COVID-19 ускоряет аналитику-драйвенное управление цепочками поставок

От дефицита средств индивидуальной защиты до широкого ассортимента потребительских товаров, пандемия COVID-19 срывала глобальные цепочки поставок как ожидаемыми, так и непредвиденными способами. Эксперты оценивают, что полное восстановление может занять много месяцев.

Для быстрого ребаунда лидеры цепочек поставок обращаются к передовым технологиям — IoT-данным, аналитике и машинному обучению — для получения реального времени инсайта в нестабильные паттерны спроса и поставки.

«Наличие правильных ML и AI инструментов позволяет фирмам понимать рыночную динамику и управлять своими цепочками поставок более эффективно», — сказал Джордж Бэйли, директор Digital Supply Chain Institute.

Срыв начался в Китае, мировой производственной сверхдержаве. К 2010 году Китай обогнал США в производственном выходе. В то время как эпидемия SARS 2002–2003 имела Китай на 4,3% глобального ВВП, профессор МИТ Дэвид Симчи-Леви отмечает, что теперь он составляет 16%.

Глобализация как мы ее знали, окончена

Компании, сильно опиравшиеся на китайских поставщиков, чувствуют влияние острее. По данным Statista 2020, некоторые ритейлеры источничают более половины инвентаря из Китая. Тот же опрос нашел, что 44% ритейлеров ожидают задержек цепочек поставок, 40% предвидеят дефицит инвентаря, и более половины производителей электроники предвидит до четырех недель срыва — недопустимый лаг в эре ожиданий двухдневной доставки.

Пока многие фирмы в суматохе пересматривают свои сети, риск-менеджмент исторически был низким приоритетом. Недавний опрос Institute for Supply Management выявил, что почти три четверти компаний сообщили о срывах, в то время как 44% не имели формального плана митигации.

«Срочность диверсификации и построения резервов теперь реальность», — сказал Алекс Капри, старший феллоу NUS Business School. «Эра глобализированных цепочек поставок, как мы их знали, окончена».

Приведение аналитики к управлению цепочками поставок

Производители сталкиваются с каскадными срывами — от закрытий заводов поставщиков и дефицита инвентаря до транспортных задержек и отсутствий рабочей силы. Tier-1, tier-2 и tier-3 поставщики все испытывают откаты, но многие фирмы не имеют видимости в эти ripple-эффекты.

«Поскольку так многие производители зависят от Китая — прямо или через множественные тиры — закрытия заводов и недозагрузка персонала сжали способность», — объяснил Бэйли. Опрос Statista 2018 указал, что 21% профи цепочек поставок видят видимость как значительный организационный вызов.

«Сегодня большинство компаний все еще полагаются на Excel для моделирования сценариев», — сказал Бэйли. Пока Excel полезен, более изощренные инструменты могут доставлять большую точность. Исследование Supply Chain Quarterly 2022 нашло, что более 90% менеджеров используют Excel для аналитики, в то время как 82% использующих передовые инструменты видят заметное улучшение.

Успешное развертывание AI требует обильных данных. «AI-система должна быть накормлена комплексными датасетами, чтобы научиться отвечать», — отметил Бэйли. Ральф В. Сайферт и Ричард Маркофф, в «Demand for AI in Demand Planning», аргументируют, что неконсистентные прогнозы по продажам и операциям могут смещать AI-результаты.

AI в планировании спроса

Бэйли подчеркнул, что планировщики спроса должны понимать сдвигающие паттерны спроса во время кризисов и влиять на них. IoT-сенсорные данные, например, помогают шинным производителям мониторить давление и износ протектора, проактивно алертя клиентов и информируя инвентарные потребности.

«Технология и аналитика необходимы для понимания того, что драйвит спрос, и для AI прогнозирования будущих потребностей», — сказал Бэйли. Пока некоторые фирмы должны инвестировать в новые технологии и таланты, общие трудозатраты могут снизиться по мере того как автоматизация дополняет работу планировщиков.

Gartner предсказывает, что к 2023 году как минимум 50% глобальных компаний развернут AI-драйвенные трансформации в операциях цепочек поставок.

Однако многие организации должны сначала очистить и стандартизировать свои данные. «Много данных недоверенных — неправильно отформатированных, неточных или предвзятых — так что значительные усилия идут на то, чтобы сделать их usable», — предупредил Бэйли.

Качество данных остается главным препятствием для AI в планировании спроса, заметили Сайферт и Маркофф. В краткосрочной и среднесрочной перспективе менеджеры цепочек поставок будут сильно опираться на аналитику для навигации дефицита и неопределенности.

Бэйли предложил, что компании могут нуждаться в сужении своих SKU-портфолио, фокусируясь на высокоценных клиентах и принимая fact-based приоритизационные решения. «Если у вас 100 единиц продукта, но нужно 500, вы должны решить, каким клиентам служить первыми», — объяснил он.

Стратежический сорсинг также сдвинется. «Переконцентрация в Китае больше не жизнеспособна», — сказал Бэйли. Балансировка риска и возможности по географическим локациям стала первостепенной.

В конечном счете, пандемия заставляет фирмы принять технологии и практики, которые они откладывали, но теперь должны обнять для устойчивости цепочек поставок.

«COVID-19 — катализатор изменений, которые многие компании все равно бы приняли», — заключил Бэйли. «Хорошая новость: эти изменения теперь неизбежны».