Tedarik zinciri araştırmalarında şirketlerin %60 ila %80'i için daha iyi sipariş, envanter ve sevkiyat görünürlüğünün öncelik listesinin başında yer alması şaşırtıcı olmamalıdır. 

Bir zamanlar üreticilerin ve perakendecilerin önceden tahmin edilebilir tarihsel ve mevsimsel kalıplara dayalı olarak büyük hacimli malları geliştirdiği, stokladığı ve bölgesel pazarlara ittiği yerlerde, D2C e-ticaretine internet üzerinden çekme temelinde çok daha geniş kitleler erişebilir. Artan genel navlun talebiyle birlikte talep üzerine sevk edilen küçük siparişlerin toplu, neredeyse sürekli akışı, sıkı bir işgücü piyasasında terminal, depo, ekipman ve araç kapasitesini bastırdı. 

Değişken müşteri beklentileri zorlukları artırıyor. Son mil baskıları ve maliyetleri, bir dağıtım merkezinde fabrikalara veya mağazalara kademeli olarak göndericinin yönlendirmesiyle teslim edilmek üzere tutulan paletlenmiş navlun için, birden çok teslimat süresi ve yer seçeneği olan ve zamanında ve tam teslimat.  

İster yeni bir pandemi varyantı, ister hava olayı veya Süveyş Kanalı'nı tıkayan bir konteyner gemisi olsun, öngörülemeyen koşullar, talebi, arzı ve kapasiteyi bir gecede dengeden çıkaran bir taşma noktası oluşturabilir. 

Görünürlüğün Birçok Hareketli Parçası

Tedarik zincirlerinin çoğu, satış noktasında (POS), tedarikçi tedariki ve üretimde yukarı akışta ve sevkiyat sırasında transitte talep tarafında yeterli görünürlükten yoksundur. Pandemi, iklim, Ukrayna'daki savaş, küresel enflasyon ve diğer dış baskılarla güçlenen istikrarlı D2C büyümesi nedeniyle devam eden piyasa dalgalanması göz önüne alındığında, talebi erken algılamak özellikle kritiktir.  

Talep sinyalleri, tedarik zincirini diğer etkilerden daha fazla yönlendirir. Neyin, hangi miktarlarda ve nereye sevk edileceğini kısacası, kaynak temininden varlık ve kaynak tahsisine ve iş akışına kadar her şeyi onlar belirler. O halde, geleneksel hiyerarşik tedarik zinciri modellerinin çoğunun hala fabrikaları ve tedarikçileri doğrudan perakendecilere ve müşterilere erdemli bir geri bildirim döngüsü içinde bağlamaması mantığa aykırı görünüyor.

Bunun yerine, iletişimin çoğu merkezden dışarıya doğru akar ve iş ortağı girdisi nadiren bir düzeyin ötesine geçerek kritik verileri kurumsal silolarda hapseder. Üçüncü taraf toplayıcı verileri pazarlamada, müşteri ilişkileri yönetimi (CRM) verileri satışta, üretim verileri operasyonlarda ve C-suite'te zayıflar. Bu, kesinti durumunda daha yüksek maliyetler ve iş kaybı gibi önemli bir risk oluşturur. 

Küresel tüketicilerin %60'ından fazlasının şu anda e-ticaret kullandığı, 25 milyondan fazla küresel perakende satış noktasının açık olduğu, son on yılda piyasaya çıkan yeni ürünlerin her yıl on kat arttığı ve 10 Stok tükenen ürünlerin yüzdesi.

Infosys'in yüzde yüz iştiraki olan EdgeVerve Systems'in TradeEdge platform başkanı Suresh Prahlad Bharadwaj, "Gelişmekte olan pazarlarda, küresel üreticiler distribütörler aracılığıyla sevkiyat yapıyor ve bu noktada görünürlükleri duruyor" diye açıklıyor. “Müşterilerinin kim olduğunu bilmiyorlar, çoğunlukla küçük anne-baba mağazaları. Üreticilerin bir toptancı aracılığıyla veya doğrudan Walmart veya Target gibi büyük bir mağazaya satış yaptığı modern ticarette bile, kendilerine geri gelen satış noktası görünürlüğünü işleyecek donanıma sahip değiller." 

Suresh, merkezi olmayan bir e-ticaret ortamında, satış noktalarının, tümü veri toplama ve paylaşmada farklı olgunluk seviyelerine ve verileri biçimlendirmenin ve iletişim kurmanın farklı yollarına sahip yüzlerce veya binlerce distribütör, perakendeci ve web sitesi arasında dağıtılabileceğini söylüyor. 

