Covid-19 잠금은 이미 진행 중인 온라인 쇼핑으로의 전환을 가속화했습니다. 에 따르면 Adobe 디지털 경제 지수, 소비자들은 이제 식료품 구입에 매달 평균 6.7억 달러를 소비합니다. 이는 팬데믹 이전 3.1억 달러에서 증가한 수치입니다. Adobe는 이 카테고리가 85년에 연간 2022억 달러에 이를 것으로 예상합니다.

이러한 수요 증가는 노동 공급 문제, 인플레이션 상승 및 우크라이나 전쟁과 같은 지정학적 위기로 인한 공급망 혼란과 일치합니다. 소매업체와 공급업체 모두에게 어려운 환경입니다.

대유행이 닥쳤을 때 소매업체는 재고 및 계획을 혁신해야 했으며 많은 기업은 여전히 ​​대유행 이후 경제에서 발을 떼고 있습니다. 일부 분석가들은 시간이 걸릴 것이라고 예측했습니다. 2024년 중반까지 공급망이 상대적으로 정상으로 돌아오기 때문입니다. 그러나 '정상'의 기간은 짧을 수 있습니다. 맥킨지 보고서 현재 평균 3.7년마다 제조 생산에 중대한 차질이 발생합니다.

취약하고 상호 연결된 공급망에 영향을 미치는 많은 요소가 있는 상황에서 소매업체는 데이터를 사용하여 중단에 효과적으로 대응할 수 있습니까?

고객 적응 또는 이탈

회사 임원의 54% Tier 1 이후의 공급망 데이터에 대한 명확한 가시성이 없다는 점을 인정하십시오. 초기 단계의 혼란은 눈에 띄지 않으며 기업은 제품이 있어야 할 빈 공간이 있을 때까지 그 결과를 느끼지 못합니다. 그때는 너무 늦었습니다.

Adobe에 따르면 소비자는 60년 2020월에서 2022년 59월 사이에 온라인 소매업체로부터 235억 개의 품절 메시지를 접했습니다. 이제 쇼핑객은 제품 페이지 XNUMX개 중 XNUMX개에서 품절 메시지를 보게 될 가능성이 높습니다. 이는 팬데믹 이전 수준보다 XNUMX% 증가한 수치입니다.

수요를 충족시킬 수 있는 재고가 부족하면 판매를 놓치고 평판이 손상되고 고객을 경쟁업체로 보냅니다.

제조 및 공급망 중단이 증가함에 따라 소매업체는 고객에게 더 나은 경험을 제공하기 위해 재고 관리를 최적화해야 합니다. 공급망 효율성을 합리화하기 위해 데이터 기반 솔루션을 사용하는 기업은 보상을 받을 것입니다.

일반적인 재고 관리 문제

사일로 데이터 시스템: 거대한 스프레드시트가 더 이상 필요하지 않습니다. 내부 및 외부의 격리된 시스템에 재고 데이터가 흩어져 있기 때문에 팀은 필요할 때 필요한 것을 찾을 수 없습니다.

데이터를 효과적으로 처리할 수 없음: 데이터를 해석하지 못하면 소용이 없습니다. 소매업체는 다음을 수행할 수 있는 도구가 필요합니다. 모든 인벤토리 데이터 연결 및 상관 관계 외부 사건의 영향으로. 이것이 없으면 소매업체는 인바운드 중단을 사전에 해결하고 재고 회전 속도를 정확하게 계산하며 할인 및 과잉 재고를 줄일 수 없습니다.

비효율적인 프로세스: 에코시스템 전반에 걸쳐 팀과의 전화 통화 및 이메일 체인과 같이 오류가 발생하기 쉬운 수동 프로세스는 올바른 재고 관련 결정을 신속하게 내려야 할 때 비효율적입니다. 가치 있는 직원은 판매를 마감하거나 고객 관계를 관리하는 대신 사용 가능한 재고를 추적하는 데 시간을 낭비합니다.

소매업체는 중단을 최소화하기 위해 공급망을 어떻게 관리할 수 있습니까?

중단은 재고 부족이나 초과가 발생한 지 한참 후에 발견될 수 있으므로 기업은 다음을 통해 공급망 문제보다 앞서야 합니다. 데이터 수집, 분류 및 구조화. 대부분의 기업은 데이터 활용의 필요성을 이해하고 있으며 기업의 89%는 종단 간 공급망에 데이터 관리 소프트웨어가 필요하다고 말했습니다.

AI와 머신 러닝 공급망 관리에서 점점 더 중요한 역할을 할 것입니다. 이를 통해 소매업체는 중단을 처리하고 대응을 자동화하며 잠재적인 문제가 발생하기 전에 예측하는 방법을 더욱 정교하게 만들 수 있습니다.

소매 계획 소프트웨어 기업이 계획 및 개발에서 배송 및 옴니채널 판매에 이르는 통합 프로세스를 오케스트레이션할 수 있습니다. 소매업체는 올바른 소프트웨어를 사용하여 전체 제품 라이프사이클에 걸쳐 실시간 계획과 실제 피드백을 기반으로 계획, 시각화 및 실행할 수 있습니다.

데이터는 재고 관리의 미래를 어떻게 형성할 것입니까?

정확하고 최신 관련 데이터는 성공적인 재고 관리의 핵심입니다. 차세대 분석 및 계획 도구는 방대한 양의 데이터를 해석하여 소매업체가 재고 수준에 영향을 미치기 전에 중단을 예측하고 대응할 수 있도록 합니다.

디지털화는 수동 작업을 줄여 직원이 혁신, 관계 관리 및 출력 개선에 집중할 수 있는 시간을 확보합니다. 더 나아가 AI와 기계 학습은 안전 재고 수준과 운반 비용을 줄이고 재고 회전율을 높이는 결정을 내리는 데 도움이 될 수 있습니다. 이것은 예측 모델에 의해 지원되는 보다 정확하고 실시간 예측에 의해 도움이 될 것입니다.

전반적으로 더 스마트한 데이터 사용이 더 빠르고 더 나은 기반의 의사 결정 프로세스로 이어지는 것을 기대할 수 있습니다. 궁극적으로 팬데믹 및 동시 공급망 문제로 인한 문제는 소매 부문의 전환점으로 간주될 수 있습니다.

저자,

글로벌 소비재 산업의 비즈니스 솔루션 전문가인 Paula Biste는 지난 15년 동안 소프트웨어 기술 응용 프로그램에 대해 기업에 자문을 제공했습니다. 그녀의 경력은 그녀에게 제품 개발, 제조 및 상품화 운영에 대한 비범한 통찰력을 제공했습니다. 그녀는 현재 전 세계 소매업체와 브랜드에 비즈니스 컨설턴트로서 엔드 투 엔드 상품화 프로세스를 디지털화하는 방법에 대해 조언하고 있습니다. Centric 소프트웨어.