LogisticsIT.com snakket med ledende representanter fra analytiker- og leverandørmiljøene for å diskutere noen av de viktigste nøkkelpunktene og områdene for innovasjon som finner sted innen etterspørselsprognoser og planleggingsteknologi.
Med et mer fragmentert og flyktig spillefelt i ferd med å bli normen, må bedrifter være i stand til å ta bedre mer nøyaktige beslutninger for å håndtere forventet og faktisk etterspørsel, samt utføre og oppfylle bestillinger så effektivt som mulig ved å unngå lagerutgang og levere til rett tid og spesifikasjoner uavhengig av om bestillingen er direkte til butikk eller direkte til forbruker.
Heldigvis holder den tilgjengelige teknologien tritt med disse utfordringene. Det er bare et tilfelle av å kunne navigere deg rundt hva som er tilgjengelig og hva som kan passe dine egne spesifikke behov og tilgjengelig budsjett. Så, nøyaktig hva er noen av hovedutfordringene ved behovsprognoser og planleggingsrelaterte løsninger som kan gjøre dem mindre krevende?
Koblingen mellom tilbud og etterspørsel er nøkkelen
Når det gjelder forsyningskjedeplanleggingsløsninger, Tim Payne, forskningsdirektør, Gartner, gjør poenget om at avgrensningen mellom etterspørselsplanlegging og planlegging av forsyningskjede stort sett har forsvunnet nå. "Så, forbindelsen mellom etterspørsel og tilbud er nøkkelen, og i økende grad har vi sett at teknologi kan dekke både etterspørsels- og tilbudsplanleggingssiden av ligningen fordi det er veldig viktig," sier han. Payne legger til at alt er på skyen i disse dager. "Ingen bringer en ny planleggingsløsning til markedet som kun er på premiss."
Payne forklarer også at flere leverandører nå legger til mer AI og maskinlæring i planleggingsløsninger. "Endringer i forretningsmodeller betyr at bedrifter trenger mye fleksibilitet i planleggingsløsningen," sier han. «For eksempel solgte forbruksvareselskaper tradisjonelt til fysiske forhandlere, og det var deres hovedkanal. Nå, med e-handel, må disse selskapene også se på etterspørselen etter nettsalg. Dette er en endring av forretningsmodellen.
"Du bruker fortsatt i hovedsak de samme prinsippene når det gjelder at du nå må se på etterspørselen etter e-handelskanalen din på samme måte som du har gjort for fysisk etterspørsel, selv om etterspørselen etter online salget vil være drevet av andre faktorer enn for en fysisk forhandler. Så bedrifter må vurdere hvor mye varelager de skal ha og om de skal ha separate lagerplasseringer eller lagre for de to kanalene – i butikk og online – eller kombinere dem fordi du vil ha mer fleksibilitet. Så løsningen for planlegging av forsyningskjede må være i stand til å takle denne omnikanalmodellen.»
Forbedring av kvaliteten på beslutningstaking
Payne mener imidlertid det største fokuset for selskaper, enten de er forhandlere eller høyteknologiske, farmasøytiske eller industrielle produsenter osv., er å kunne forbedre kvaliteten på beslutningene de tar. "Så det er mye fokus på prosesser - etterspørselsplanleggingsprosessen, forsyningskjedeprosessen. salgs- og driftsplanleggingsprosessen osv. Men vi blir ofte fiksert på prosesser – følger vi etterspørselsplanleggingsprosessen, er alle i samsvar med vår standard S&OP-prosess? Men poenget med planlegging er grunnleggende å ta beslutninger. Planlegging er en form for beslutningstaking og vi må bestemme hvor mye vi tror vi skal selge, flytte, lage og legge inn på lager. Så resultatet av planlegging er beslutningen, og resultatet av god planlegging er å ta gode beslutninger – det jeg beskriver som beslutninger av høyere kvalitet.
"Hvis vi tar beslutninger av høyere kvalitet, kan vi redusere verdilekkasje og skape muligheter for å øke verdien fordi vi får de riktige ressursene på rett sted til rett tid, og vi kan dra nytte av forstyrrelser og hendelser som skjer i markedet. Så. det skjer en endring, spesielt nå er det så mye digitalisering som skjer. Med alt digitaliserings- og digitaliseringsarbeidet som bedrifter gjør, finner vi et stort fokusområde som er forsyningskjeden.»
Kombinasjon av ulike analytiske teknikker
Innenfor forsyningskjeden kommenterer Payne at hovedfokusområdet er forsyningskjedeplanlegging fordi digitalisering handler om å bruke mye data og analyser. og spesielt maskinlæring, som handler om prediksjon og planlegging handler om å forutsi. Han legger til at automatisering av beslutningstaking også er et sentralt fokus. "Så det er mye fokus på gang fra produksjonsbedrifter når det gjelder hvordan de kan forbedre kvaliteten på beslutningene vi tar," sier han. "Det driver mange av de teknologiske endringene, ikke å ta ut optimaliseringstilnærminger, men å legge til flere analytiske teknikker som maskinlæring i alle dens forskjellige former, dyp læring og naturlig språkbehandling osv. Så det blir en kombinasjon av de forskjellige analytiske teknikker som bidrar til å forbedre kvaliteten på beslutningsprosessen.»