“Müşterilerim kimler, neredeler, ne sipariş ediyorlar?” Suresh'e sorar. "Bunu bilmek için, perakendecilerle iş birliği yaparak bu toplam satış noktası ve depo envanter bilgilerini üreticilere hızlı bir şekilde geri göndermem gerekiyor, böylece ayarlamalar yapabilirler." Şu anda, bir mağaza panelinden veri toplamak ve uyumlu hale getirmek ve ardından belirli müşteriler için özel raporlar hazırlamak için Nielsen veya IRI gibi üçüncü taraf veri sendikatörlerine güvenildiğinden, bu sürecin üç ila dört hafta sürebileceğini ekliyor. "Bugünün dünyasında," diyor, "bu çok geç."

Suresh, bulut tabanlı veri işleme gücü arttıkça ve maliyetler düştükçe, daha fazla perakendecinin ve aracının birincil kaynak satış verilerini zincirin gerisine dağıtmak için müşteri şirketlerle doğrudan veri paylaşım anlaşmalarını kestiğini açıklıyor. Ama bu sadece başlangıç.

Saman Yığınlarında İğne Bulmak

Yapay zeka ve makine öğrenimi ile desteklenen yazılım tabanlı talep algılama araçları, yakın gelecekteki talebi tahmin etme yetenekleriyle dikkat çekiyor. Bu araçlar, tamamı satın alma kararlarını etkileyen iklim olayları, liman tıkanıklığı, demiryolu grevi, yakıt fiyatı hareketleri, faiz oranı artışları ve yüksek işsizlik oranları gibi dahili ve harici tedarik zinciri anormalliklerine karşı gerçek zamanlı POS verilerini toplar. 

Kısacası, dün malların satıldığı koşulları ayrıntılı bir şekilde anlamak, aynı malların yarın aynı veya farklı koşullar altında nasıl ve nerede satılacağına dair kısa vadeli bilgiler sunar. Zaman içinde daha ayrıntılı veriler toplandıkça, yapay zeka ve makine öğrenimi, bir kurumsal kaynak planlama (ERP) paketi üzerinde çalışan geleneksel bir manuel işlemin gözden kaçıracağı kalıpları ve içgörüleri algılar. Daha sık raporlama aralıkları, ani ve daha belirgin olaylar meydana geldiğinde yanıt süresini kısaltır.

COVID'in başlangıcından bu yana geleneksel uzun vadeli stratejik ve talep planlamasının neredeyse sona erdiği göz önüne alındığında, bu şekilde gerçek zamanlıya yakın veriler oluşturmak önemli faydalar sağlayabilir. Birdenbire şirketler, haftalar öncesine ait özet raporlama yerine dünün POS mağazası-SKU satışları ve envanter verileri üzerinde çalışmaya başladı. Satış verileri aynı zamanda karşılaştırılabilir sevkiyat verilerinden daha doğru talep tahmini sonuçları sağlama eğilimindedir, çünkü mallar çeşitli nedenlerle gönderilebilir - örneğin, takas veya numune mal.

İlk katılım sürecinin bir parçası olarak üretici kodlarına karşı satıcı SKU'su, ürün, UPC ve diğer kodlamaları kıyaslama, yapay zeka ve makine öğrenimi haritası olarak tanımlı iş kurallarını ve standartlarını kullanmak. Ayrıca, örneğin aynı ürün için küçük içerik değişiklikleriyle standart ve promosyonel SKU'lar arasında ayrım yapabilirler. Önemli bir avantaj, yapay zeka ve makine öğreniminin hayali envanteri analiz edip ortadan kaldırma ve stok tükenmelerini tahmin etmek ve azaltmak için boşlukları görüntüleme yeteneğidir. Analitiği kullanan şirketler, satış eğilimi verilerini saatler içinde doğrulayabilir.

Suresh, "Tahmin hakkında bildiğimiz şeylerden biri, bunun doğru olmayacağıdır" diyor. "Öyleyse soru, boşlukları nasıl dolduracağımız oluyor. Bunu, tüm ağ genelinde kısa vadeli ikmal kararlarını uygulayarak yapıyoruz."  

Tedarik Zinciri Değer Ağını Oluşturma

Pazarların ve müşterilerin satışları etkilemek için nasıl etkileşimde bulunduğuna dair aşağı yönlü görünürlük, süreçte değerli talep sinyalleri üreterek, tüm tedarik zincirinin daha kapsamlı bir şekilde yeniden düşünülmesi için tabloyu hazırlar. 

Hiyerarşik olmayan, "çoktan çoğa" bir ağ modelinde siparişten ödemeye kadar hem yukarı hem de aşağı akış görünürlüğü, uçtan uca, gerçek zamanlı veri raporlama ve paylaşma ve tüm tarafların işbirliği için bir fırsat sunar. ağda. 

