Synlighet i forsyningskjeden er ikke bare et slagord; Det er et imperativ

Tidsstempel: 3. februar 2023 12:00
Kilde node: 1939098

Det burde ikke være overraskende at bedre ordre-, lager- og forsendelsessynlighet topper prioriteringslisten for 60 % til 80 % av selskapene i forsyningskjedeundersøkelser. 

Der produsenter og forhandlere en gang utviklet, lagerførte og presset ut store volumer av varer til regionale markeder basert på forutsigbare historiske og sesongmessige mønstre, er D2C e-handel tilgjengelig for mye bredere publikum via internett, på pull-basis. En samlet, nesten kontinuerlig strøm av mindre bestillinger sendt på etterspørsel, sammen med økende total fraktetterspørsel, har oversvømmet terminal-, lager-, utstyrs- og kjøretøykapasitet i et stramt arbeidsmarked. 

Foranderlige kundeforventninger forsterker vanskelighetene. Last-mile press og kostnader er svært forskjellig for palletert gods som holdes i et distribusjonssenter for gradvis frigivelse til fabrikker eller butikker på avsenderens anvisning, versus tidsbestemte bestillinger med flere leveringstids- og lokasjonsalternativer og en grunnlinjeforventning om rett tid og full levering.  

Enten det er en ny pandemivariant, værhendelse eller containerskip som blokkerer Suez-kanalen, kan uforutsette omstendigheter lett gi et vippepunkt som setter etterspørsel, tilbud og kapasitet ut av justering over natten. 

Synlighets mange bevegelige deler

De fleste forsyningskjeder mangler fortsatt tilstrekkelig synlighet på nedstrøms etterspørselssiden ved salgsstedet (POS), oppstrøms i leverandørinnkjøp og produksjon, og i transitt under forsendelse. Å oppdage etterspørselen tidlig er spesielt kritisk gitt pågående markedsvolatilitet på grunn av jevn D2C-vekst, forsterket av pandemien, klimaet, krigen i Ukraina, global inflasjon og annet eksternt press.  

Etterspørselssignaler, mer enn noen annen enkeltpåvirkning, driver forsyningskjeden. De dikterer hva de skal produsere, i hvilke mengder og hvor de skal sendes – kort sagt alt fra innkjøp til ressurs- og ressursallokering til arbeidsflyt. Det virker derfor kontraintuitivt at de fleste konvensjonelle hierarkiske forsyningskjedemodeller fortsatt ikke kobler fabrikker og leverandører direkte til forhandlere og kunder i en god tilbakemeldingssløyfe.

I stedet flyter mesteparten av kommunikasjonen fra sentrum og utover, og partnerinnspill strekker seg sjelden utover ett nivå opp eller ned, og fanger kritiske data inne i organisasjonssiloer. Tredjeparts aggregatordata forsvinner i markedsføring, CRM-data (Customer Relations Management) i salg, produksjonsdata i drift og i C-suiten. Dette utgjør en betydelig risiko for høyere kostnader og tapt forretning ved avbrudd. 

Forsyningskjedens kompleksitet forsterker problemet, med mer enn 60 % av globale forbrukere som nå bruker e-handel, mer enn 25 millioner globale utsalgssteder åpner, en tidobling av nye produkter som kommer på markedet hvert år i løpet av det siste tiåret, og 10 % av varene opplever lageruttak.

"I fremvoksende markeder sender globale produsenter gjennom distributører, og deres synlighet stopper på det tidspunktet," forklarer Suresh Prahlad Bharadwaj, plattformsjef for TradeEdge hos EdgeVerve Systems, et heleid datterselskap av Infosys. «De vet ikke hvem kundene deres er, for det meste små mamma-og-pop-butikker. Selv i moderne handel, hvor produsenter selger gjennom en grossist eller direkte til en storbutikk som Walmart eller Target, er de ikke utstyrt for å behandle at salgsstedets synlighet kommer tilbake til dem.» 