Effekten av omnikanal
Bryan Ball, bransjeanalytiker og konsulent, tidligereAberdeen strategi og forskning, gjør et poeng at Covid la mye press på muligheten for mange selskaper til å oppfylle bestillinger, hovedsakelig på grunn av veksten i omnikanal. "Det betydde at mange selskaper trengte å oppfylle bestillinger fra forskjellige punkter til det de opprinnelig hadde planlagt å oppfylle fra," sier han. "For eksempel, i mat- og drikkevareindustrien, hvis et selskaps vanlige distribusjonsleveringssteder var dagligvarebutikker og restauranter fordi folk spiste på restauranter og handlet i dagligvarebutikker, måtte det plutselig tenke nytt fordi restauranter stengte under pandemien og alt enten gikk gjennom den fysiske dagligvarekanalen eller gjennom nettbestillinger. Så selskaper som betjener denne sektoren måtte tilpasse seg veldig raskt og flytte ting rundt på en annen måte."
Re-tenke oppfyllelse
Så, forklarer Ball at det var nye utfordringer på etterspørselsplanleggings- og prognosesiden knyttet til den mottatte innkommende informasjonen. "Med andre ord var det nye spørsmål om hvor etterspørselen kom fra, tidspunktet for etterspørselen og volumet av etterspørselen, samt spørsmål rundt nivåene av datanøyaktighet og etterspørselsvolatilitet og så videre," sier han. "Men med den enorme veksten i hjemmelevering, for eksempel, hovedsakelig på grunn av pandemien, måtte bedrifter også tenke nytt på hvordan de reposisjonerte seg på oppfyllelsessiden, utførelsessiden, og tenke mer på hvor produktene skulle være plassert i rekkefølge for å utføre bestillinger raskere og mer kostnadseffektivt. Historisk sett ville varer normalt bli lagret på tradisjonelle distribusjonssentre som selskapet hadde etablert, men på grunn av overgangen til direkte-til-forbruker-modellen begynte noen selskaper, spesielt noen av de større, å tenke på hvordan de kunne bruke butikksider som distribusjonspunkter fordi de var nærmere der mye av bestillingene direkte til forbrukeren kom fra.»
Ball fortsetter: "Historisk sett kan de ha vært avhengige av regionale DC-er som dekker store regionale områder. Nå, på grunn av den store veksten i direkte-til-forbruker-modellen, kan de bestemme seg for å posisjonere dem i en storby eller stor lokalitet nærmere leveringssted – kanskje New York, Philadelphia, Atlanta, Houston eller Los Angeles for eksempel. Tidligere har bedrifter kanskje ikke vurdert dette som et alternativ på grunn av de lokale logistiske utfordringene på grunn av trafikkstopp, men fordi denne typen lokasjoner nå er et arnested for folk som bestiller på nettet, har levering til boliger og leiligheter blitt mer en norm, så bedrifter bruker i økende grad sine butikksider som oppfyllelsespunkter. Så det er nå ikke bare viktig å fange så nøyaktige data som mulig på den inngående etterspørsels- og prognosesiden, men på den utgående siden er det nødvendig å lage en så intelligent modell som mulig som forteller deg hvor det er best å lagre produkter for å minimere kostnadene og leveranse."
Mens etterspørselsplanlegging og prognoser pleide å være mer en front-end del relatert til det du gjorde i forsyningskjeden, forklarer Ball at det nå har blitt en svært levende del av det du trenger å gjøre for effektiv utførelse og oppfyllelse i ny omnikanalverden – direkte til forbrukerbutikker eller fysiske butikker. "Det meste av planleggingsmodellen er basert på inngående informasjon om hvordan du bedre kan spesifisere visse varer og få bedre spesifisitet om det beste stedet å sende dem til," sier han. "Selv om den samlede etterspørselen etter en bestemt type vare kan være ganske stabil, kan typen etterspørsel variere avhengig av hvor kunden befinner seg.
«Tenk for eksempel på små, mellomstore eller store klær. Prosentandelen av salg i små, mellomstore og store varierer kanskje ikke mye totalt, men prosentandelen av hver størrelse kan variere mye avhengig av sted. Det kan være tilfelle at klær i større størrelser er mer etterspurt i byer, det kan være tilfelle at lettere klær er mer etterspurt i Sør, hvor temperaturene er mer konsekvent varmere i løpet av året. Så etterspørselsprognose- og planleggingsløsningen bør tilby et høyere nivå av raffinement ved oppfyllelsen. Du vil sannsynligvis ikke trenge snøploger i sør, så hvis du har en plante som lager snøploger, ville det være best å sette den på et sted som har snø og kanskje fjell, for eksempel Tennessee. Det er et godt distribusjonspunkt til kundene, og det tilbyr også konkurransedyktig produksjon."
Virkningen av sosiale medier
Steve Murphy, direktør – kundeservice, Panorama Consulting Group, observerer en rekke nøkkelområder som endrer ansiktet til etterspørselsprognoser og -planlegging i dag. "Den ene er utviklingen av omnikanal for å tilfredsstille forbrukernes etterspørsel, og valget forbrukerne har nå mellom kjøp i butikk og online bestillinger," sier han. "Nettsalget har eksplodert de siste årene, spesielt siden pandemien. På sosiale medier blir vi alle bombardert nå med målrettede annonser basert på tett sporing av nettaktiviteten din i dag. For bare noen få år siden ville annonsene du ville se dukke opp, være fra fire eller fem hovedselskaper som var rettet mot den typen annonsering. I dag, hvis du besøker en nettside innen timer, vil du begynne å se popup-annonser relatert til det selskapet og dets produkter. Når du registrerer deg på landingssiden din, enten det er Google, Yahoo eller hva tilfellet måtte være, kommer du til å se annonser eller historier om den forhandleren eller det produktet.»
Murphy mener at dette ikke bare endrer seg på grunn av teknologi i dag, det kan også endre seg på grunn av store hendelser, spesielt pandemien. "Pandemien var en engangshendelse, men den endret alt," sier han. «Det endret hvordan selskapene driver leverandørkjedene sine, og de store transportselskapene måtte tenke nytt om hvordan de skulle levere varer. I dag, når det gjelder sjøfrakt, for eksempel, kan du nå sjekke inn når som helst og se nøyaktig hvor en forsendelse er på GPS.»