Süreç, ağ genelinde bilgi için tek, güvenilir, paylaşılabilir bir kaynak oluşturmakla başlar. İş ortakları, belirli kullanımlar için belirli veri türlerine erişmek için uygun izinlerle işe alınır. İlgili formlar, belgeler ve iletişimler dahil olmak üzere veriler, kullanım kolaylığı için standartlaştırılmış, uyumlu hale getirilmiş ve ortak bir veritabanı formatında yapılandırılmıştır. 

Peki talep sinyalleri yanıp sönmeye başladığında ne olur? Siparişlerin zamanında doldurulmasını sağlamak için üretim hızlı bir şekilde yukarı veya aşağı ölçeklenebilir mi veya ürün karışımı ve sıralaması değiştirilebilir mi? Tier 2 tedarikçileri, üretimi gerektiği gibi artıracak malzeme ve parçalara sahip mi? Değilse, sistemdeki mevcut envanter bulunabilir, yönlendirilebilir ve yenilenebilir mi? Değilse, operasyon ve planlama ekipleri güvenlik stoklarını, tedarikçi çeşitlendirmesini veya ürün portföyü alternatiflerini yeniden düşünmeli mi? Maliyet etkileri ne olurdu? Zaman, bu sorulara yanıt almak ve en uygun düzeltici önlemi almak için kritik öneme sahiptir.

Ağ modeliyle arasındaki önemli fark, tedarikçilerin, üreticilerin ve perakendecilerin yalnızca talep değişikliklerini algılamakla kalmayıp aynı zamanda sorunları çözmek için ana şirket aracılığıyla ayrı, silolar halinde iletişim kurmak yerine doğrudan ve proaktif olarak, gerçek zamanlı olarak işbirliği yapabilmeleridir. önemli ayrıntıların çeviri sırasında kaybolabileceği yer. Ayrıca yapay zeka ve makine öğrenimi özellikli analitik, dakikalar içinde yüzlerce veya binlerce senaryoyu çalıştırabilir ve en uygun çözümü formüle etmek için mevcut ve geçmiş sevkiyat ve envanter verilerine dayalı olarak her birini oynayabilir.

Ancak eski teknoloji atasözünde olduğu gibi: çöp içeri, çöp dışarı. Ağ performansı yalnızca iş ortağı katılımı ve doğru bir veri kümesi kadar iyidir. Suresh, "Bu sadece buluttaki teknolojiyle ilgili değil," diye ısrar ediyor, "bu, raporlamada iş ortaklarının uyumluluğunu, verilerin hacmini ve güncelliğini, bilgilerin ayrıntı düzeyini ve paylaşılma sıklığını artırmakla ilgili."

Suresh, şimdiye kadar, kısmen daha küçük tedarikçiler, satıcılar ile değişimi zorlamak ve yönetmek için kaldıraçları nedeniyle, bu düzeyde bir dijital dönüşümü yönlendirenlerin çoğunlukla 6 milyar dolar ve üzerindeki çok büyük şirketler olduğunu kabul ediyor. ve müşteriler. Ancak, 1 milyar ila 5 milyar dolar aralığındaki müşterileri işe almak için bir fırsat görüyor. 

Bütün bunlar nereye gidiyor? Zaman içinde her büyüklükteki işletmenin dijital dönüşüm gerçekleştirmesi zorunlu hale gelecek ve bu da tedarik zincirlerinin zaman içinde birbirine bağlanmasına ve konsolidasyonuna yol açacaktır. Otomatikleştirilecek daha fazla işlem ve süreç arayın, yanıt sürelerini daha da kısaltın, hatayı ortadan kaldırın ve siparişten ödemeye döngüyü kısaltın ve aynı zamanda insanları ve kaynakları daha üretken, ödüllendirici işler için serbest bırakın. Yerleştirme ve veri uyumlulaştırma, küçük ve orta ölçekli tedarikçiler ve satıcılar için büyük olasılıkla neredeyse tak ve çalıştır hale gelecek ve ağ kapasitesi, her yerde bulunma yolunda önemli bir farklılaştırıcı olarak ortaya çıkacaktır. 

Sonuç olarak: Kısa, bazen zor olan bir ayarlama döneminden sonra, tedarik zinciri çok daha hızlı, daha basit ve daha esnek hale gelmek üzere. 

Kaynak bağlantıları: 

kenar verve, http://www.edgeverve.com 

ticaretEdge, www.edgeverve.com/tradeedge

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. Buradan Erişin.
• Kaynak: https://www.supplychainbrain.com/articles/36546-supply-chain-visibility-isnt-just-a-catchphrase-its-an-imperative