隨著時代的進步,人們對個性化產(chǎn)品、即時服務(wù)提出了越來越高的要求,供應(yīng)鏈也隨之變得越來越復雜。麥肯錫咨詢在一篇報告中提出,在歷經(jīng)了30年的技術(shù)變遷后,供應(yīng)鏈行業(yè)已經(jīng)迎來了4.0時代。曾經(jīng),供應(yīng)鏈只是一個單純的運營物流的能力,今天的供應(yīng)鏈變得更加多元化和去中心化,它是一套端到端的整體流程,需要確保從供應(yīng)商到生產(chǎn)商、到批發(fā)零售商、再到客戶的整合運營。同時,供應(yīng)鏈也不再拘泥于成本調(diào)控和庫存管理,如何實現(xiàn)智能需求預測、動態(tài)庫存優(yōu)化、智能補貨,來進一步提升市場競爭力,將成為企業(yè)供應(yīng)鏈數(shù)字化轉(zhuǎn)型的關(guān)鍵。也有行業(yè)專家指出,供應(yīng)鏈將成為企業(yè)乃至產(chǎn)業(yè)運營體系全面數(shù)字化的主戰(zhàn)場。

供應(yīng)鏈需要加入“柔性”來穩(wěn)固支持

在中國市場上,來自不同世代的消費者有著千差萬別的需求。眾多行業(yè)之中,最接近消費的零售業(yè)對這種多層次的變化,以及對供應(yīng)鏈柔性的要求,感受是最明顯的。零售企業(yè)需要敏捷洞察消費趨勢,快速優(yōu)化智能預測,精準完成交付。

毫無疑問,新冠疫情后的今天,供應(yīng)鏈比以往更需要柔性,而智能決策技術(shù)中基于場景的概率預測、細分的動態(tài)安全庫存以及全局敏捷的補貨算法,既是供應(yīng)鏈柔性的保障,也是管理不確定性的制勝法寶。基于此,企業(yè)才能夠?qū)崿F(xiàn)整個價值鏈中復雜決策的自動化,以提升客戶效益,在短時間內(nèi)實現(xiàn)企業(yè)利潤的提升。

智能決策,為供應(yīng)鏈注入“柔性”

供應(yīng)鏈的不斷進化,也是數(shù)字化轉(zhuǎn)型和智能化運營之路,這離不開智能決策等新技術(shù)的加持。智能決策用建模和求解能力支持數(shù)據(jù)從規(guī)律到?jīng)Q策的演化,來幫助企業(yè)輔助人工決策或解決人工難以解決的復雜決策問題,幫助企業(yè)主動應(yīng)對市場、外界環(huán)境等帶來的不確定性和突發(fā)性的影響,實現(xiàn)Decision Intelligence。

許多企業(yè)已經(jīng)在需求計劃中使用需求預測功能,來分析數(shù)百個內(nèi)部和外部需求影響變量之間的關(guān)系預測有望將錯誤率下降30%到50%,這也是柔性供應(yīng)鏈的不斷發(fā)展的結(jié)果。以補貨計劃為例,企業(yè)將不再局限于固定的安全庫存,還需要重新考慮預期的需求分配、動態(tài)調(diào)整價格兼?zhèn)淅麧檭?yōu)化,同時最大限度地減少庫存積壓。

柔性供應(yīng)鏈,解決需求預測、庫存、補貨等難題

在今年的消費品零售供應(yīng)鏈創(chuàng)新峰會上,國內(nèi)智能決策技術(shù)服務(wù)商杉數(shù)科技提出,企業(yè)在業(yè)務(wù)中可以通過智能需求預測、動態(tài)安全庫存優(yōu)化、智能補貨優(yōu)化三個層面切入,幫助企業(yè)供應(yīng)鏈注入柔性,靈活應(yīng)對多元的業(yè)務(wù)場景。

基于場景的需求預測:智慧需求預測更加注重場景化的AI建模。根據(jù)時間、空間、產(chǎn)品、客戶群體多維度場景,基于人工智能算法的需求預測引擎,結(jié)合企業(yè)內(nèi)部和外部數(shù)據(jù)以及專家經(jīng)驗及統(tǒng)計特征,組合定制高維數(shù)據(jù)特征,通過混合算法陣列,實現(xiàn)多層級概率預測。以杉數(shù)科技服務(wù)的某日化巨頭全渠道需求預測優(yōu)化項目為例,針對線上和線下不同場景的預測,根據(jù)不同場景建立機器學習模型,比如線上引入流量數(shù)據(jù)(UV/PV)、市場投入費用等數(shù)據(jù)構(gòu)建模型特征;線下更傾向于引入時間點、地域等特征,最終構(gòu)建一個更加智能的混合模型陣列,實現(xiàn)更加精準的需求預測。整個項目落地實施后效果顯著:訂單滿足率達到98%、熱銷品的月度預測準確率達85%、“雙12”促銷預測準確率達80%。

細分化的動態(tài)安全庫存:針對全品類做精細化細分,通過全局優(yōu)化的運籌學決策算法,平衡庫存成本和服務(wù)水平,計算出最優(yōu)的安全庫存。簡而言之,就是將庫存在最合適的時間,以最佳的存儲量,放在最合適的位置上。例如某全球休閑零食品牌庫存優(yōu)化,休閑零食類食品具有很強的淡旺季的周期性,消費者需求波動很大,對其從不同SKU在不同DC下的分類(如常規(guī)品、長尾波動品、季節(jié)品等),根據(jù)分類提供不同的安全庫存水位,最后通過仿真模擬工具,幫助計劃人員了解庫存水平設(shè)定是否合理,為其提供智能決策支持。

全局敏捷的補貨算法:基于全局的優(yōu)化思維,實現(xiàn)從工廠到多級倉儲,再到經(jīng)銷商及門店的全鏈條補貨履約智慧決策,從執(zhí)行層提升供應(yīng)鏈服務(wù)能力和響應(yīng)效率,以達到從決策到執(zhí)行的前后對齊,攜手并進。例如以某國際啤酒品牌DC出貨預測與智慧補貨,該啤酒企業(yè)在韓國有三個啤酒廠,23個DC倉庫,考慮業(yè)務(wù)邏輯與統(tǒng)計特征,利用混合算法陣列,對商品的離散性特征進行有效的處理和預測,兼顧商品的連續(xù)性特性(如時間,生命周期等);同時考慮上游產(chǎn)能約束、運力約束與DC端的需求,對不同類型的SKU建立差異化整數(shù)優(yōu)化模型,自動生成by天*啤酒廠*DC*SKU 的自動補貨模型。通過合理的設(shè)置懲罰項與約束項,實現(xiàn)自動最優(yōu)拼車、發(fā)運優(yōu)先級和考慮酒齡優(yōu)先級等業(yè)務(wù)邏輯。該啤酒品牌通過建立柔性供應(yīng)鏈,實現(xiàn)了預測準確率10%的提升、缺貨率5%的降低、物流成本得到有效的控制。

面向未來,隨著數(shù)字化的不斷發(fā)展,供應(yīng)鏈4.0會帶來多元的環(huán)境支持、多樣的按需定制、多維度的決策優(yōu)化,它們將為企業(yè)多方賦能,在最后的交付途中暢達無憂。而可以肯定的是,在令人眼花繚亂的新技術(shù)中,唯有遵循嚴謹客觀的數(shù)據(jù)算法,才能給企業(yè)帶來更精準的智能決策。