AI og maskinlæring
En annen viktig utvikling innen etterspørselsplanlegging og prognoser i dag, ifølge Murphy, er utviklingen av AI og maskinlæring. «Ledende ERP-leverandører som Oracle, SAP og Microsoft samt spesialiserte leverandører av etterspørselsprognoser og planleggingsløsninger kan for eksempel bruke AI til å ta de trendende økonomiske mønstrene de siste tre månedene, trekke det inn i systemet og nøyaktig estimere hva etterspørselen vil sannsynligvis være for neste måned. Nøyaktighetsnivået til disse systemene har forbedret seg med stormskritt."
Murphy legger til at selv om maskinlæring gir mer og bedre data, er et av de viktigste punktene å huske at du fortsatt trenger et menneske for å ha total kontroll. "I tilfelle av store begivenheter som kan ha en innvirkning på produktsalg, som Super Bowl, kan folk som forstår etterspørselsprognoser og planlegging basert på mange års praktisk erfaring si at jeg tror lagernivåene bør økes med 1 % over det dataene antyder, eller pump det ned med et lignende nivå. Dette kan ofte vise seg å være mer nøyaktig enn maskinlæringsdataene foreslått. Så du trenger fortsatt den menneskelige faktoren basert på etterspørselsprognoser og planleggingserfaring i stedet for å bare stole på tallene som kommer ut av maskinen.»
Mukul Krishna. global leder for forskningspraksis – forsyningskjede og logistikk, Frost & Sullivan, gjenspeiler at det var bare et tiår siden at industrien så vidt begynte å digitalisere, og folk begynte å se på å samle inn data og lage datarapporter. "Mange verdifulle data begynte å komme ut av det i form av økt prognosenøyaktighet," sier han. "Så, mer nylig, rammet pandemien, og dette fikk mange selskaper til å tenke nytt på hvordan de håndterer etterspørselsprognoser og -planlegging.
Går videre fra historiske data
«Noen i klesbransjen fortalte meg at selskapets planlegging for våren 2022 var basert på forrige års data. I kjølvannet av pandemien gikk imidlertid alle disse historiske dataene som går tilbake et år eller så ut døren. I ustabile tider, spesielt når ting endrer seg veldig raskt, betyr historiske data svært lite. Vanligvis har etterspørselsprognoser basert seg på disse historiske dataene, men nå er flere mennesker veldig klar over det faktum at det er så mye usikkerhet der ute at det er veldig vanskelig å lese vanlige økonomiske data.»
Allerede før pandemien påpeker Krishna at mange detaljkunder ble veldig komfortable med ideen om e-handel. "Så under pandemien ble disse kundene forståelig nok enda mer komfortable med å bestille online. Så bedrifter trenger ikke bare å administrere både fysiske og mørtel-leveranser og direkte-til-forbruker-leveranser, men må også ta hensyn til omvendt logistikk fordi noen kunder har fått for vane å bestille for eksempel 10 varer, men bare har til hensikt å beholde 5 av dem, eller enda færre. Så nå er det den ekstra utfordringen med å administrere returer og få varene tilbake i hyllene eller tilbake på rett plass på lageret eller DC for å være klare for sending til en annen kunde.»
Krishna legger til at noen selskaper fortsatt tar hensyn til historiske data, men stoler nå mer på data som bare er noen få måneder gamle. "De begynner også å bruke mer kunstig intelligens og prøver å triangulere så mye av det som skjer for å prøve å finne ut sann etterspørsel," sier han. "Bare fordi noe skjedde i fjor betyr ikke det at det kommer til å skje i år, så selskaper ønsker å øke sannsynligheten for å ha en mye bedre følelse av nøyaktige data i tider med større usikkerhet."
Også med klimaendringer, mener Krishna at bedrifter må spørre seg selv om det vil bli en varmere vinter fordi dette kan påvirke større etterspørsel etter visse produkter som historisk sett kanskje ikke har vært så mye etterspurt på den tiden av året. "Så ting som dette blir nå mer i fokus for selskaper, der de ikke ville ha tenkt så mye på dem tidligere når de prøvde å forutse etterspørselen." Når det gjelder å prøve å finne ut mer nøyaktige etterspørselsmønstre i motsetning til å stole på historiske data, forklarer Krishna at flere selskaper nå prøver å modellere data bedre ved å bruke AI eller avanserte analyser for å begynne å bli mer prediktive og preskriptive. "Alt dette kan bidra til å introdusere mer sannsynlighet i algoritmene," sier han.
SaaS/on-premise-debatten
Ball observerer at mange selskaper og best-in-class selskaper absolutt flytter, eller allerede har flyttet, noe av funksjonaliteten deres til SaaS-modellen, både når det gjelder etterspørselsprognoser og planlegging og ERP. "De kan først og fremst bestemme seg for å flytte visse deler til skyen, for eksempel beslutningsstøtte," sier han. "De bestemmer seg kanskje ikke for å flytte økonomisk planlegging fordi de ser at deres økonomiske tall er deres "nøkler til kongeriket". De kan bestemme seg for å legge planleggingsdataene sine i skyen.
