Widoczność łańcucha dostaw to nie tylko slogan; To imperatyw

Znacznik czasu: 3 lutego 2023 r. 12:00
Węzeł źródłowy: 1939098

Nie powinno dziwić, że lepsza widoczność zamówień, zapasów i przesyłek znajduje się na szczycie listy priorytetów dla 60% do 80% firm w badaniach dotyczących łańcucha dostaw. 

Tam, gdzie kiedyś producenci i sprzedawcy detaliczni opracowywali, magazynowali i wypychali duże ilości towarów na rynki regionalne w oparciu o przewidywalne wzorce historyczne i sezonowe, handel elektroniczny D2C jest dostępny dla znacznie szerszej publiczności za pośrednictwem Internetu na zasadzie „pull”. Zagregowany, niemal nieprzerwany przepływ mniejszych zamówień wysyłanych na żądanie, wraz z rosnącym ogólnym popytem na fracht, zalał terminale, magazyny, sprzęt i pojazdy na ciasnym rynku pracy. 

Zmienne oczekiwania klientów potęgują trudności. Presja i koszty ostatniej mili znacznie różnią się w przypadku ładunków na paletach przechowywanych w centrum dystrybucyjnym w celu stopniowego uwalniania do fabryk lub magazynów pod kierunkiem nadawcy, w porównaniu z zamówieniami określonymi w czasie z wieloma opcjami czasu i lokalizacji dostawy oraz bazowymi oczekiwaniami punktualności i dostawa w całości.  

Niezależnie od tego, czy jest to nowy wariant pandemii, zdarzenie pogodowe, czy kontenerowiec blokujący Kanał Sueski, nieprzewidziane okoliczności mogą z łatwością doprowadzić do punktu krytycznego, który z dnia na dzień wytrąci popyt, podaż i przepustowość. 

Widoczność Wiele ruchomych części

Większości łańcuchów dostaw nadal brakuje odpowiedniej widoczności po stronie popytu na niższym szczeblu w punkcie sprzedaży (POS), na wstępie w pozyskiwaniu dostawców i produkcji oraz w transporcie podczas wysyłki. Wczesne wykrywanie popytu jest szczególnie ważne, biorąc pod uwagę niestabilność rynku wynikającą ze stałego wzrostu D2C, wzmocnionego pandemią, klimatem, wojną na Ukrainie, globalną inflacją i innymi czynnikami zewnętrznymi.  

Sygnały popytu bardziej niż jakikolwiek inny pojedynczy wpływ napędzają łańcuch dostaw. Decydują, co produkować, w jakich ilościach i gdzie wysyłać — krótko mówiąc, wszystko, od zaopatrzenia, przez alokację aktywów i zasobów, po przepływ pracy. Wydaje się zatem sprzeczne z intuicją, że większość konwencjonalnych hierarchicznych modeli łańcucha dostaw nadal nie łączy fabryk i dostawców bezpośrednio ze sprzedawcami detalicznymi i klientami w pozytywnej pętli sprzężenia zwrotnego.

Zamiast tego większość komunikacji przepływa z centrum na zewnątrz, a wkład partnerów rzadko wykracza poza jeden poziom w górę lub w dół, powodując uwięzienie krytycznych danych w silosach organizacyjnych. Zewnętrzne agregatory danych marnieją w marketingu, danych zarządzania relacjami z klientami (CRM) w sprzedaży, danych produkcyjnych w operacjach iw C-suite. Stwarza to znaczne ryzyko wyższych kosztów i utraty działalności w przypadku zakłócenia. 

Złożoność łańcucha dostaw potęguje problem, ponieważ ponad 60% światowych konsumentów korzysta obecnie z handlu elektronicznego, ponad 25 milionów otwartych punktów sprzedaży detalicznej na całym świecie, dziesięciokrotny wzrost liczby nowych produktów wprowadzanych na rynek każdego roku w ciągu ostatniej dekady oraz 10 % towarów, w których występują braki w magazynie.

„Na rynkach wschodzących globalni producenci wysyłają towary za pośrednictwem dystrybutorów i w tym momencie ich widoczność się zatrzymuje” — wyjaśnia Suresh Prahlad Bharadwaj, szef platformy TradeEdge w EdgeVerve Systems, spółce zależnej w całości należącej do Infosys. „Nie wiedzą, kim są ich klienci, głównie małe sklepy rodzinne. Nawet w nowoczesnym handlu, w którym producenci sprzedają za pośrednictwem hurtownika lub bezpośrednio do dużego sklepu, takiego jak Walmart czy Target, nie są wyposażeni, aby przetworzyć tę widoczność w punkcie sprzedaży, która do nich wraca”. 

