आपूर्ति श्रृंखला दृश्यता केवल एक जुमला नहीं है; यह एक अनिवार्यता है

यह आश्चर्यजनक नहीं होना चाहिए कि आपूर्ति श्रृंखला सर्वेक्षण में 60% से 80% कंपनियों के लिए बेहतर ऑर्डर, इन्वेंट्री और शिपमेंट दृश्यता प्राथमिकता सूची में सबसे ऊपर है। 

जहां निर्माताओं और खुदरा विक्रेताओं ने एक बार पूर्वानुमेय ऐतिहासिक और मौसमी पैटर्न के आधार पर क्षेत्रीय बाजारों में माल की बड़ी मात्रा को विकसित, स्टॉक और धकेल दिया, वहां डी2सी ई-कॉमर्स पुल के आधार पर इंटरनेट के माध्यम से बहुत व्यापक दर्शकों के लिए सुलभ है। समग्र माल ढुलाई की बढ़ती मांग के साथ-साथ मांग पर भेजे जाने वाले छोटे ऑर्डरों का एक समग्र, लगभग निरंतर प्रवाह, तंग श्रम बाजार में टर्मिनल, गोदाम, उपकरण और वाहन क्षमता को प्रभावित कर रहा है। 

परिवर्तनीय ग्राहक अपेक्षाएं कठिनाइयों को जोड़ती हैं। अंतिम-मील के दबाव और लागत एक वितरण केंद्र में रखे गए पैलेटाइज्ड माल के लिए बहुत भिन्न होते हैं, जो शिपर के निर्देश पर कारखानों या स्टोरों को क्रमिक रिलीज के लिए होते हैं, बनाम कई डिलीवरी समय और स्थान विकल्पों के साथ समय-निश्चित ऑर्डर और ऑन-टाइम की आधारभूत अपेक्षा। पूर्ण वितरण।  

चाहे यह एक नया महामारी संस्करण हो, मौसम की घटना हो, या स्वेज नहर को अवरुद्ध करने वाला कंटेनरशिप हो, अप्रत्याशित परिस्थितियां आसानी से एक टिपिंग पॉइंट प्रदान कर सकती हैं जो मांग, आपूर्ति और क्षमता को रातोंरात संरेखण से बाहर कर देती हैं। 

दृश्यता के कई चलने वाले हिस्से

अधिकांश आपूर्ति श्रृंखलाओं में अभी भी बिक्री के बिंदु (पीओएस) पर डाउनस्ट्रीम मांग पक्ष, आपूर्तिकर्ता सोर्सिंग और उत्पादन में अपस्ट्रीम और शिपमेंट के दौरान पारगमन में पर्याप्त दृश्यता की कमी है। महामारी, जलवायु, यूक्रेन में युद्ध, वैश्विक मुद्रास्फीति और अन्य बाहरी दबावों द्वारा प्रवर्धित स्थिर D2C वृद्धि के कारण बाजार में चल रही अस्थिरता को देखते हुए मांग का जल्दी पता लगाना विशेष रूप से महत्वपूर्ण है।  

मांग संकेत, किसी भी अन्य प्रभाव से अधिक, आपूर्ति श्रृंखला को चलाते हैं। वे तय करते हैं कि क्या उत्पादन करना है, कितनी मात्रा में, और कहां शिप करना है - संक्षेप में, सोर्सिंग से लेकर एसेट और संसाधन आवंटन से लेकर वर्कफ़्लो तक सब कुछ। ऐसा लगता है कि अधिकांश पारंपरिक पदानुक्रमित आपूर्ति श्रृंखला मॉडल अभी भी कारखानों और आपूर्तिकर्ताओं को खुदरा विक्रेताओं और ग्राहकों से सीधे फीडबैक लूप में नहीं जोड़ते हैं।

इसके बजाय, अधिकांश संचार केंद्र से बाहर की ओर बहता है, और भागीदार इनपुट शायद ही कभी एक स्तर ऊपर या नीचे से आगे बढ़ता है, संगठनात्मक साइलो के अंदर महत्वपूर्ण डेटा को फँसाता है। तृतीय-पक्ष एग्रीगेटर डेटा विपणन, बिक्री में ग्राहक संबंध प्रबंधन (सीआरएम) डेटा, संचालन में उत्पादन डेटा और सी-सूट में खराब हो जाता है। यह व्यवधान की स्थिति में उच्च लागत और खोए हुए व्यवसाय का एक महत्वपूर्ण जोखिम पैदा करता है। 