"Men selv da vil de kanskje være mer hemmelighetsfulle om det fordi planleggingsdataene deres har volum-, produkt-, markedsførings- og prisinformasjon. Så de kan være på vakt mot den typen data. Likevel kan de bestemme seg for å ta deler av disse dataene og flytte dem utenfor stedet. Generelt har mange selskaper kommet forbi holdningen om å holde alt internt. Når det er sagt, er det fortsatt mange produsenter som ikke vil ha sin hemmelige formel i skyen og føler seg tryggere hvis den er på premiss. I tilfellet med Covid der folk ikke kunne fortsette å jobbe på stedet, viste SaaS seg svært verdifulle for å sikre at data som relatert til inventar kunne nås uansett hvor de var som hadde myndighet til å se denne informasjonen.»
Å ha en kant
Krishna mener at mange av de første bekymringene knyttet til SaaS har forsvunnet. Han mener imidlertid at i visse bransjer, som detaljhandel, er lokale løsninger og kantegenskaper like viktige for å administrere omnikanalmodellen – direkte til kunde og direkte til butikk. Krishna poengterer også at edge computing kan ha en fordel fremfor skyen når det gjelder redusert ventetid, noe han mener blir stadig viktigere i en forsyningskjedeverden der rask respons kan være avgjørende for å holde tritt med etterspørsel og lagerkrav.
"Under pandemien ble mange syke, og det å slutte nådde også høye nivåer," sier han. "Mange forlot jobbene sine for å omskolere seg eller øke ferdighetene og komme inn i gig-økonomien. Stort sett på grunn av dette prøvde selskaper å utnytte mer AI-basert automatisering. Så for eksempel ble flere lagerstyringsroboter brukt. Disse robotene er i utgangspunktet edge-databehandlingsenheter på hjul. I mellomtiden ble RFID-skannere og maskinsyn utplassert for å skanne gjenstander nedover gangene for å finne ut hva som er på lager og hva som ikke er det. Så disse typer oppgaver som kan ha blitt ansett som kjedelige for menneskelige arbeidere, kan nå effektivt gjøres ved automatisering og er i stand til å gi deg informasjon stort sett i sanntid.»
Holder deg oppdatert på uventede trender
Krishna minner oss om at når pandemien rammet, begynte folk å gjøre en rett linje for alle typer varer som under normale omstendigheter ikke ville fly ut av hyllene, for eksempel toalettpapir. "I min egen lokale dagligvarebutikk hadde jeg aldri sett den gå tom for løk før Covid," bemerker han, og legger til at noen butikker da begynte å rasjonere visse varer, for eksempel tillater to varer per kunde. "Hvis du har data som kommer til deg i nær sanntid, kan du begynne å overvåke disse uventede trendene og innføre visse retningslinjer som vil hjelpe deg med å forhindre lagerutgang," sier han.
"Men data som sendes til skyen betyr at det å få dem tilbake vil oppleve et visst nivå av latens, og selv en liten mengde latens kan gjøre en stor forskjell for å møte etterspørselen og følge trender. Så du vil minimere ventetiden. For eksempel vil du ikke at det autonome kjøretøyet ditt skal snakke med skyen. I stedet vil du at kjøretøyet skal ta autonome beslutninger uten å måtte kommunisere med skyen. Så hvis du har mange autonome kjøretøy som leverer siste mil ved å bruke onboard edge databehandling for å ta avgjørelser i stedet for å måtte gå inn i skyen og tilbake, kan dette være mye mer effektivt. På samme måte kan lagerstyringsroboten din på lageret ved hjelp av edge computing fortelle deg i nesten sanntid at du mangler et bestemt produkt og kan bestille mer før du opplever at lageret er utsolgt.»
Ta hensyn til utgiftene
Krishna legger til at det ofte sies at hvis du kaster nok penger på problemet, vil problemet forsvinne. "Men mange selskaper har ikke store mengder penger. Banebrytende teknologi kan være dyrt, så i utviklingsland der arbeidskraften fortsatt er relativt billig, vil mange bedrifter fortsette å sparke boksen nedover veien når det gjelder å investere i nyskapende teknologi. I stedet vil de bare ansette flere folk. Hvis du ser på mer velstående områder som Nord-Amerika, Vest-Europa, Sør-Korea eller Japan, vil du se mer bruk av lagerautomatisering og roboter, spesielt når det gjelder plukkeroboter med aktive plukkearmer – men i mer komplekse varehus der gangene kan når 30 eller 40 stativer høye, må plukkeroboter være svært artikulerte og bevege seg i svært komplekse vinkler, noe som betyr at mye mer kompleksitet er involvert. Så på grunn av denne typen kompleksitet og utgifter, må bedrifter ha en veldig god økonomisk grunn til å gå over til mer automatisering. Mange selskaper synes ikke situasjonen deres er så alvorlig, og de har nok folk tilgjengelig til å håndtere plukkingen på en mer manuell måte.»
Hvis de har budsjettet tilgjengelig, forklarer Krishna at flere selskaper nå bruker co-bots også. "Likevel, ettersom automatisering blir mer vanlig, tror jeg fortsatt ikke konseptet med det mørke varehuset kommer til å gå mye fremover i løpet av de neste to eller tre årene i det minste," sier han. "Det mørke lageret er selvfølgelig et sensitivt problem ved at maskineri potensielt kan erstatte mye av den menneskelige arbeidsstyrken i varehus og DC. Motargumentet er at i mange tilfeller kan mer automatisert teknologi forsterke og hjelpe arbeidet som den menneskelige arbeidsstyrken gjør.»
