נראות שרשרת האספקה ​​היא לא רק ביטוי; זה ציווי

צומת המקור: 1939098

זה לא צריך להיות מפתיע שנראות טובה יותר של הזמנות, מלאי ומשלוחים נמצאים בראש רשימת העדיפות של 60% עד 80% מהחברות בסקרי שרשרת האספקה. 

היכן שפעם יצרנים וקמעונאים פיתחו, החזיקו במלאי ודחפו החוצה כמויות גדולות של סחורות לשווקים אזוריים בהתבסס על דפוסים היסטוריים ועונתיים צפויים, המסחר האלקטרוני D2C נגיש לקהלים רחבים בהרבה דרך האינטרנט, על בסיס משיכה. זרימה מצרפית, כמעט מתמשכת, של הזמנות קטנות יותר שנשלחות לפי דרישה, יחד עם עלייה בביקוש להובלה הכוללת, כבשה את קיבולת הטרמינל, המחסנים, הציוד וכלי הרכב בשוק עבודה צפוף. 

ציפיות משתנות של לקוחות מחמירות את הקשיים. הלחצים והעלויות של המייל האחרון שונים בתכלית עבור הובלה משטחית המוחזקת במרכז הפצה לשחרור הדרגתי למפעלים או לחנויות בהנחיית השולח, לעומת הזמנות מוגדרות בזמן עם מספר אפשרויות אספקה ​​ומיקום וציפייה בסיסית לזמן ו משלוח מלא.  

בין אם מדובר בגרסה חדשה של מגיפה, אירוע מזג אוויר או ספינת מכולות החוסמת את תעלת סואץ, נסיבות בלתי צפויות יכולות בקלות לספק נקודת מפנה שמוציאה את הביקוש, ההיצע והקיבולת מהיישור בין לילה. 

חלקים נעים רבים של הנראות

רוב שרשראות האספקה ​​עדיין חסרות נראות נאותה בצד הביקוש במורד הזרם בנקודת המכירה (POS), במעלה הזרם במקור וייצור ספקים ובמעבר במהלך המשלוח. חישה מוקדמת של הביקוש היא קריטית במיוחד בהתחשב בתנודתיות מתמשכת בשוק עקב צמיחה מתמדת של D2C, המועצמת על ידי המגיפה, האקלים, המלחמה באוקראינה, האינפלציה העולמית ולחצים חיצוניים אחרים.  

אותות ביקוש, יותר מכל השפעה בודדת אחרת, מניעים את שרשרת האספקה. הם מכתיבים מה לייצר, באילו כמויות ולאן לשלוח - בקיצור, כל דבר, החל ממקור להקצאת נכסים ומשאבים ועד זרימת עבודה. נראה אפוא מנוגד לאינטואיציה שרוב המודלים ההיררכיים של שרשרת האספקה ​​המקובלים עדיין לא מחברים מפעלים וספקים ישירות לקמעונאים וללקוחות בלולאת משוב טובה.

במקום זאת, רוב התקשורת זורמת מהמרכז כלפי חוץ, וקלט השותף מתרחב רק לעתים רחוקות מעבר לרמה אחת למעלה או למטה, ולוכד נתונים קריטיים בתוך ממגורות ארגוניות. נתוני אגרגטור של צד שלישי מתפוגגים בשיווק, נתוני ניהול קשרי לקוחות (CRM) במכירות, נתוני ייצור בתפעול וב-C-suite. הדבר מהווה סיכון משמעותי לעלויות גבוהות יותר ואובדן עסק במקרה של הפרעה. 

מורכבות שרשרת האספקה ​​מחמירה את הבעיה, כאשר יותר מ-60% מהצרכנים העולמיים משתמשים כעת במסחר אלקטרוני, יותר מ-25 מיליון חנויות קמעונאיות פתוחות, עלייה של פי עשרה במוצרים חדשים שיוצאים לשוק מדי שנה בעשור האחרון, ו-10 % מהמוצרים שחווים מלאי מלאי.

"בשווקים מתעוררים, יצרנים עולמיים שולחים דרך מפיצים, והנראות שלהם נעצרת בשלב זה", מסביר Suresh Prahlad Bharadwaj, ראש פלטפורמה של TradeEdge בחברת EdgeVerve Systems, חברה בת בבעלות מלאה של Infosys. "הם לא יודעים מי הלקוחות שלהם, בעיקר חנויות קטנות של אמא ופופ. אפילו במסחר מודרני, שבו יצרנים מוכרים דרך סיטונאי או ישירות לחנות גדולה כמו Walmart או Target, הם לא מצוידים לעבד את הנראות של נקודת המכירה שחוזרת אליהם". 