Suresh mówi, że w zdecentralizowanym środowisku handlu elektronicznego punkty sprzedaży mogą być rozproszone wśród setek lub tysięcy dystrybutorów, sprzedawców detalicznych i stron internetowych, z których każdy ma różny stopień dojrzałości w zakresie gromadzenia i udostępniania danych oraz różne sposoby formatowania danych i komunikacji. 

„Kim są moi klienci, gdzie się znajdują, co zamawiają?” pyta Suresh. „Aby to wiedzieć, muszę współpracować ze sprzedawcami detalicznymi, aby szybko uzyskiwać zbiorcze informacje o punktach sprzedaży i przechowywaniu zapasów z powrotem do producentów, aby mogli wprowadzać poprawki”. Dodaje, że w tej chwili proces ten może zająć od trzech do czterech tygodni, polegając na zewnętrznych syndykatorach danych, takich jak Nielsen lub IRI, w celu zebrania i zharmonizowania danych z panelu sklepów, a następnie przygotowania niestandardowych raportów dla poszczególnych klientów. „W dzisiejszym świecie” — mówi — „jest już za późno”.

Suresh wyjaśnia, że ​​wraz ze wzrostem mocy przetwarzania danych w chmurze i spadkiem kosztów coraz więcej sprzedawców detalicznych i pośredników rezygnuje z bezpośrednich umów o udostępnianie danych z firmami klientów, aby rozproszyć dane dotyczące sprzedaży z pierwotnego źródła w górę łańcucha. Ale to dopiero początek.

Szukanie igieł w stogach siana

Oparte na oprogramowaniu narzędzia do wykrywania popytu, wspomagane przez sztuczną inteligencję i uczenie maszynowe, zyskują coraz większe zainteresowanie ze względu na ich zdolność do przewidywania popytu w najbliższej przyszłości. Narzędzia te modelują agregację danych POS w czasie rzeczywistym w odniesieniu do wewnętrznych i zewnętrznych anomalii łańcucha dostaw, takich jak zdarzenia klimatyczne, zatory w portach, strajk kolejowy, zmiany cen paliw, podwyżki stóp procentowych i wysokie stopy bezrobocia — z których wszystkie wpływają na decyzje zakupowe. 

Krótko mówiąc, szczegółowe zrozumienie warunków, na jakich towary były wczoraj sprzedawane, daje krótkoterminowy wgląd w to, jak i gdzie te same towary prawdopodobnie zostaną sprzedane jutro, na tych samych lub innych warunkach. Ponieważ z biegiem czasu gromadzone są bardziej szczegółowe dane, sztuczna inteligencja i uczenie maszynowe wykrywają wzorce i spostrzeżenia, które zostałyby pominięte przez tradycyjną operację ręczną działającą w pakiecie do planowania zasobów przedsiębiorstwa (ERP). Częstsze interwały raportowania skracają czas reakcji w przypadku wystąpienia nagłych, bardziej wyraźnych zdarzeń.

Biorąc pod uwagę bliski upadek tradycyjnego długoterminowego planowania strategicznego i planowania popytu od początku COVID, konstruowanie danych w czasie zbliżonym do rzeczywistego w ten sposób może przynieść istotne korzyści. Nagle firmy analizują wczorajsze dane dotyczące sprzedaży i zapasów w sklepach POS w porównaniu z raportami zbiorczymi sprzed kilku tygodni. Dane dotyczące sprzedaży zwykle dostarczają również dokładniejszych wyników prognozowania popytu niż porównywalne dane dotyczące wysyłek, ponieważ towary mogą być wysyłane z różnych powodów — na przykład w ramach wymiany lub próbek towarów.

Używanie zdefiniowanych reguł i standardów biznesowych jako punktów odniesienia, AI i uczenia maszynowego map SKU sprzedawców detalicznych, produktów, UPC i innych kodów względem kodów producentów w ramach procesu wdrażania. Mogą również rozróżnić standardowe i promocyjne jednostki SKU, na przykład wprowadzając niewielkie zmiany w treści tego samego produktu. Ważną korzyścią jest zdolność sztucznej inteligencji i uczenia maszynowego do analizowania i eliminowania fantomowych zapasów oraz wyświetlania pustych przestrzeni w celu przewidywania i ograniczania zapasów. Korzystając z narzędzi analitycznych, firmy mogą w ciągu kilku godzin zweryfikować dane dotyczące trendów sprzedaży.

„Jedną z rzeczy, które wiemy o prognozowaniu, jest to, że nie będą one dokładne” — argumentuje Suresh. „Pytanie brzmi więc, jak załatamy luki. Robimy to poprzez realizację krótkoterminowych decyzji o uzupełnieniu w całej sieci.”  