Forlengelsesfaktoren
Selv om SaaS har eksistert i flere år nå, er mange selskaper fortsatt mer komfortable med å ha serverne sine på stedet, kanskje av sikkerhetsmessige årsaker, selv om disse er minimale i dag. Murphy forklarer imidlertid at hvis du ser på de langsiktige kostnadene ved en lokal løsning, kan den bli betydelig dyrere på grunn av behovet for å oppgradere på stedet og muligens leie inn konsulenter for å påta seg utvidelsesarbeid (utvidelse er begrepet som nå er vanlig brukt i stedet for tilpasning). "Selvfølgelig er en av hovedfordelene med en SaaS-abonnementsmodell der et selskap betaler kvartalsvis eller årlig at det, i det minste for de fleste av de øverste selskapene, finner sted en automatisk kvartalsvis oppdatering av programvaren deres. Dette betyr at de alltid er oppdatert med programvaren og bruker den aller nyeste versjonen. Jeg tror nok det er en av de største fordelene med SaaS.»
En annen avgrensning mellom on premise og SaaS, ifølge Murphy, er med on premise hvis hver gang du oppgraderer du bestemmer deg for å legge til noen utvidelser, vil du sannsynligvis trenge en konsulent for å komme inn og administrere utvidelsesarbeidet. «Med SaaS-modellen ønsker du ikke å tilpasse løsningen for hver bruker, så funksjonaliteten er normalt basert på beste praksis for bestemte bransjer. Hvis noen har et spesielt behov for en utvidelse for å passe bedre til en bestemt virksomhet, anbefaler vi før du går videre med denne potensielt kostbare planen, er at du tenker nøye gjennom hva du ønsker å få ut av programvaren.
Det er viktig å vite hva de samlede fordelene vil være og om det er fornuftig å gjøre det basert på den ekstra kostnaden som er involvert. Etter nøye overveielse kan du bestemme deg for at det ville være mer fordelaktig bare å stole på standard programvarepakken. Så en kostnadsnytteanalyse eller endringsnytteanalyse gir mening. Hvis en utvidelse er det foretrukne alternativet, kan vi hjelpe programvareselskapene med å designe den utvidelsen. Å gjøre utvidelser ser ikke ut til å være en så kompleks eller vanskelig prosess som det pleide å være. Det er nå ikke det samme som å gjøre noen av de kraftige tilpasningene som vi pleide.»
Hva som kommer
Hva kan være de neste innovasjonene/utviklingene å se etter i løpet av det neste året eller to? Murphy forklarer at ved å bygge inn AI og maskinlæring i dagens etterspørselsprognose- og planleggingsløsninger, kan teknologien kontinuerlig lære av alle transaksjonene som finner sted, både ved bestilling og oppfyllelse. Noe annet å tenke på, sier Murphy, er at det er så mange flere datakilder å hente fra nå for å overvåke etterspørselstrender, inkludert data fra sosiale medier. "Det pleide å være slik at du så på tidligere salgshistorie og økonomiske spådommer og hva som foregikk på markedsplassen din basert på forskjellige regioner og hvordan salgstrendene i disse delene av landet var.
"Nå er datakildene så store at å prøve å samle inn mer og bedre data for å sette inn i systemet er et av hovedmålene. Så jeg tror at hvis vi kan finne bedre måter å samle inn data til bruk i etterspørselsprognose- og planleggingssystemer, er det der de viktigste forbedringene vil ligge. Jeg tror noen der ute kommer til å designe en enda bedre datainnsamlingsprosess for å hente inn disse verdifulle dataene fra alle disse enorme kildene. Deretter er det et spørsmål om hvordan denne mer verdifulle informasjonen samles og behandles av de beste etterspørselsprognose- og planleggingsløsningene. Dette blir neste steg.»
Mer automatisering for å dempe det stramme arbeidsmarkedet
Fortsetter temaet om mulig fremtidig utvikling, Alex Macpherson, direktør for løsningsrådgivning og kontoadministrasjon, Manhattan Associates, peker på videreføring av automatisering for å dempe det stramme arbeidsmarkedet, spesielt i lagersektoren. "Dette er for å gi kapasitet i de høye periodene som er hendelsesdrevet og ikke bare de vanlige sesongtoppene som virksomheten har opplevd," sier han. "Formatet på denne automatiseringen vil variere fra konvensjonell ASRS og transportørdrevet automatisering til cobots og robotikk." Macpherson legger til at bruken av AI og maskinlæring vil eksplodere i lagermiljøet, og drive mange oppgaver som ble initiert manuelt, for eksempel bølger og forutse arbeidsprognoser. "Sektoren har vært en som ikke har sett omfattende bruk av AI, og det er i ferd med å endre seg," sier han.
Macpherson legger til at det kommer til å bli interessant å se hvordan forhandlere behandler avkastning i løpet av de neste 12 til 18 månedene. "Omfanget avkastningen har på alle virksomheter og de enorme kostnadene ved å administrere disse har endelig blitt realisert og vil bli taklet," sier han. «Enten dette er å ta betalt for returer eller få kunder til å betale årlige avgifter for å returnere varer, vil dette være et annet område som vil endre seg raskt og avgjørende. Vi har allerede sett first mover-fordel av flere høyprofilerte forhandlere, og dette vil gi impulser for resten å handle etter.»
Ingen lys ute
Payne tror vi vil se mye mer fra et AI-perspektiv. "Hvis vi ser tilbake til tiden før Covid, hørte jeg mange sluttbrukere si at de ville ha lys ut planlegging, ingen berøringsplanlegging eller autonom planlegging. Heldigvis har disse ledende selskapene innsett at det ikke kommer til å skje. Du kommer aldri til å automatisere all beslutningstaking i forsyningskjeden. Du kan automatisere mye av det, men du kan ikke automatisere alt. Det er fortsatt behov for visse typer avgjørelser for menneskelig innspill menneskelig dømmekraft, som er det vi alltid har sagt. Helt autonom planlegging var en drøm, men du kan gjøre mye mer enn den veldig manuelle måten planlegging fortsatt gjøres av mange selskaper på regneark.»