आपूर्ति श्रृंखला की जटिलता समस्या को और बढ़ा देती है, 60% से अधिक वैश्विक उपभोक्ता अब ई-कॉमर्स का उपयोग कर रहे हैं, 25 मिलियन से अधिक वैश्विक रिटेल आउटलेट खुल गए हैं, पिछले एक दशक में हर साल बाजार में आने वाले नए उत्पादों में दस गुना वृद्धि हुई है, और 10 माल का % स्टॉकआउट का अनुभव कर रहा है।

इंफोसिस की पूर्ण स्वामित्व वाली सहायक कंपनी एजवर्व सिस्टम्स में ट्रेडएज के प्लेटफॉर्म हेड सुरेश प्रह्लाद भारद्वाज बताते हैं, "उभरते बाजारों में, वैश्विक निर्माता वितरकों के माध्यम से जहाज भेजते हैं, और उनकी दृश्यता उस बिंदु पर रुक जाती है।" “वे नहीं जानते कि उनके ग्राहक कौन हैं, ज्यादातर छोटे मॉम-एंड-पॉप स्टोर। आधुनिक व्यापार में भी, जहां निर्माता थोक व्यापारी के माध्यम से या सीधे वॉलमार्ट या टारगेट जैसे बड़े बॉक्स स्टोर में बिक्री कर रहे हैं, वे उस बिंदु-बिक्री की दृश्यता को संसाधित करने के लिए सुसज्जित नहीं हैं जो उनके पास वापस आ रही है। 

विकेंद्रीकृत ई-कॉमर्स वातावरण में, सुरेश कहते हैं, बिक्री के बिंदुओं को सैकड़ों या हजारों वितरकों, खुदरा विक्रेताओं और वेबसाइटों के बीच फैलाया जा सकता है, सभी डेटा एकत्र करने और साझा करने में परिपक्वता के विभिन्न स्तरों और डेटा को प्रारूपित करने और संचार करने के विभिन्न तरीकों के साथ। 

"मेरे ग्राहक कौन हैं, वे कहाँ स्थित हैं, वे क्या ऑर्डर कर रहे हैं?" सुरेश से पूछता है। "यह जानने के लिए, मुझे खुदरा विक्रेताओं के साथ सहयोग करने की आवश्यकता है ताकि वे कुल बिंदु-बिक्री प्राप्त कर सकें और इन्वेंट्री जानकारी को निर्माताओं को जल्दी से वापस कर सकें, ताकि वे समायोजन कर सकें।" अभी, वह कहते हैं, उस प्रक्रिया में तीन से चार सप्ताह लग सकते हैं, तीसरे पक्ष के डेटा सिंडिकेटर जैसे नील्सन या आईआरआई पर भरोसा करते हुए स्टोर के एक पैनल से डेटा एकत्र करने और सामंजस्य स्थापित करने और फिर विशेष ग्राहकों के लिए कस्टम रिपोर्ट तैयार करने में। "आज की दुनिया में," वे कहते हैं, "बहुत देर हो चुकी है।"

जैसा कि क्लाउड-आधारित डेटा प्रोसेसिंग शक्ति में वृद्धि हुई है और लागत में कमी आई है, सुरेश बताते हैं, अधिक खुदरा विक्रेता और बिचौलिये ग्राहक कंपनियों के साथ सीधे डेटा-साझाकरण सौदों में कटौती कर रहे हैं ताकि प्राथमिक-स्रोत बिक्री डेटा को श्रृंखला में वापस लाया जा सके। लेकिन यह केवल शुरुआत है।

घास के ढेर में सुई ढूँढना

आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग द्वारा सहायता प्राप्त सॉफ्टवेयर-आधारित डिमांड-सेंसिंग टूल, निकट भविष्य की मांग की भविष्यवाणी करने की उनकी क्षमता के लिए ध्यान आकर्षित कर रहे हैं। ये उपकरण आंतरिक और बाहरी आपूर्ति श्रृंखला विसंगतियों जैसे कि जलवायु घटनाओं, बंदरगाह की भीड़, एक रेल हड़ताल, ईंधन की कीमतों में बदलाव, ब्याज दर में वृद्धि और उच्च बेरोजगारी दर के खिलाफ वास्तविक समय के पीओएस डेटा को मॉडल करते हैं - ये सभी खरीद निर्णयों को प्रभावित करते हैं। 

संक्षेप में, जिन स्थितियों में सामान कल बेचा गया था, उन्हें बारीकी से समझने से यह जानकारी मिलती है कि कल वही सामान उसी या अलग-अलग परिस्थितियों में कैसे और कहां बेचे जाने की संभावना है। जैसा कि समय के साथ अधिक विस्तृत डेटा एकत्र किया जाता है, आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग सेंस पैटर्न और अंतर्दृष्टि जो एक उद्यम संसाधन योजना (ईआरपी) सूट पर चलने वाले पारंपरिक मैनुअल ऑपरेशन से छूट जाएगी। अधिक लगातार रिपोर्टिंग अंतराल प्रतिक्रिया समय को कम करते हैं जब अचानक, अधिक स्पष्ट घटनाएं होती हैं।