I et desentralisert e-handelsmiljø, sier Suresh, kan salgssteder være spredt blant hundrevis eller tusenvis av distributører, forhandlere og nettsteder, alle med ulike modenhetsnivåer når det gjelder innsamling og deling av data, og ulike måter å formatere data og kommunisere på. 

"Hvem er kundene mine, hvor befinner de seg, hva bestiller de?" spør Suresh. "For å vite det, må jeg samarbeide med forhandlere for å få den samlede informasjonen om salgssted og lagerbeholdning raskt tilbake til produsentene, slik at de kan gjøre justeringer." Akkurat nå, legger han til, kan denne prosessen ta tre til fire uker, ved å stole på tredjeparts datasyndikatorer som Nielsen eller IRI for å samle inn og harmonisere data fra et panel med butikker, og deretter utarbeide tilpassede rapporter for bestemte kunder. "I dagens verden," sier han, "er det for sent."

Ettersom skybasert databehandlingskraft har økt og kostnadene har gått ned, forklarer Suresh, kutter flere forhandlere og mellommenn direkte datadelingsavtaler med kundebedrifter for å spre salgsdata fra primærkilden opp i kjeden. Men det er bare begynnelsen.

Finne nåler i høystakker

Programvarebaserte etterspørselsfølende verktøy, hjulpet av kunstig intelligens og maskinlæring, får oppmerksomhet for sin evne til å forutsi nær fremtidig etterspørsel. Disse verktøyene modellerer aggregerte POS-data i sanntid mot interne og eksterne uregelmessigheter i forsyningskjeden som klimahendelser, overbelastning av havner, en jernbanestreik, bevegelser i drivstoffpriser, renteøkninger og høye arbeidsledighetsrater – som alle påvirker kjøpsbeslutninger. 

Kort sagt, å forstå på en detaljert måte forholdene som varene ble solgt under i går, gir kortsiktig innsikt i hvordan og hvor de samme varene sannsynligvis vil selge i morgen, under samme eller forskjellige forhold. Ettersom mer granulære data samles inn over tid, registrerer kunstig intelligens og maskinlæring mønstre og innsikt som ville gå glipp av en tradisjonell manuell operasjon som kjører på en Enterprise Resource Planning (ERP)-pakke. Hyppigere rapporteringsintervaller forkorter responstiden når plutselige, mer uttalte hendelser oppstår.

Gitt at tradisjonell langsiktig strategisk planlegging og etterspørselsplanlegging nær falt bort siden utbruddet av COVID, kan det å konstruere nesten sanntidsdata på denne måten gi viktige fordeler. Plutselig jobber bedrifter med gårsdagens POS-butikk-SKU-salg og lagerdata, versus uker gammel oppsummeringsrapportering. Salgsdata har også en tendens til å levere mer nøyaktige etterspørselsprognoseresultater enn sammenlignbare forsendelsesdata, siden varer kan sendes av en rekke årsaker – for eksempel utveksling eller vareprøver.

Ved å bruke definerte forretningsregler og standarder som benchmarks, AI og maskinlæring kartforhandler SKU, produkt, UPC og annen koding mot produsentens koder som en del av onboarding-prosessen. De kan også skille mellom standard- og reklame-SKUer med for eksempel små innholdsendringer for det samme produktet. En viktig fordel er evnen til AI og maskinlæring til å analysere og eliminere fantombeholdning og vise tomrom for å forutsi og redusere varelager. Ved hjelp av analyser kan bedrifter validere salgstrenddata i løpet av timer.

"En av tingene vi vet om prognoser er at det ikke kommer til å være nøyaktig," hevder Suresh. "Så spørsmålet blir hvordan vi tetter hullene. Vi gjør det gjennom utførelse av kortsiktige påfyllingsbeslutninger på tvers av hele nettverket.»  

Bygge verdinettverket for forsyningskjeden

Nedstrøms synlighet i hvordan markeder og kunder samhandler for å påvirke salg, og genererer verdifulle etterspørselssignaler i prosessen, legger bordet for en større revisjon av hele forsyningskjeden. 