Budowa sieci wartości łańcucha dostaw

Wgląd w sposób, w jaki rynki i klienci wchodzą w interakcje, aby wpłynąć na sprzedaż, generując w tym procesie cenne sygnały popytowe, przygotowuje grunt pod większe przemyślenie całego łańcucha dostaw. 

Widoczność zarówno w górę, jak i w dół, od zamówienia do płatności w niehierarchicznym modelu sieci „wielu do wielu”, stwarza możliwość kompleksowego raportowania i udostępniania danych w czasie rzeczywistym oraz współpracy wszystkich stron w sieci. 

Proces rozpoczyna się od zbudowania jednego, zaufanego źródła informacji, które można udostępniać w całej sieci. Partnerzy są dołączani z odpowiednimi uprawnieniami dostępu do określonych typów danych do określonych zastosowań. Dane, w tym odpowiednie formularze, dokumentacja i komunikaty, są ustandaryzowane, zharmonizowane i uporządkowane we wspólnym formacie bazy danych w celu ułatwienia użytkowania. 

Co się stanie, gdy sygnały zapotrzebowania zaczną migać? Czy można szybko zwiększyć lub zmniejszyć skalę produkcji lub zmodyfikować asortyment i kolejność produktów, aby zapewnić realizację zamówień na czas? Czy dostawcy poziomu 2 dysponują materiałami i częściami potrzebnymi do zwiększenia produkcji? Jeśli nie, czy istniejące zapasy w systemie można zlokalizować, przekierować i uzupełnić? Jeśli nie, czy zespoły operacyjne i planistyczne powinny ponownie przemyśleć zapasy bezpieczeństwa, dywersyfikację dostawców lub alternatywne portfolio produktów? Jaki byłby wpływ na koszty? Czas ma kluczowe znaczenie dla uzyskania odpowiedzi na te pytania i podjęcia optymalnych działań naprawczych.

Istotna różnica w stosunku do modelu sieciowego polega na tym, że dostawcy, producenci i sprzedawcy detaliczni mogą nie tylko wyczuwać zmiany popytu, ale także bezpośrednio i proaktywnie współpracować w czasie rzeczywistym w celu rozwiązywania problemów, zamiast mieć osobną, odizolowaną komunikację za pośrednictwem głównej firmy. gdzie kluczowe szczegóły mogą się zgubić w tłumaczeniu. Ponadto analityka oparta na sztucznej inteligencji i uczeniu maszynowym może w ciągu kilku minut wykonać setki lub tysiące scenariuszy, analizując każdy z nich na podstawie bieżących i historycznych danych dotyczących przesyłek i zapasów, aby sformułować optymalne rozwiązanie.

Ale jak mówi stare porzekadło technologiczne: śmieci na wejściu, śmieci na wyjściu. Wydajność sieci jest tak dobra, jak zaangażowanie partnerów i dokładny zestaw danych. „Nie chodzi tylko o technologię w chmurze” — podkreśla Suresh. „Chodzi o to, by partnerzy przestrzegali zasad raportowania, ilości i terminowości danych, szczegółowości informacji i częstotliwości, z jaką są udostępniane”.

Suresh przyznaje, że do tej pory to głównie bardzo duże firmy, o wartości 6 miliardów dolarów i więcej, napędzały ten poziom transformacji cyfrowej, częściowo ze względu na ich wpływ na wymuszanie zmian i zarządzanie nimi u mniejszych dostawców, sprzedawców, i klientów. Ale widzi szansę w rekrutacji klientów w przedziale od 1 do 5 miliardów dolarów. 

Dokąd to wszystko zmierza? Z czasem dla firm każdej wielkości stanie się koniecznością przeprowadzenie transformacji cyfrowej, która z czasem doprowadzi do wzajemnych połączeń i konsolidacji łańcuchów dostaw. Poszukaj większej liczby operacji i procesów, które można zautomatyzować, jeszcze bardziej skracając czas reakcji, eliminując błędy i skracając cykl od zamówienia do zapłaty, jednocześnie uwalniając ludzi i zasoby do bardziej produktywnej i satysfakcjonującej pracy. Wdrażanie i harmonizacja danych prawdopodobnie stanie się niemalże plug-and-play dla małych i średnich dostawców i sprzedawców, a możliwości sieci staną się kluczowym wyróżnikiem na drodze do wszechobecności. 

Konkluzja: po krótkim, czasem trudnym okresie dostosowań, łańcuch dostaw stanie się znacznie szybszy, prostszy i bardziej odporny. 

Linki do zasobów: 

EdgeVerve, http://www.edgeverve.com 

Krawędź handlu, www.edgeverve.com/tradeedge

Znak czasu:

Więcej z Mózg łańcucha dostaw