatel turgudel tarnivad ülemaailmsed tootjad turustajate kaudu ja nende nähtavus peatub sel hetkel," selgitab Suresh Prahlad Bharadwaj, Infosysi 100%lise tütarettevõtte EdgeVerve Systemsi TradeEdge'i platvormi juht. "Nad ei tea, kes on nende kliendid, enamasti väikesed ema- ja poppoed. Isegi tänapäevases kaubanduses, kus tootjad müüvad hulgimüüja kaudu või otse suure kastiga poodi, nagu Walmart või Target, ei ole nad võimelised töötlema seda müügikoha nähtavust, mis neile tagasi jõuab. 

Sureshi sõnul võivad detsentraliseeritud e-kaubanduse keskkonnas müügikohad olla hajutatud sadade või tuhandete turustajate, jaemüüjate ja veebisaitide vahel, millel kõigil on erinev küpsusaste andmete kogumisel ja jagamisel ning andmete vormindamiseks ja suhtlemiseks erinevad viisid. 

"Kes on minu kliendid, kus nad asuvad, mida nad tellivad?" küsib Suresh. "Selle teadmiseks pean tegema koostööd jaemüüjatega, et saada kogu müügikoha ja laovarude teave kiiresti tootjatele tagasi, et nad saaksid muudatusi teha." Praegu lisab ta, et see protsess võib võtta kolm kuni neli nädalat, tuginedes kolmandate osapoolte andmesündikaatoritele, nagu Nielsen või IRI, et koguda ja ühtlustada andmeid kaupluste paneelist ning seejärel koostada konkreetsete klientide jaoks kohandatud aruanded. "Tänapäeva maailmas," ütleb ta, "see on liiga hilja."

Kuna pilvepõhine andmetöötluse võimsus on suurenenud ja kulud on langenud, on Sureshi selgituste kohaselt rohkem jaemüüjaid ja vahendajaid katkestamas otseste andmete jagamise tehinguid kliendiettevõtetega, et hajutada esmase allika müügiandmeid ahelas tagasi. Kuid see on alles algus.

Nõelte leidmine heinakuhjadest

Tarkvarapõhised nõudluse tuvastamise tööriistad, mida aitavad tehisintellekt ja masinõpe, koguvad tähelepanu nende võimele ennustada lähituleviku nõudlust. Need tööriistad modelleerivad reaalajas müügikohtade koondandmeid sisemiste ja väliste tarneahela anomaaliate (nt kliimasündmused, sadamate ummikud, raudteestreik, kütusehinna muutused, intressimäärade tõus ja kõrge tööpuuduse määr) põhjal – kõik need mõjutavad ostuotsuseid. 

Lühidalt, üksikasjalikult mõistmine, millistel tingimustel kaup eile müüdi, annab lühiajalise ülevaate sellest, kuidas ja kus samad kaubad homme samadel või erinevatel tingimustel tõenäoliselt müüakse. Kuna aja jooksul kogutakse üksikasjalikumaid andmeid, tajuvad tehisintellekt ja masinõpe mustreid ja teadmisi, mida ettevõtte ressursside planeerimise (ERP) komplektis töötav traditsiooniline käsitsi toimimine ei jätaks. Sagedasemad aruandlusintervallid lühendavad reageerimisaega äkiliste ja tugevamate sündmuste korral.

Arvestades traditsioonilise pikaajalise strateegilise ja nõudluse planeerimise peaaegu hääbumist alates COVID-i algusest, võib sellisel viisil peaaegu reaalajas andmete koostamine tuua olulisi eeliseid. Järsku töötavad ettevõtted välja eilsed POS-poe-SKU müügi- ja laoandmed, võrreldes nädalaid vanade kokkuvõtlike aruandlustega. Müügiandmed annavad tavaliselt ka täpsemaid nõudluse prognoosimise tulemusi kui võrreldavad saadetiste andmed, kuna kaupu võidakse tarnida erinevatel põhjustel – näiteks kaubavahetuse või näidiskauba puhul.

Kasutades määratletud ärireegleid ja standardeid etalonidena, kaardistab tehisintellekt ja masinõpe jaemüüja SKU, toote, UPC ja muu kodeerimise osana kasutuselevõtuprotsessis tootja koodide alusel. Samuti võivad nad eristada standardseid ja reklaam SKUsid näiteks väikeste sisumuudatustega sama toote puhul. Oluline eelis on tehisintellekti ja masinõppe võime analüüsida ja kõrvaldada fantoomvarusid ning kuvada tühimikud, et prognoosida ja vähendada laoseisu. Analüütikat kasutades saavad ettevõtted müügitrendiandmeid kinnitada mõne tunni jooksul.