COVID की शुरुआत के बाद से पारंपरिक दीर्घकालिक रणनीतिक और मांग नियोजन के निकट निधन को देखते हुए, इस तरह से वास्तविक समय के डेटा का निर्माण महत्वपूर्ण लाभ प्राप्त कर सकता है। अचानक कंपनियां कल के पीओएस स्टोर-एसकेयू बिक्री और इन्वेंट्री डेटा बनाम सप्ताह पुरानी सारांश रिपोर्टिंग पर काम कर रही हैं। बिक्री डेटा भी तुलनीय शिपमेंट डेटा की तुलना में अधिक सटीक मांग पूर्वानुमान परिणाम देने की प्रवृत्ति रखता है, क्योंकि माल विभिन्न कारणों से भेजा जा सकता है - उदाहरण के लिए एक्सचेंज या नमूना माल।

ऑनबोर्डिंग प्रक्रिया के भाग के रूप में बेंचमार्क, एआई और मशीन लर्निंग मैप रिटेलर एसकेयू, उत्पाद, यूपीसी और निर्माता कोड के खिलाफ अन्य कोडिंग के रूप में परिभाषित व्यावसायिक नियमों और मानकों का उपयोग करना। वे मानक और प्रचारात्मक SKU के बीच अंतर भी कर सकते हैं, मान लीजिए, एक ही उत्पाद के लिए सामग्री में छोटे बदलाव होते हैं। एक महत्वपूर्ण लाभ एआई और मशीन लर्निंग की फैंटम इन्वेंट्री का विश्लेषण और उन्मूलन करने की क्षमता है और स्टॉकआउट की भविष्यवाणी करने और कम करने के लिए रिक्तियों को प्रदर्शित करता है। एनालिटिक्स का उपयोग करके, कंपनियां बिक्री के रुझान डेटा को घंटों के भीतर मान्य कर सकती हैं।

सुरेश का तर्क है, "पूर्वानुमान के बारे में हम जो कुछ जानते हैं, वह यह है कि यह सटीक नहीं होगा।" "तो सवाल यह हो जाता है कि हम अंतराल को कैसे भरते हैं। हम इसे पूरे नेटवर्क में अल्पकालिक पुनःपूर्ति निर्णयों के निष्पादन के माध्यम से करते हैं।  

आपूर्ति श्रृंखला मूल्य नेटवर्क का निर्माण

बाजार और ग्राहक बिक्री को प्रभावित करने के लिए किस प्रकार परस्पर क्रिया करते हैं, इस प्रक्रिया में मूल्यवान मांग संकेतों को उत्पन्न करने में डाउनस्ट्रीम दृश्यता, संपूर्ण आपूर्ति श्रृंखला के एक बड़े पुनर्विचार के लिए तालिका निर्धारित करती है। 

एक गैर-श्रेणीबद्ध, "मैनी-टू-मैनी" नेटवर्क मॉडल में आदेश से लेकर भुगतान तक अपस्ट्रीम और डाउनस्ट्रीम दोनों की दृश्यता, एंड-टू-एंड, रीयल-टाइम डेटा रिपोर्टिंग और साझा करने और सभी पार्टियों के सहयोग के लिए एक अवसर प्रस्तुत करती है। नेटवर्क में। 

प्रक्रिया पूरे नेटवर्क में जानकारी के लिए एक एकल, विश्वसनीय, साझा करने योग्य स्रोत के निर्माण के साथ शुरू होती है। विशिष्ट उपयोगों के लिए विशिष्ट प्रकार के डेटा तक पहुँचने के लिए भागीदारों को उपयुक्त अनुमतियों के साथ ऑनबोर्ड किया गया है। प्रासंगिक रूपों, प्रलेखन और संचार सहित डेटा, उपयोग में आसानी के लिए एक सामान्य डेटाबेस प्रारूप में मानकीकृत, सुसंगत और संरचित हैं। 