Ifølge Payne vil generativ AI ha en økende innvirkning. "Foreløpig er det mange som sier at Chat GPT vil forandre måten vi gjør ting på. Det er bare en annen AI-teknikk, men bruken av store språkmodeller kan forandre måten planleggere samhandler med planleggingssystemer. Så du kan ha en mer naturlig samtale med planleggingssystemet. Det er sannsynligvis der vi kommer til å se noen av de første brukssakene i planleggingsverdenen.»
Syntetiske data
Et annet område av innovasjon som sannsynligvis vil få mer trekkraft, etter Paynes syn, er opprettelsen av syntetiske data. "Du kan potensielt bruke tvillingen din i den digitale forsyningskjeden sammen med generative AI-evner for å kunne lage syntetiske data – med andre ord, data som ikke er skapt av den fysiske forsyningskjeden, men som er skapt digitalt. Med disse dataene kan du teste ut alle slags scenarier og alternativer."
Strukturell endring
En videre utvikling vi kunne se i løpet av de neste par årene, ifølge Payne, er en endring i strukturen for etterspørselsprognoser og planleggingsløsninger. "I dag, når bedrifter kjøper en planleggingsteknologiløsning, kan de si at den må gjøre behovsplanlegging, lagerplanlegging, etterfyllingsplanlegging, produksjonsplanlegging, salgs- og driftsplanlegging eller integrert forretningsplanlegging. I utgangspunktet er det de leter etter en komplett planleggingsløsning fra ende til ende. Det er her leverandører som Kinaxis, SAP, Oracle, Blue Yonder og alle de store plattformene spiller.
Det kan imidlertid være tilfelle at et selskap ønsker ekstra funksjonalitet som ikke er innebygd i den lukkede plattformen de bruker for øyeblikket og derfor søker tredjepartsløsninger eller bygger noe selv, kanskje ved å bruke analyse- og datavitenskapsteamene deres for å fylle gapet med planlegging eller analytics etc. Det vokser imidlertid en trend for løsninger som tilbyr utskiftbare byggeblokker av funksjonalitet, enten du bruker de fleste byggeklossene fra én leverandør eller en blanding. Gartner kaller dette komponerbarhet, noe som gjør en løsning mye mer modulær og tilpasningsdyktig.»
- SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
- PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
- PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
- PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
- PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
- kilde: https://www.logisticsit.com/articles/2024/01/02/improving-your-demand-and-fulfilment-processes
- : har
- :er
- :ikke
- :hvor
- $OPP
- 10
- 12
- 150
- 2022
- 30
- 40
- a
- evne
- I stand
- Om oss
- ovenfor
- aksesseres
- Ifølge
- Logg inn
- kontoadministrasjon
- nøyaktighet
- nøyaktig
- nøyaktig
- Handling
- aktiv
- aktivitet
- faktiske
- legge til
- legge
- Ytterligere
- Legger
- justere
- annonser
- avansert
- Fordel
- Annonsering
- Etter
- siden
- fremover
- AI
- alex
- algoritmer
- Alle
- tillate
- langs
- allerede
- også
- Selv
- alltid
- america
- beløp
- beløp
- an
- analyse
- analytiker
- Analytisk
- analytics
- og
- Angeles
- årlig
- Årlig
- En annen
- forutse
- forventet
- forutse
- noen
- klær
- anvendt
- påføring
- tilnærminger
- ER
- AREA
- områder
- argument
- armer
- rundt
- kunstig
- kunstig intelligens
- AS
- spør
- bistå
- At
- Atlanta
- oppmerksomhet
- holdning
- øke
- myndighet
- automatisere
- Automatisert
- Automatisk
- Automatisering
- autonom
- autonome kjøretøy
- autonome kjøretøyer
- tilgjengelig
- unngå
- borte
- tilbake
- ball
- basert
- I utgangspunktet
- BE
- ble
- fordi
- bli
- blir
- bli
- vært
- før du
- Begynnelsen
- være
- mener
- gunstig
- nytte
- Fordeler
- BEST
- beste praksis
- Bedre
- mellom
- DRIKKE
- Stor
- Biggest
- Blocks
- Blå
- bestilling
- både
- grensene
- Murstein og mørtel
- Bringer
- budsjett
- bygge
- Bygning
- bygget
- virksomhet
- forretningsmodell
- Business Planning
- bedrifter
- men
- kjøpe
- by
- Samtaler
- CAN
- evner
- evne
- Kapasitet
- fangst
- forsiktig
- nøye
- saken
- saker
- sentre
- viss
- Gjerne
- kjede
- kjeder
- utfordre
- utfordringer
- endring
- endret
- Endringer
- endring
- Kanal
- kanaler
- lading
- chatte
- billig
- valg
- omstendigheter
- Byer
- City
- kunde
- Klima
- Klima forandringer
- Lukke
- stengt
- nærmere
- Klær
- Cloud
- CO
- samle
- Samle
- samling
- kombinasjon
- kombinere
- Kom
- komfortabel
- kommer
- kommentarer
- Felles
- vanligvis
- kommunisere
- Communities
