一直以来,在选择相应供应商、制定生产规划和协调库存量时,企业一般都会采取既不延误客户需求,也不会不积压太多库存的方式,其主要的考量因素是成本,而不是风险管理。但是,随着新冠疫情的爆发和全球局势的不稳定性凸显,这种管理模式存在着一些严重缺陷。
作者: Qlik解决方案与价值加速高级总监 陈进权(CK Tan)
即使各种入境限制正在逐渐放宽,供应短缺问题依然严峻。电脑芯片、金属零件、塑料制品、原材料等等都存在着供应短缺问题,这影响着在全球销售产品的每一家制造商、供应商和企业。德勤开展的一项首席采购官调研显示,32%的企业表示因供应短缺导致收入减少,11%的企业表示品牌形象因此受损。
除了供应短缺,供应链中断问题更是雪上加霜。集装箱短缺、公路铁路运输不畅、工人因防疫隔离导致仓库无法满负荷运转等等,甚至像“长赐号(Ever Given)”货轮(有史以来最大的集装箱货轮之一)也可能被搁浅,类似这样的黑天鹅事件对供应链造成了严重影响。例如,长赐号货轮在途经苏伊士运河时搁浅,并堵塞这一连接亚欧的重要河道长达一周,这不仅加剧了物流的混乱,还造成了货物积压,需要几个月才能清理完毕。
这种供需不匹配的现象也曾在特斯拉出现过。当全球电动汽车订单激增时,受到电池短缺和中国市场供应中断的影响,这家全球最大的电动汽车制造商却被迫暂时停产。随着政策支持和驾驶员环保意识的增强,,2021年全球电动汽车销量翻了一番,而且今年的销量将保持强劲增长势头。
特斯拉首席执行官埃隆·马斯克(Elon Musk)表示,该公司在美国德州和德国柏林的新工厂犹如“巨大的烧钱炉(gigantic money furnaces)”,他们在努力提高产量的过程中损失了数十亿美元。
这些挑战正在迫使供应链高管改变思维模式并迅速采取行动,否则可能面临诸多风险,如被迫减产、影响销售、将客户拱手让给竞争对手等。在多年专注于成本效率或成本节约之后,93%的供应链高管表示将计划提高整个供应链的韧性。
供应链领导者正在加大对技术和创新方法的投入,实现供应链上各个运营环节的可视性,涵盖规划、采购、生产和分销等。这种可视性可以发出潜在瓶颈的早期预警信号,并促使工作流实现自动化,助力企业提高计划的敏捷性,以及对突发业务事件做出响应。
作为全球最大的家具零售商,宜家(IKEA)的供应链较为复杂,并且非常依赖外部厂商。因此他们寻求创新的工作方式,例如在其供应商门户网站上推出供应商记分卡,为宜家供应商创造适当的先决条件,让他们可以跟进目标并全权负责自身的业绩表现。通过在网络内共享信息,他们能够更好地处理紧急事件和意外情况。
要提高由数据驱动的供应链管理能力,需要用不同方式去分析数据。过去,数据往往被视为一种“副产品”,只有在后期企业才会对其进行审核,以促进销售与运营计划(S&OP)讨论、运营和物流规划,目的仅仅是提供信息。现在已截然不同,数据必须被整合起来,成为推动供应链流程和行动的要素。供应链团队和技术团队应该携手努力,共同制定业务行动,使用共同的基础技术来扫除障碍,提高供应链流程的敏捷性。
Urban Outfitters是在供应链领域中完全由数据驱动的最佳实践。该公司在美国和欧洲共设立了超过650多家门店,要求每位员工都使用店内绩效指标来考核,并且采用全新的购买模式。每一位员工都能够获得有关各门店KPI方面的最新数据,包括库存、门店调换、异常情况分析和销售额位列前50名的门店等,并立即根据这些洞察积极采取行动。所有这些洞察都非常有助于该品牌更好地匹配供应与市场需求。
下面是一些技术层面的建议,可以帮助企业转向“以防万一”的方法,该方法优先考虑将出现这些问题的可能性降至最低,包括:库存不足、生产进度滞后和无法按时完成订单。
提高云中的可视性
企业在制定数据策略时,应该将尽可能提升云的效率和可扩展性作为主要目标。通过云端部署,Urban Outfitters能够快速扩展对于近实时分析结果的访问。Urban Outfitters技术总监Paul Reigel表示:“我们在云上拥有的数据越多,就越容易增设新门店,并在全球范围内随时随地将它们连接起来”。
近乎实时的数据能够帮助人们快速做出决策
借助实时数据复制技术,每天等到工作结束时才能从SAP等供应链管理系统中提取数据的日子一去不复返了。通过实时为Snowflake云数据仓库提供数据,Urban Outfitters可以放心地让更多店内员工访问更多实时数据,并为门店经理提供门店运营的即时洞察。
将预测性分析功能直接应用到业务中
大多数企业都难以预测未来会发生什么情况,以及为什么会发生这样的情况——除非他们能够加大对数据科学家的投入,从而创建机器学习模型并基于此进行预测。借助自动机器学习(AutoML)技术,可以将易于使用的预测性分析功能直接应用到业务中。领先的音频配件制造商Skullcandy使用AutoML技术来预测产品需求,从而确保产品产量处于合理水平,同时预测该领域会失效的功能和部件,并在上市前加以改进。
在这个瞬息万变的世界里,我们面临着诸多不确定性。让我们摒弃传统的供应链实践(即采用准时生产制库存管理方法以及基于人类自然本能来制定决策),转向循证决策,借助机器智能和实时数据提升我们的直觉力。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
