Видимость цепочки поставок — это не просто крылатая фраза; Это императив

Отметка времени: 3 февраля 2023 г., 12:00 AM
Исходный узел: 1939098

Неудивительно, что улучшение прозрачности заказов, запасов и отгрузок стоит на первом месте в списке приоритетов для 60-80% компаний в опросах цепочки поставок. 

Там, где когда-то производители и розничные продавцы разрабатывали, хранили и продавали большие объемы товаров на региональные рынки на основе предсказуемых исторических и сезонных закономерностей, электронная коммерция D2C доступна для гораздо более широкой аудитории через Интернет на основе вытягивания. Совокупный, почти непрерывный поток небольших заказов, отправляемых по запросу, наряду с растущим общим спросом на грузоперевозки затопили терминалы, склады, оборудование и транспортные средства в условиях ограниченного рынка труда. 

Изменчивые ожидания клиентов усугубляют трудности. Давление и затраты на «последней миле» сильно различаются для грузов на поддонах, хранящихся в распределительном центре для постепенной доставки на заводы или в магазины по указанию грузоотправителя, по сравнению с заказами с определенным временем с несколькими вариантами времени и места доставки и базовым ожиданием своевременности и доставки. доставка в полном объеме.  

Будь то новый вариант пандемии, погодное явление или контейнеровоз, блокирующий Суэцкий канал, непредвиденные обстоятельства могут легко стать переломным моментом, который в одночасье нарушит баланс между спросом, предложением и пропускной способностью. 

Много движущихся частей видимости

Большинству цепочек поставок по-прежнему не хватает надлежащей прозрачности на стороне спроса в точках продажи (POS), на начальном этапе при поиске поставщиков и производстве, а также в пути во время отгрузки. Раннее выявление спроса особенно важно, учитывая продолжающуюся волатильность рынка из-за устойчивого роста D2C, усиленного пандемией, изменением климата, войной в Украине, глобальной инфляцией и другими внешними факторами.  

Сигналы спроса больше, чем любое другое влияние, управляют цепочкой поставок. Они диктуют, что производить, в каких количествах и куда отгружать — короче говоря, все, от поиска до активов и распределения ресурсов до рабочего процесса. Таким образом, кажется нелогичным, что большинство традиционных моделей иерархических цепочек поставок до сих пор не связывают фабрики и поставщиков напрямую с розничными торговцами и покупателями в действенной петле обратной связи.

Наоборот, большая часть коммуникаций идет от центра наружу, и вклад партнеров редко выходит за пределы одного уровня вверх или вниз, запирая важные данные внутри организационных бункеров. Данные сторонних агрегаторов задерживаются в маркетинге, данных управления взаимоотношениями с клиентами (CRM) в продажах, производственных данных в операциях и в C-suite. Это создает значительный риск увеличения затрат и потери бизнеса в случае сбоя. 

Сложность цепочки поставок усугубляет проблему: более 60% потребителей в мире в настоящее время используют электронную коммерцию, открыто более 25 миллионов торговых точек по всему миру, десятикратное увеличение количества новых продуктов, поступающих на рынок каждый год за последнее десятилетие, и 10 % товаров, которых нет в наличии.

«На развивающихся рынках глобальные производители осуществляют поставки через дистрибьюторов, и на этом их видимость прекращается», — объясняет Суреш Прахлад Бхарадвадж, руководитель платформы TradeEdge в EdgeVerve Systems, дочерней компании Infosys. «Они не знают, кто их покупатели, в основном это маленькие семейные магазины. Даже в современной торговле, где производители продают через оптовиков или напрямую в крупные магазины, такие как Walmart или Target, они не готовы обрабатывать информацию о том, что происходит в точке продажи». 

По словам Суреша, в децентрализованной среде электронной коммерции точки продаж могут быть рассредоточены среди сотен или тысяч дистрибьюторов, розничных продавцов и веб-сайтов, каждый из которых имеет разный уровень зрелости в сборе и обмене данными, а также разные способы форматирования данных и обмена данными. 

«Кто мои клиенты, где они находятся, что они заказывают?» — спрашивает Суреш. «Чтобы знать это, мне нужно сотрудничать с розничными торговцами, чтобы быстро получать сводную информацию о точках продаж и хранить информацию о запасах для производителей, чтобы они могли вносить коррективы». Сейчас, добавляет он, этот процесс может занять от трех до четырех недель, если полагаться на сторонние синдикаторы данных, такие как Nielsen или IRI, для сбора и согласования данных из группы магазинов, а затем для подготовки пользовательских отчетов для конкретных клиентов. «В современном мире, — говорит он, — уже слишком поздно».

Суреш объясняет, что по мере роста мощности облачной обработки данных и снижения затрат все больше розничных продавцов и посредников заключают прямые сделки по обмену данными с компаниями-клиентами, чтобы рассредоточить данные о продажах из первоисточника по цепочке. Но это только начало.

Поиск иголок в стогах сена

Программные инструменты определения спроса с помощью искусственного интеллекта и машинного обучения привлекают внимание своей способностью прогнозировать спрос в ближайшем будущем. Эти инструменты моделируют сводные данные POS в режиме реального времени для внутренних и внешних аномалий цепочки поставок, таких как климатические явления, перегруженность портов, забастовка железнодорожников, изменение цен на топливо, повышение процентных ставок и высокий уровень безработицы — все это влияет на решения о покупке. 