- Selskaper
- Selskapet
- Selskapets
- fullføre
- helt
- komplekse
- kompleksitet
- databehandling
- konsept
- Bekymring
- angå
- bekymringer
- lunger
- tilkobling
- Vurder
- ansett
- anser
- konsekvent
- konsulent
- konsulenter
- konsulent
- forbruker
- Forbrukere
- kontinuerlig
- videreføring
- fortsette
- fortsetter
- kontroll
- konvensjonell
- Samtale
- Kostnad
- kostbar
- Kostnader
- kunne
- Motvirke
- land
- land
- Par
- kurs
- dekke
- dekker
- Covid
- skape
- opprettet
- Opprette
- skaperverket
- kritisk
- I dag
- kunde
- Kunder
- skjærekant
- mørk
- dato
- datavitenskap
- Dato
- Dager
- dc
- avtale
- tiår
- bestemme
- avgjørelse
- Beslutningstaking
- avgjørelser
- dyp
- dyp læring
- leverer
- leveransene
- levere
- levering
- Etterspørsel
- Forespørsel om etterspørsel
- avhengig
- utplassert
- beskrive
- utforming
- Bestem
- utvikle
- Utviklingsland
- Utvikling
- utviklingen
- Enheter
- gJORDE
- avvike
- forskjell
- forskjellig
- vanskelig
- digitalt
- Digital Transformation
- digitalt
- digitalisering
- dire
- direkte
- Regissør
- diskutere
- Dispatch
- forstyrrelser
- distribusjon
- do
- gjør
- doesn
- gjør
- Don
- gjort
- ikke
- Av
- ned
- drøm
- drevet
- kjøring
- to
- under
- e-handel
- hver enkelt
- økonomisk
- økonomi
- Edge
- kanten beregning
- Effektiv
- effektivt
- effektiv
- effektivt
- enten
- ellers
- slutt
- ende til ende
- nok
- nok penger
- sikrer
- Miljø
- like
- ERP
- spesielt
- hovedsak
- etablert
- anslag
- etc
- Eter (ETH)
- Europa
- Selv
- Event
- hendelser
- Hver
- alle
- alt
- evolusjon
- nøyaktig
- eksempel
- henrette
- gjennomføring
- dyrt
- erfaring
- erfaren
- forklarer
- forlengelse
- utvidelser
- omfattende
- grad
- ekstra
- Face
- Faktisk
- faktor
- faktorer
- ganske
- føler
- avgifter
- Noen få
- færre
- felt
- Figur
- fyll
- Endelig
- finansiell
- finansiell planlegging
- Finn
- Først
- passer
- fem
- fleksibilitet
- Fokus
- etter
- mat
- Til
- skjema
- format
- skjemaer
- formel
- Heldigvis
- Forward
- fire
- fragmentert
- frakt
- fra
- frost
- funksjonalitet
- fundamentalt
- videre
- videre utvikling
- framtid
- fremtidig utvikling
- Gevinst
- mellomrom
- Gartner
- general
- generative
- Generativ AI
- få
- få
- konsertøkonomi
- Gi
- Global
- Go
- Mål
- skal
- borte
- god
- varer
- fikk
- gps
- flott
- større
- dagligvarebutikk
- Økende
- Vekst
- vane
- HAD
- hands-on
- skje
- skjedde
- Skjer
- Ha
- å ha
- he
- hørt
- Tungt arbeid
- hjelpe
- hjelper
- Høy
- høy profil
- høyere
- svært
- leie
- hans
- historisk
- historisk
- historie
- hit
- hold
- Hjemprodukt
- hjem levering
- TIMER
- houston
- Hvordan
- Men
- HTTPS
- stort
- menneskelig
- i
- Tanken
- if
- Påvirkning
- viktig
- forbedre
- forbedret
- forbedringer
- bedre
- in
- I andre
- i butikken
- Inkludert
- Øke
- økt
- økende
- stadig
- industriell
- bransjer
- industri
- informasjon
- innledende
- i utgangspunktet
- initiert
- Innovasjon
- inngang
- i stedet
- Institute
- integrert
- Intelligens
- Intelligent
- Har tenkt
- samhandle
- interessant
- inn
- introdusere
- inventar
- Inventory Management
- investere
- involvert
- utstedelse
- saker
- IT
- varer
- DET ER
- Japan
- Jobb
- jpg
- bare
- Hold
- holde
- nøkkel
- Nøkkelområder
- sparke
- Vet
- korea
- Arbeids
- landing
- destinasjonssiden
- Språk
- stor
- i stor grad
- større
- Siste
- I fjor
- Ventetid
- siste
- leder
- ledende
- sprang
- LÆRE
- læring
- minst
- venstre
- mindre
- la
- Nivå
- nivåer
- Leverage
- løgn
- ligger
- lettere
- i likhet med
- Sannsynlig
- lite
- lokal
- lokale
- ligger
- plassering
- steder
- logistikk
- langsiktig
- Se
- så
- ser
- den
- Los Angeles
- Lot
- masse
- maskin
- maskinlæring
- maskinsyn
- maskiner
- laget
- Hoved
- større
- gjøre
- GJØR AT
- Making
- administrer
- ledelse
- administrerende
- måte
- håndbok
- manuelt
- Produsenter
- produksjon
- mange
- mange folk
- marked
- Marketing
- markedsplass
- Kan..
- kan være
- me
- bety
- betyr
- midler
- ment
- Mellomtiden
- Media
- medium
- møte
- Microsoft
- kunne
- tankene
- minimal
- minimerer
- Minske
- bland
- modell
- modeller
- modulære
- penger
- Overvåke
- overvåking
- Måned
- måneder
- mer
- mer effektivt
- mest
- flytte
- gå fremover
- flyttet
- flytting
- mye
- my
- Naturlig
- Naturlig språk
- Natural Language Processing
- Naviger
- Nær
- nødvendighet
- Trenger
- nødvendig
- trenger
- behov
- aldri
- likevel
- Ny
- New York
- neste
- Nei.
