Использование данных для превосходной оптимизации цепочки поставок

Навигация по изменениям — критически важная компетенция для складов сегодня, с технологическими достижениями и потребительским спросом, делающими необходимым следить за темпом или проиграть гонку. Все более важным в этом уравнении становится использование Big Data для принятия решений. Однако, как объясняет Deloitte, использование Big Data для оптимизации цепочки поставок «требует выбора релевантных данных, обеспечения постоянного потока точных данных и перевода данных в полезные интерпретации». Как таковое, важно не только для организаций вроде складов принять Big Data, но и овладеть управлением и анализом этих данных для информирования принятия решений.

Понимание источников данных

Склады и другие организации в цепочке поставок генерируют большие объемы данных, охватывающих несколько категорий. Хотя не все организации будут использовать все источники данных в одинаковой степени, понимание различных источников данных и того, как они влияют на цепочку поставок, необходимо для оптимизации. Logistics Viewpoints предоставляет полезный разбор источников данных, релевантных для оптимизации цепочки поставок:

• Данные склада — емкость хранения, оборудование, персонал и контракты.
• Данные инвентаря — объем, стоимость и распределение по распределительным центрам.
• Мастер-данные продуктов — все продукты и их отношения друг к другу, такие как общие атрибуты или физические характеристики.
• Производственные данные — производственная мощность и портфель продуктов.
• Объемные данные (или логистические данные) — объем продукта входящего или в транзите, от завода к распределительному центру, перемещения запасов между объектами или прямые доставки клиентам.
• Финансовые данные — комбинированные данные, включая транспортные, складские, производственные и инвентарные данные.
• Данные спроса — включая данные из прогнозов и планирования, а также фактические исторические данные для анализа трендов.
• Качественные данные — включая мягкие факторы вроде сервиса клиентов, лид-таймов и других бизнес-требований.

Хотя склады генерируют только несколько элементов этих разнообразных наборов данных, практически каждый набор данных будет иметь каскадное влияние на складские операции. Сбор и анализ всех релевантных для цепочки поставок данных дает более широкую, более глубокую картину всей цепочки поставок, позволяя операторам складов принимать лучше обоснованные решения, чем анализируя только складские данные.

Не теряйтесь в лесу

Все эти данные предлагают обзор большой картины, но операторам складов и другим руководителям цепочки поставок следует быть осторожными, чтобы не попасть в паралич анализа. Попытка разобрать и проанализировать каждый тренд и точку данных может быстро завести вас в круговорот.

Вместо этого используйте эти доступные источники данных для понимания большой картины, но также определите, какие данные действительно будут стимулировать бизнес-ценность. Как объясняют Регения Сандерс и Джейсон Мейл, контрибьюторы CFO.com, «Планирование часто самый сложный шаг, но имеет наибольшее влияние на затраты, учитывая эффект бича». И Big Data последовательно доказано улучшает точность планирования, так что используйте это в свою пользу для тонкой настройки каждого аспекта ваших операций.

Берите пример с ведущих предприятий

Университет Сан-Франциско профилирует ритейл-гиганта Walmart, отмечая $486 млрд компании на конец финансового года, заканчивающегося в январе 2015 года, что означает рост на $10 млрд по сравнению с 2014 годом. Очевидно, Walmart делает что-то правильно, особенно учитывая, что компания во многом построена на своих низких ценах. Не только Walmart освоил традиционную цепочку поставок, но компания также делает инвестиции в технологии для капитализации на e-commerce и других трендах. Делать все эти вещи точно правильно — это гораздо больше, чем простой случай.

Walmart использовал множество тактик, кульминацией которых стала одна из самых эффективных цепочек поставок в существовании, даже получив признание в топ-20 цепочек поставок Gartner за последние пять лет. Комбинация vendor managed inventory (VMI), лучшего сотрудничества и коллаборации с поставщиками и взаимосвязи различных сущностей через технологии для существенных приростов эффективности — в конечном счете позволяя компании поддерживать низкие цены, на которых она построила свой бренд, в экономике, иначе толкающей затраты вверх по всей доске.

Хотя успех Walmart не построен исключительно на аналитике Big Data, данные сыграли критическую роль в обеспечении предсказаний, прогнозов и инновационного принятия решений для реализации полных возможностей, существующих во всей цепочке поставок. Конечно, не каждая компания стремится стать следующим Walmart, но когда вы делаете умное использование данных для стимулирования инноваций и оптимизации цепочки поставок, каждая компания может реализовать свой полный потенциал.