Короче говоря, детальное понимание условий, в которых товары продавались вчера, дает краткосрочное представление о том, как и где те же товары будут продаваться завтра, при тех же или других условиях. По мере того, как со временем собирается более детальная информация, искусственный интеллект и машинное обучение обнаруживают шаблоны и идеи, которые были бы упущены при традиционной ручной операции, выполняемой в пакете планирования ресурсов предприятия (ERP). Более частые интервалы отчетности сокращают время отклика при возникновении внезапных, более выраженных событий.

Учитывая близкую кончину традиционного долгосрочного стратегического планирования и планирования спроса с момента появления COVID, построение данных в режиме, близком к реальному времени, таким образом может принести важные преимущества. Внезапно компании отрабатывают вчерашние данные о продажах и запасах POS-магазинов, а не сводные отчеты недельной давности. Данные о продажах также имеют тенденцию давать более точные результаты прогнозирования спроса, чем сопоставимые данные об отгрузках, поскольку товары могут быть отправлены по разным причинам — например, для обмена или образцов товаров.

Использование определенных бизнес-правил и стандартов в качестве контрольных показателей, искусственного интеллекта и машинного обучения, сопоставление артикулов розничных продавцов, продуктов, UPC и других кодов с кодами производителя в рамках процесса адаптации. Они также могут различать стандартные и рекламные SKU, например, с небольшими изменениями контента для одного и того же продукта. Важным преимуществом является способность ИИ и машинного обучения анализировать и устранять фантомные запасы и отображать пустоты, чтобы прогнозировать и сокращать дефицит. Используя аналитику, компании могут проверять данные о тенденциях продаж в течение нескольких часов.

«Одна из вещей, которые мы знаем о прогнозировании, заключается в том, что оно не будет точным, — утверждает Суреш. «Поэтому возникает вопрос, как мы восполним пробелы. Мы делаем это путем выполнения краткосрочных решений о пополнении по всей сети».  

Построение сети создания ценности цепочки поставок

Наблюдение за тем, как рынки и клиенты взаимодействуют, чтобы повлиять на продажи, генерируя ценные сигналы спроса в процессе, готовит почву для более масштабного переосмысления всей цепочки поставок. 

Наблюдение как в восходящем, так и в нисходящем направлении, от заказа до оплаты в неиерархической сетевой модели «многие ко многим», предоставляет возможность для сквозной отчетности и обмена данными в режиме реального времени, а также для совместной работы всех сторон. в сети. 

Процесс начинается с создания единого, надежного, общедоступного источника информации по сети. Партнеры подключаются с соответствующими разрешениями на доступ к определенным типам данных для определенных целей. Данные, включая соответствующие формы, документацию и сообщения, стандартизированы, согласованы и структурированы в общем формате базы данных для простоты использования. 

Так что же происходит, когда начинают мигать сигналы спроса? Можно ли быстро увеличить или уменьшить производство или изменить ассортимент продукции и последовательность, чтобы обеспечить своевременное выполнение заказов? Имеют ли поставщики уровня 2 материалы и детали для увеличения производства по мере необходимости? Если нет, то можно ли найти, перенаправить и пополнить существующие запасы в системе? Если нет, то должны ли специалисты по эксплуатации и планированию переосмыслить резервные запасы, диверсификацию поставщиков или альтернативные портфели продуктов? Каковы будут последствия затрат? Время имеет решающее значение для получения ответов на эти вопросы и принятия оптимальных корректирующих действий.

Важным отличием сетевой модели является то, что поставщики, производители и розничные продавцы могут не только ощущать изменения спроса, но также напрямую и активно сотрудничать в режиме реального времени для решения проблем, а не иметь отдельные, разрозненные коммуникации через основную компанию. где важные детали могут быть потеряны при переводе. Кроме того, ИИ и аналитика на основе машинного обучения могут запускать сотни или тысячи сценариев за считанные минуты, анализируя каждый из них на основе текущих и исторических данных об отгрузке и запасах, чтобы сформулировать оптимальное решение.

Но, как гласит старая техническая пословица: мусор на входе, мусор на выходе. Производительность сети зависит от участия партнеров и точного набора данных. «Речь идет не только об облачных технологиях, — настаивает Суреш, — речь идет о том, чтобы обеспечить соответствие партнеров требованиям отчетности, объему и своевременности данных, степени детализации информации и частоте ее обмена».

Суреш признает, что до сих пор именно очень крупные компании с оборотом в 6 миллиардов долларов и выше были движущей силой такого уровня цифровой трансформации, отчасти из-за их рычагов для принуждения и управления изменениями с более мелкими поставщиками, поставщиками, и клиенты. Но он видит возможность в привлечении клиентов в диапазоне от 1 до 5 миллиардов долларов. 

Куда все это ведет? Со временем для предприятий всех размеров станет обязательным проведение цифровой трансформации, что со временем приведет к взаимосвязи и консолидации цепочек поставок. Ищите больше операций и процессов, которые нужно автоматизировать, еще больше сократить время отклика, устранить ошибки и сократить цикл от заказа до оплаты, высвобождая людей и ресурсы для более продуктивной и полезной работы. Адаптация и гармонизация данных, скорее всего, станут практически готовыми для малых и средних поставщиков, а сетевые возможности станут ключевым отличием на пути к повсеместному распространению. 

Итог: после короткого, временами сложного периода адаптации цепочка поставок станет намного быстрее, проще и устойчивее. 

Ссылки на ресурсы: 

Эджверв, http://www.edgeverve.com 

ТрейдЭдж, www.edgeverve.com/tradeedge

Отметка времени:

Больше от Мозг цепочки поставок