- normal
- normalt
- nord
- nord amerika
- nå
- Antall
- tall
- Observerer
- hav
- of
- off
- tilby
- Tilbud
- ofte
- Gammel
- omnichannel
- on
- ONE
- seg
- på nett
- online salg
- bare
- OP
- betjene
- Drift
- Muligheter
- motsetning
- Alternativ
- alternativer
- or
- orakel
- rekkefølge
- ordrer
- Annen
- vår
- ut
- Utfallet
- Utsalgssteder
- enn
- samlet
- egen
- pakke
- side
- pandemi
- Papir
- Spesielt
- spesielt
- parti
- Past
- mønstre
- Betale
- betalende
- land
- Topp
- Ansatte
- for
- prosent
- perioder
- perspektiv
- Pharmaceutical
- philadelphia
- fysisk
- plukking
- brikke
- stykker
- rør
- Sted
- fly
- planlagt
- planlegging
- anlegg
- plattform
- Plattformer
- plato
- Platon Data Intelligence
- PlatonData
- Spille
- spiller
- Point
- poeng
- Politikk
- pop
- pop-up
- posisjon
- mulig
- muligens
- potensielt
- praksis
- praksis
- før COVID
- nettopp
- forutsi
- prediksjon
- Spådommer
- prediktiv
- trekkes
- president
- press
- forebygge
- forrige
- tidligere
- prising
- primært
- prinsipper
- sannsynlighet
- sannsynligvis
- Problem
- prosess
- behandlet
- Prosesser
- prosessering
- Produkt
- Produksjon
- Produkter
- beviste
- gi
- tilbydere
- gir
- pumpe
- kjøp
- rent
- sette
- kvalitet
- kvartal
- spørsmål
- spørsmål
- Rask
- raskt
- raskt
- heller
- RE
- å nå
- nådd
- Lese
- klar
- ekte
- sanntids
- virkelig
- grunnen til
- grunner
- mottatt
- nylig
- anbefaler
- redusere
- Redusert
- Gjenspeiler
- Uansett
- regional
- regioner
- regelmessig
- i slekt
- relativt
- avhengige
- avhengig
- husker
- erstatte
- Rapporter
- Representanter
- Krav
- forskning
- Ressurser
- svar
- REST
- restauranter
- detaljhandel
- forhandler
- forhandlere
- retur
- avkastning
- reversere
- ikke sant
- vei
- robot
- robotikk
- roboter
- Kjør
- rennende
- s
- SaaS
- sikrere
- Sa
- salg
- samme
- sap
- sier
- sier
- sier
- skanne
- scenarier
- planlegging
- Vitenskap
- sesongmessige
- Secret
- seksjoner
- sektor
- sikkerhet
- se
- se
- Søke
- synes
- sett
- selger
- send
- forstand
- sensitive
- sendt
- separat
- servere
- Tjenester
- servering
- flere
- hyller
- skift
- Shopping
- butikker
- Kort
- bør
- side
- undertegne
- lignende
- på samme måte
- siden
- nettstedet
- Nettsteder
- situasjon
- Størrelse
- størrelse
- ferdighet
- liten
- snø
- So
- selskap
- sosiale medier
- Software
- solgt
- løsning
- Solutions
- noen
- Noen
- noe
- raffinement
- Kilder
- Sør
- Sør-Korea
- spesialisert
- spesifikk
- spesifisitet
- vår
- stabil
- Standard
- Begynn
- startet
- Start
- Trinn
- Still
- lager
- aksjer
- oppbevare
- lagret
- butikker
- Stories
- Strategi
- struktur
- abonnement
- Abonnementsmodell
- slik
- foreslår
- Super
- Super Bowl
- levere
- forsyningskjeden
- Supply Chain Planning
- Forsyningskjeder
- støtte
- Bytte om
- syntetisk
- syntetiske data
- system
- Systemer
- T
- Ta
- tar
- ta
- snakker
- målrettet
- rettet mot
- oppgaver
- lag
- teknikk
- teknikker
- teknologisk
- Teknologi
- fortelle
- tennessee
- begrep
- vilkår
- test
- enn
- Det
- De
- verden
- deres
- Dem
- tema
- seg
- deretter
- Der.
- derfor
- Disse
- de
- ting
- tror
- Tredje
- denne
- dette året
- De
- selv om?
- trodde
- tre
- Gjennom
- nivået
- tett
- Tim
- tid
- ganger
- timing
- til
- i dag
- dagens
- Toalett
- fortalte
- også
- topp
- Totalt
- berøre
- Sporing
- trekkraft
- tradisjonelle
- tradisjonelt
- trafikk
- Transaksjoner
- Transform
- Transformation
- transport
- behandle
- Trend
- trender
- Trender
- prøvd
- sant
- prøve
- prøver
- Twin
- to
- typen
- typer
- typisk
- Usikkerhet
- etter
- forstå
- Forståelig
- påta
- Uventet
- Oppdater
- oppgradering
- us
- bruke
- brukt
- Bruker
- ved hjelp av
- vanlig
- Verdifull
- Verdifull informasjon
- verdi
- ulike
- enorme
- kjøretøy
- Kjøretøy
- leverandør
- leverandører
- versjon
- veldig
- levende
- vice
- Vice President
- Se
- syn
- Besøk
- volatile
- Volatilitet
- volum
- Wake
- ønsker
- ønsket
- ønsker
- Warehouse
- Lagerautomatisering
- varmere
- var
- Se
- bølger
- Vei..
- måter
- we
- VI VIL
- gikk
- var
- Western
- Vest-Europa
- Hva
- Hva er
- uansett
- når
- om
- hvilken
- HVEM
- vil
- Vinter
- med
- innenfor
- uten
- ord
- Arbeid
- trene
- arbeidere
- arbeidsstyrke
- verden
- ville
- Yahoo
- år
- år
- york
- du
- Din
- zephyrnet