一直以來,在選擇相應供應商、制定生產(chǎn)規(guī)劃和協(xié)調(diào)庫存量時,企業(yè)一般都會采取既不延誤客戶需求,也不會不積壓太多庫存的方式,其主要的考量因素是成本,而不是風險管理。但是,隨著新冠疫情的爆發(fā)和全球局勢的不穩(wěn)定性凸顯,這種管理模式存在著一些嚴重缺陷。
作者: Qlik解決方案與價值加速高級總監(jiān) 陳進權(quán)(CK Tan)
即使各種入境限制正在逐漸放寬,供應短缺問題依然嚴峻。電腦芯片、金屬零件、塑料制品、原材料等等都存在著供應短缺問題,這影響著在全球銷售產(chǎn)品的每一家制造商、供應商和企業(yè)。德勤開展的一項首席采購官調(diào)研顯示,32%的企業(yè)表示因供應短缺導致收入減少,11%的企業(yè)表示品牌形象因此受損。
除了供應短缺,供應鏈中斷問題更是雪上加霜。集裝箱短缺、公路鐵路運輸不暢、工人因防疫隔離導致倉庫無法滿負荷運轉(zhuǎn)等等,甚至像“長賜號(Ever Given)”貨輪(有史以來最大的集裝箱貨輪之一)也可能被擱淺,類似這樣的黑天鵝事件對供應鏈造成了嚴重影響。例如,長賜號貨輪在途經(jīng)蘇伊士運河時擱淺,并堵塞這一連接亞歐的重要河道長達一周,這不僅加劇了物流的混亂,還造成了貨物積壓,需要幾個月才能清理完畢。
這種供需不匹配的現(xiàn)象也曾在特斯拉出現(xiàn)過。當全球電動汽車訂單激增時,受到電池短缺和中國市場供應中斷的影響,這家全球最大的電動汽車制造商卻被迫暫時停產(chǎn)。隨著政策支持和駕駛員環(huán)保意識的增強,,2021年全球電動汽車銷量翻了一番,而且今年的銷量將保持強勁增長勢頭。
特斯拉首席執(zhí)行官埃隆·馬斯克(Elon Musk)表示,該公司在美國德州和德國柏林的新工廠猶如“巨大的燒錢爐(gigantic money furnaces)”,他們在努力提高產(chǎn)量的過程中損失了數(shù)十億美元。
這些挑戰(zhàn)正在迫使供應鏈高管改變思維模式并迅速采取行動,否則可能面臨諸多風險,如被迫減產(chǎn)、影響銷售、將客戶拱手讓給競爭對手等。在多年專注于成本效率或成本節(jié)約之后,93%的供應鏈高管表示將計劃提高整個供應鏈的韌性。
供應鏈領導者正在加大對技術(shù)和創(chuàng)新方法的投入,實現(xiàn)供應鏈上各個運營環(huán)節(jié)的可視性,涵蓋規(guī)劃、采購、生產(chǎn)和分銷等。這種可視性可以發(fā)出潛在瓶頸的早期預警信號,并促使工作流實現(xiàn)自動化,助力企業(yè)提高計劃的敏捷性,以及對突發(fā)業(yè)務事件做出響應。
作為全球最大的家具零售商,宜家(IKEA)的供應鏈較為復雜,并且非常依賴外部廠商。因此他們尋求創(chuàng)新的工作方式,例如在其供應商門戶網(wǎng)站上推出供應商記分卡,為宜家供應商創(chuàng)造適當?shù)南葲Q條件,讓他們可以跟進目標并全權(quán)負責自身的業(yè)績表現(xiàn)。通過在網(wǎng)絡內(nèi)共享信息,他們能夠更好地處理緊急事件和意外情況。
要提高由數(shù)據(jù)驅(qū)動的供應鏈管理能力,需要用不同方式去分析數(shù)據(jù)。過去,數(shù)據(jù)往往被視為一種“副產(chǎn)品”,只有在后期企業(yè)才會對其進行審核,以促進銷售與運營計劃(S&OP)討論、運營和物流規(guī)劃,目的僅僅是提供信息?，F(xiàn)在已截然不同,數(shù)據(jù)必須被整合起來,成為推動供應鏈流程和行動的要素。供應鏈團隊和技術(shù)團隊應該攜手努力,共同制定業(yè)務行動,使用共同的基礎技術(shù)來掃除障礙,提高供應鏈流程的敏捷性。
Urban Outfitters是在供應鏈領域中完全由數(shù)據(jù)驅(qū)動的最佳實踐。該公司在美國和歐洲共設立了超過650多家門店,要求每位員工都使用店內(nèi)績效指標來考核,并且采用全新的購買模式。每一位員工都能夠獲得有關(guān)各門店KPI方面的最新數(shù)據(jù),包括庫存、門店調(diào)換、異常情況分析和銷售額位列前50名的門店等,并立即根據(jù)這些洞察積極采取行動。所有這些洞察都非常有助于該品牌更好地匹配供應與市場需求。
下面是一些技術(shù)層面的建議,可以幫助企業(yè)轉(zhuǎn)向“以防萬一”的方法,該方法優(yōu)先考慮將出現(xiàn)這些問題的可能性降至最低,包括:庫存不足、生產(chǎn)進度滯后和無法按時完成訂單。
提高云中的可視性
企業(yè)在制定數(shù)據(jù)策略時,應該將盡可能提升云的效率和可擴展性作為主要目標。通過云端部署,Urban Outfitters能夠快速擴展對于近實時分析結(jié)果的訪問。Urban Outfitters技術(shù)總監(jiān)Paul Reigel表示:“我們在云上擁有的數(shù)據(jù)越多,就越容易增設新門店,并在全球范圍內(nèi)隨時隨地將它們連接起來”。
近乎實時的數(shù)據(jù)能夠幫助人們快速做出決策
借助實時數(shù)據(jù)復制技術(shù),每天等到工作結(jié)束時才能從SAP等供應鏈管理系統(tǒng)中提取數(shù)據(jù)的日子一去不復返了。通過實時為Snowflake云數(shù)據(jù)倉庫提供數(shù)據(jù),Urban Outfitters可以放心地讓更多店內(nèi)員工訪問更多實時數(shù)據(jù),并為門店經(jīng)理提供門店運營的即時洞察。
將預測性分析功能直接應用到業(yè)務中
大多數(shù)企業(yè)都難以預測未來會發(fā)生什么情況,以及為什么會發(fā)生這樣的情況——除非他們能夠加大對數(shù)據(jù)科學家的投入,從而創(chuàng)建機器學習模型并基于此進行預測。借助自動機器學習(AutoML)技術(shù),可以將易于使用的預測性分析功能直接應用到業(yè)務中。領先的音頻配件制造商Skullcandy使用AutoML技術(shù)來預測產(chǎn)品需求,從而確保產(chǎn)品產(chǎn)量處于合理水平,同時預測該領域會失效的功能和部件,并在上市前加以改進。
在這個瞬息萬變的世界里,我們面臨著諸多不確定性。讓我們摒棄傳統(tǒng)的供應鏈實踐(即采用準時生產(chǎn)制庫存管理方法以及基于人類自然本能來制定決策),轉(zhuǎn)向循證決策,借助機器智能和實時數(shù)據(jù)提升我們的直覺力。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