तो क्या होता है जब मांग के संकेत चमकने लगते हैं? क्या उत्पादन को जल्दी से बढ़ाया या घटाया जा सकता है, या उत्पाद मिश्रण और अनुक्रमण को संशोधित किया जा सकता है ताकि यह सुनिश्चित हो सके कि ऑर्डर समय पर भरे गए हैं? क्या टियर 2 आपूर्तिकर्ताओं के पास उत्पादन बढ़ाने के लिए आवश्यक सामग्री और पुर्जे हैं? यदि नहीं, तो क्या सिस्टम में मौजूदा इन्वेंट्री का पता लगाया जा सकता है, पुनर्निर्देशित किया जा सकता है और फिर से भरा जा सकता है? यदि नहीं, तो क्या संचालन और नियोजन टीमों को सुरक्षा स्टॉक, आपूर्तिकर्ता विविधीकरण, या उत्पाद पोर्टफोलियो विकल्पों पर पुनर्विचार करना चाहिए? लागत प्रभाव क्या होंगे? इन सवालों के जवाब पाने और इष्टतम सुधारात्मक कार्रवाई करने में समय महत्वपूर्ण है।

नेटवर्क मॉडल के साथ महत्वपूर्ण अंतर यह है कि आपूर्तिकर्ता, निर्माता और खुदरा विक्रेता न केवल मांग में बदलाव को महसूस कर सकते हैं, बल्कि समस्याओं को हल करने के लिए वास्तविक समय में सीधे और सक्रिय रूप से सहयोग भी कर सकते हैं, न कि प्रत्येक के पास मुख्य कंपनी के माध्यम से अलग-अलग, मूक संचार होता है। जहां महत्वपूर्ण विवरण अनुवाद में खो सकते हैं। इसके अलावा, एआई और मशीन लर्निंग-सक्षम एनालिटिक्स सैकड़ों या हजारों परिदृश्यों को मिनटों में चला सकते हैं, एक इष्टतम समाधान तैयार करने के लिए वर्तमान और ऐतिहासिक शिपमेंट और इन्वेंट्री डेटा के आधार पर गेम आउट कर सकते हैं।

लेकिन जैसा कि पुरानी तकनीकी कहावत है: कचरा अंदर, कचरा बाहर। नेटवर्क का प्रदर्शन पार्टनर बाय-इन और एक सटीक डेटासेट जितना ही अच्छा है। "यह केवल क्लाउड में प्रौद्योगिकी के बारे में नहीं है," सुरेश जोर देकर कहते हैं, "यह रिपोर्टिंग में भागीदारों के अनुपालन, डेटा की मात्रा और समयबद्धता, जानकारी की ग्रैन्युलैरिटी और इसे साझा करने की आवृत्ति के बारे में है।"

सुरेश स्वीकार करते हैं कि, अब तक, यह मुख्य रूप से बहुत बड़ी कंपनियाँ रही हैं, $ 6 बिलियन और उससे अधिक की सीमा में, जिन्होंने छोटे आपूर्तिकर्ताओं, विक्रेताओं के साथ परिवर्तन को बल देने और प्रबंधित करने के लिए अपने उत्तोलन के कारण डिजिटल परिवर्तन के इस स्तर को संचालित किया है। और ग्राहक। लेकिन वह $1 बिलियन से $5 बिलियन रेंज में ग्राहकों की भर्ती करने का अवसर देखता है। 

यह सब कहाँ जा रहा है? समय के साथ सभी आकार के व्यवसायों के लिए डिजिटल परिवर्तन करना अनिवार्य हो जाएगा, जिससे समय के साथ आपूर्ति श्रृंखलाओं का अंतर्संबंध और समेकन हो जाएगा। स्वचालित होने के लिए अधिक संचालन और प्रक्रियाओं की तलाश करें, प्रतिक्रिया समय को और छोटा करें, त्रुटि को समाप्त करें, और अधिक उत्पादक, पुरस्कृत कार्य के लिए लोगों और संसाधनों को मुक्त करते हुए ऑर्डर-टू-पे चक्र को संकुचित करें। ऑनबोर्डिंग और डेटा सामंजस्य छोटे और मध्यम आकार के आपूर्तिकर्ताओं और विक्रेताओं के लिए लगभग प्लग-एंड-प्ले बन जाएगा, जिसमें नेटवर्क क्षमता सर्वव्यापी बनने के रास्ते में एक महत्वपूर्ण अंतर के रूप में उभर रही है। 

निचला रेखा: थोड़े समय के बाद, कभी-कभी कठिन, समायोजन की अवधि के बाद, आपूर्ति श्रृंखला बहुत तेज़, सरल और अधिक लचीली होने वाली है। 

संसाधन लिंक: 

एजवर्व, http://www.edgeverve.com 

ट्रेडएज, www.edgeverve.com/tradeedge

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोब्लॉकचैन। Web3 मेटावर्स इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• स्रोत: https://www.supplychainbrain.com/articles/36546-supply-chain-visibility-isnt-just-a-catchphrase-its-an-imperative