Industriële fabricage
Industrieel internet der dingen | Industriële materialen | Onderhoud en reparatie van apparatuur | Industriële programmering |
home  MfgRobots >> Industriële fabricage >  >> Manufacturing Technology >> Industriële technologie

Waarom kunnen retailers en leveranciers niet samenwerken op het gebied van vraagprognoses?

Hoe moeten retailers en leveranciers in hemelsnaam nauwkeurige vraagprognoses maken als ze niet dezelfde gegevens op dezelfde manier en tegelijkertijd delen?

COVID-19 krijgt terecht de schuld van veel van de problemen die de toeleveringsketens van consumentenproducten in 2020 teisterden. Maar de tekorten aan toiletpapier, flessenwater en andere benodigdheden werden nog verergerd door de verkeerde afstemming van vraaggegevensstrategieën tussen leveranciers en kopers. Dat is de conclusie van een recent rapport van software-engineeringbedrijf CI&T.

"De relatie tussen leverancier en leverancier is niet op de manier geregeld die het meest bevorderlijk is voor een zelfverzekerde vraagvoorspelling", stelt het rapport nogal beleefd. Maar de gevolgen zijn ernstig en de toeleveringsketen van de detailhandel wordt geconfronteerd met tal van problemen die voortkomen uit het niet nauwkeurig voorspellen van de vraag.

De twee partijen kunnen het niet eens worden over de aard van het probleem. Leveranciers zeggen dat hun grootste uitdaging bij het voorspellen van de vraag zichtbaarheid en toegang tot gegevens is. Retailers zeggen dat het het dataplatform opschaalt. "Strategisch gezien is de manier waarop ze denken over vraagvoorspelling heel anders", zegt Melissa Minkow, hoofd retailsector bij CI&T en co-auteur van het rapport.

De ontkoppeling begint met de basisbenadering van prognoses door de twee sets nominale partners. De meerderheid van de leveranciers zegt dat ze waarschijnlijk relevante gegevens per regio zullen uitsplitsen, terwijl retailers dit doen per kanaal, zoals e-commerce en in-store sales.

Bovendien vergelijken de meeste leveranciers verkoopgegevens voor een bepaalde maand met dezelfde periode van het voorgaande jaar om de verkoop van de volgende maand te voorspellen, terwijl retailers de cijfers vergelijken met die van de vorige maand. De twee methoden kunnen enorm verschillende conclusies opleveren over hoeveel product je de komende 30 dagen moet maken, bewaren en opbergen.

Wel zijn partijen het eens over het soort informatie dat zij het meest waardevol achten bij het formuleren van een vraagprognose:gedetailleerde consumentengegevens zoals geslacht, leeftijd en gezinsgrootte. Maar het lukt ze niet om die informatie in realtime uit te wisselen.

Er is een zeurende aarzeling om gevoelige en bedrijfseigen gegevens te delen, "wat betekent dat het voor hen een strijd is om samen te werken", zegt Minkow. Dat gebrek aan transparantie is op zijn minst gedeeltelijk verantwoordelijk voor de uiteenlopende benaderingen bij de interpretatie van de gegevens.

In een tijd waarin verstoringen zoals COVID-19 de stabiliteit van de toeleveringsketens van consumentenproducten bedreigen, is het nog nooit zo urgent geweest om belangrijke gegevens door één lens te bekijken. