供应链重启:最大的风险来自不确定

慧聪通信网 2022-09-23 10:15 来源:慧聪通信网

供应链重启:最大的风险来自不确定

作者:Qlik解决方案与价值加速高级总监 陈进权(CK Tan)

【慧聪通信网】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。

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。

供应链重启:最大的风险来自不确定

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。供应链重启:最大的风险来自不确定

免责声明:凡注明来源本网的所有作品,均为本网合法拥有版权或有权使用的作品,欢迎转载,注明出处。非本网作品均来自互联网,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。