בסביבת מסחר אלקטרוני מבוזרת, אומר סורש, ניתן לפזר נקודות מכירה בין מאות או אלפי מפיצים, קמעונאים ואתרי אינטרנט, כולם עם רמות שונות של בגרות באיסוף ושיתוף נתונים, ודרכים שונות לעיצוב נתונים ותקשורת. 

"מי הלקוחות שלי, איפה הם נמצאים, מה הם מזמינים?" שואל סורש. "כדי לדעת את זה, אני צריך לשתף פעולה עם קמעונאים כדי להחזיר את המידע המצטבר על נקודות המכירה והחנות ליצרנים במהירות, כדי שיוכלו לבצע התאמות." נכון לעכשיו, הוא מוסיף, התהליך הזה יכול להימשך שלושה עד ארבעה שבועות, בהסתמכות על סינדיקציית נתונים של צד שלישי כמו Nielsen או IRI כדי לאסוף ולהתאים נתונים מפאנל של חנויות, ולאחר מכן להכין דוחות מותאמים אישית עבור לקוחות מסוימים. "בעולם של היום," הוא אומר, "זה מאוחר מדי."

ככל שכוח עיבוד הנתונים המבוסס על ענן גדל והעלויות ירדו, מסביר סורש, יותר קמעונאים ומתווכים חותכים עסקאות שיתוף נתונים ישיר עם חברות לקוחות כדי לפזר נתוני מכירות ממקור ראשוני לגב בשרשרת. אבל זו רק ההתחלה.

מציאת מחטים בערימות שחת

כלי חישת ביקוש מבוססי תוכנה, בסיוע בינה מלאכותית ולמידת מכונה, זוכים לתשומת לב בזכות יכולתם לחזות ביקוש קרוב לעתיד. כלים אלה מודלים לצבור נתוני קופה בזמן אמת כנגד חריגות בשרשרת האספקה ​​הפנימית והחיצונית כגון אירועי אקלים, עומס בנמל, שביתת רכבת, מהלכי מחירי דלק, עליות ריבית ושיעורי אבטלה גבוהים - כל אלו משפיעים על החלטות רכישה. 

בקיצור, הבנה בצורה מפורטת של התנאים שבהם סחורה נמכרה אתמול מציעה תובנות קצרות טווח כיצד והיכן אותה סחורה צפויה להימכר מחר, בתנאים זהים או שונים. ככל שנאספים נתונים פרטניים יותר לאורך זמן, בינה מלאכותית ולמידת מכונה חשה דפוסים ותובנות שיתפספסו על ידי פעולה ידנית מסורתית הפועלת על חבילת תכנון משאבים ארגוניים (ERP). מרווחי דיווח תכופים יותר מקצרים את זמן התגובה כאשר מתרחשים אירועים פתאומיים ובולטים יותר.

בהתחשב בפטירתו הקרובה של תכנון אסטרטגי וביקוש מסורתי לטווח ארוך מאז תחילת ה-COVID, בניית נתונים כמעט בזמן אמת בדרך זו יכולה להניב יתרונות חשובים. לפתע חברות עובדות על נתוני המכירות והמלאי של חנות ה-POS של אתמול, לעומת דיווח סיכום של שבועות. נתוני מכירות גם נוטים לספק תוצאות חיזוי ביקוש מדויקות יותר מאשר נתוני משלוח דומים, שכן סחורה עשויה להישלח ממגוון סיבות - החלפות או סחורה לדוגמה, למשל.

שימוש בכללים וסטנדרטים עסקיים מוגדרים כמו בנצ'מרק, AI ולמידת מכונה מקמעונאי מק"ט, מוצר, UPC וקידוד אחר מול קודי יצרן כחלק מתהליך ההטמעה. הם יכולים גם להבדיל בין SKUs סטנדרטיים וקידום מכירות עם, למשל, שינויים קטנים בתוכן עבור אותו מוצר. יתרון חשוב הוא היכולת של בינה מלאכותית ולמידת מכונה לנתח ולחסל מלאי פנטום ולהציג חללים על מנת לחזות ולצמצם מלאי. באמצעות אנליטיקה, חברות יכולות לאמת נתוני מגמת מכירות תוך שעות.

"אחד הדברים שאנחנו יודעים על חיזוי הוא שזה לא הולך להיות מדויק", טוען סורש. "אז השאלה הופכת להיות איך נסתום את הפערים. אנו עושים זאת באמצעות ביצוע החלטות מילוי קצרות טווח בכל הרשת".  

בניית רשת ערך שרשרת האספקה

נראות במורד הזרם לגבי האופן שבו שווקים ולקוחות מקיימים אינטראקציה כדי להשפיע על המכירות, תוך יצירת אותות ביקוש יקרי ערך בתהליך, קובעת את השולחן לחשיבה מחודשת גדולה יותר של שרשרת האספקה ​​כולה. 