"Üks asju, mida me prognoosimise kohta teame, on see, et see ei ole täpne," väidab Suresh. "Seega tekib küsimus, kuidas me lüngad kinni keerame. Teeme seda lühiajaliste täiendamisotsuste täitmise kaudu kogu võrgus.  

Tarneahela väärtusvõrgustiku loomine

Alljärgnev nähtavus selle kohta, kuidas turud ja kliendid müüki mõjutades suhtlevad, tekitades protsessis väärtuslikke nõudlussignaale, loob võimaluse kogu tarneahela ulatuslikumaks ümbermõtestamiseks. 

Nähtavus nii üles- kui allavoolu, alates tellimusest kuni makseni mittehierarhilises, "mitu-mitmele" võrgumudelis, annab võimaluse täielikuks reaalajas andmete aruandluseks ja jagamiseks ning kõigi osapoolte koostööks võrgus. 

Protsess algab ühe, usaldusväärse ja jagatava teabeallika loomisega kogu võrgus. Partneritel on vastavad õigused, et pääseda juurde teatud tüüpi andmetele konkreetseks kasutuseks. Andmed, sealhulgas asjakohased vormid, dokumentatsioon ja teatised, on kasutusmugavuse huvides standarditud, ühtlustatud ja struktureeritud ühtsesse andmebaasivormingusse. 

Mis juhtub siis, kui nõudlussignaalid hakkavad vilkuma? Kas tootmist saab kiiresti suurendada või vähendada või muuta tootevalikut ja järjestust, et tagada tellimuste õigeaegne täitmine? Kas 2. taseme tarnijatel on materjale ja osi, et tootmist vastavalt vajadusele suurendada? Kui ei, siis kas süsteemis olemasolevaid varusid saab leida, ümber suunata ja täiendada? Kui ei, siis kas operatsiooni- ja planeerimismeeskonnad peaksid uuesti läbi mõtlema ohutusvarud, tarnijate mitmekesistamise või tooteportfelli alternatiivid? Millised oleksid kulumõjud? Aeg on nendele küsimustele vastuste leidmisel ja optimaalsete parandusmeetmete võtmisel ülioluline.

Oluline erinevus võrgumudeliga on see, et tarnijad, tootjad ja jaemüüjad ei saa mitte ainult tajuda nõudluse nihkeid, vaid teevad probleemide lahendamiseks ka otse ja ennetavalt, reaalajas koostööd, selle asemel, et põhiettevõtte kaudu suhelda eraldi. kus olulised detailid võivad tõlkes kaduma minna. Lisaks saab tehisintellekti ja masinõppe toega analüütika käitada minutitega sadu või tuhandeid stsenaariume, kasutades optimaalse lahenduse leidmiseks kõiki praeguste ja ajalooliste saadetiste ja laoandmete põhjal.

Kuid nagu vana tehnikasõna ütleb: prügi sisse, prügi välja. Võrgu jõudlus on sama hea kui partneri sisseost ja täpne andmestik. Suresh rõhutab, et see ei seisne ainult pilves kasutatavas tehnoloogias, vaid partnerite vastavuse tagamisele aruandluses, andmete mahus ja õigeaegsuses, teabe detailsuses ja selle jagamise sageduses.

Suresh tunnistab, et siiani on peamiselt väga suured ettevõtted, vahemikus 6 miljardit dollarit ja rohkem, ajendanud sellisel tasemel digitaalset ümberkujundamist, osaliselt seetõttu, et nad on võimelised sundima ja juhtima muutusi väiksemate tarnijate, müüjatega, ja klientidele. Kuid ta näeb võimalust värbada kliente vahemikus 1–5 miljardit dollarit. 

Kuhu see kõik liigub? Aja jooksul muutub igas suuruses ettevõtete jaoks hädavajalikuks läbi viia digitaalne ümberkujundamine, mis viib aja jooksul tarneahelate vastastikuse sidumiseni ja konsolideerumiseni. Otsige rohkem toiminguid ja protsesse, mida automatiseerida, lühendades veelgi reageerimisaegu, kõrvaldades vigu ja tihendades tellimuste maksmiseks tsüklit, vabastades samal ajal inimesi ja ressursse produktiivsemaks ja tasuvamaks tööks. Sisseehitamine ja andmete ühtlustamine muutub väikeste ja keskmise suurusega tarnijate ja müüjate jaoks tõenäoliselt peaaegu pistik-and-play-meetodiks, kusjuures võrguvõimalused on peamise eristajana teel üldlevinud leviku poole. 

Lõpptulemus: pärast lühikest, kohati rasket kohanemisperioodi muutub tarneahel palju kiiremaks, lihtsamaks ja vastupidavamaks. 

Allikate lingid: 

EdgeVerve, http://www.edgeverve.com 

TradeEdge, www.edgeverve.com/tradeedge

Ajatempel:

Veel alates Tarneahela aju