Synlighet både oppstrøms og nedstrøms, fra ordre til betaling i en ikke-hierarkisk, "mange-til-mange" nettverksmodell, gir en mulighet for ende-til-ende, sanntidsdatarapportering og -deling, og for samarbeid fra alle parter i nettverket. 

Prosessen begynner med å bygge en enkelt, pålitelig, delbar kilde for informasjon på tvers av nettverket. Partnere får passende tillatelser for å få tilgang til bestemte typer data for spesifikk bruk. Data, inkludert relevante skjemaer, dokumentasjon og kommunikasjon, er standardisert, harmonisert og strukturert i et felles databaseformat for enkel bruk. 

Så hva skjer når etterspørselssignalene begynner å blinke? Kan produksjonen raskt skaleres opp eller ned, eller produktmiksen og sekvenseringen endres for å sikre at bestillinger blir fylt i tide? Har Tier 2-leverandører materialene og delene for å øke produksjonen etter behov? Hvis ikke, kan eksisterende beholdning i systemet lokaliseres, omdirigeres og etterfylles? Hvis ikke, bør drifts- og planleggingsteam revurdere sikkerhetsaksjer, leverandørdiversifisering eller produktporteføljealternativer? Hva vil kostnadseffektene være? Tid er avgjørende for å få svar på disse spørsmålene og iverksette den optimale korrigerende handlingen.

Den viktige forskjellen med nettverksmodellen er at leverandører, produsenter og forhandlere ikke bare kan fornemme endringer i etterspørselen, men også samarbeide direkte og proaktivt, i sanntid, for å løse problemer, i stedet for at hver av dem har separat, skjult kommunikasjon gjennom hovedselskapet. hvor viktige detaljer kan gå tapt i oversettelsen. I tillegg kan AI- og maskinlæringsaktiverte analyser kjøre hundrevis eller tusenvis av scenarier på minutter, og spille hver ut basert på gjeldende og historiske forsendelses- og lagerdata for å formulere en optimal løsning.

Men som det gamle teknologiske ordtaket sier: søppel inn, søppel ut. Nettverksytelsen er bare så god som partnerkjøp og et nøyaktig datasett. "Det handler ikke bare om teknologi i skyen," insisterer Suresh, "det handler om å drive samsvar fra partnere i rapportering, datavolumet og aktualitet, detaljert informasjon og hyppigheten den deles med."

Suresh erkjenner at det til nå hovedsakelig har vært svært store selskaper, i størrelsesorden 6 milliarder dollar og over, som har drevet dette nivået av digital transformasjon, delvis på grunn av deres innflytelse til å tvinge frem og håndtere endringer med mindre leverandører, leverandører, og kunder. Men han ser en mulighet i å rekruttere kunder i størrelsesorden $1 milliard til $5 milliarder dollar. 

Hvor er alt dette på vei? Det vil bli avgjørende over tid for virksomheter av alle størrelser å gjennomføre digital transformasjon, noe som fører til sammenkobling og konsolidering av forsyningskjeder over tid. Se etter flere operasjoner og prosesser som skal automatiseres, forkorte responstidene ytterligere, eliminere feil og komprimere ordre-til-betal-syklusen, samtidig som du frigjør mennesker og ressurser for mer produktivt og givende arbeid. Onboarding og dataharmonisering vil sannsynligvis bli nesten plug-and-play for små og mellomstore leverandører og leverandører, med nettverkskapasitet som dukker opp som en nøkkeldifferensiator på veien til å bli allestedsnærværende. 

Konklusjonen: Etter en kort, til tider vanskelig, tilpasningsperiode, er forsyningskjeden i ferd med å bli mye raskere, enklere og mer robust. 

Ressurslenker: 

EdgeVerve, http://www.edgeverve.com 

TradeEdge, www.edgeverve.com/tradeedge

Tidstempel:

Mer fra Supply Chain Brain