הנראות הן במעלה והן במורד הזרם, מהזמנה לתשלום במודל רשת לא היררכי, "רבים לרבים", מהווה הזדמנות לדיווח ושיתוף נתונים מקצה לקצה, בזמן אמת, ולשיתוף פעולה של כל הצדדים ברשת. 

התהליך מתחיל בבניית מקור יחיד, מהימן וניתן לשיתוף למידע ברחבי הרשת. לשותפים יש הרשאות מתאימות לגשת לסוגים ספציפיים של נתונים לשימושים ספציפיים. הנתונים, לרבות טפסים רלוונטיים, תיעוד ותקשורת, הם סטנדרטיים, מותאמים ומובנים בפורמט מסד נתונים משותף לנוחות השימוש. 

אז מה קורה כשאותות הביקוש מתחילים להבהב? האם ניתן להגדיל או להקטין את הייצור במהירות, או לשנות את תמהיל המוצרים ואת הרצף כדי להבטיח שההזמנות יתמלאו בזמן? האם לספקי שכבה 2 יש את החומרים והחלקים להגברת הייצור לפי הצורך? אם לא, האם ניתן לאתר, להפנות ולמלא מלאי קיים במערכת? אם לא, האם צוותי תפעול ותכנון צריכים לחשוב מחדש על מלאי בטיחות, גיוון ספקים או חלופות של תיק מוצרים? מה יהיו השפעות העלות? הזמן הוא קריטי בקבלת תשובות לשאלות אלו ובנקיטת הפעולה המתקנת האופטימלית.

ההבדל החשוב במודל הרשת הוא שספקים, יצרנים וקמעונאים יכולים לא רק לחוש בשינויים בביקוש, אלא גם לשתף פעולה באופן ישיר ויזום, בזמן אמת, כדי לפתור בעיות, במקום שלכל אחד מהם יש תקשורת נפרדת ומוצקה דרך החברה הראשית. שבו פרטים מכריעים יכולים ללכת לאיבוד בתרגום. בנוסף, ניתוחים התומכים ב-AI ולמידת מכונה יכולים להריץ מאות או אלפי תרחישים בדקות, ולשחק כל אחד מהם על סמך נתוני משלוח ונתוני מלאי נוכחיים והיסטוריים כדי לגבש פתרון אופטימלי.

אבל כמו שאומר הפתגם הטכנולוגי הישן: זבל פנימה, זבל החוצה. ביצועי הרשת טובים רק כמו רכישת שותפים ומערך נתונים מדויק. "זה לא קשור רק לטכנולוגיה בענן", מתעקש סורש, "זה עוסק בהנעת תאימות של שותפים בדיווח, נפח ועמידה בזמנים של הנתונים, פירוט המידע והתדירות שבה הוא משותף."

סורש מודה שעד כה היו אלו בעיקר חברות גדולות מאוד, בטווח של 6 מיליארד דולר ומעלה, שהניעו את הרמה הזו של טרנספורמציה דיגיטלית, בין השאר בגלל המינוף שלהן לכפות ולנהל שינויים מול ספקים קטנים יותר, ספקים, ולקוחות. אבל הוא רואה הזדמנות בגיוס לקוחות בטווח של מיליארד עד 1 מיליארד דולר. 

לאן כל זה מועד? זה יהפוך הכרחי עם הזמן לעסקים מכל הגדלים לבצע טרנספורמציה דיגיטלית, מה שיוביל לחיבור וגיבוש של שרשראות אספקה ​​לאורך זמן. חפש עוד פעולות ותהליכים שיהיו אוטומטיים, קיצור נוסף של זמני התגובה, ביטול שגיאות ודחיסה של מחזור ההזמנה לתשלום, תוך שחרור אנשים ומשאבים לעבודה פרודוקטיבית ומתגמלת יותר. ההטמעה וההרמוניזציה של נתונים ככל הנראה יהפכו כמעט ל-Plug-and-Play עבור ספקים וספקים קטנים ובינוניים, כאשר יכולת הרשת תופיע כמבדיל מרכזי בדרך להיות נפוצה בכל מקום. 

השורה התחתונה: לאחר תקופה קצרה, לעיתים קשה, של הסתגלות, שרשרת האספקה ​​עומדת להיות הרבה יותר מהירה, פשוטה וגמישה. 

קישורי משאבים: 

EdgeVerve, http://www.edgeverve.com 

TradeEdge, www.edgeverve.com/tradeedge

בול זמן:

עוד מ מוח שרשרת אספקה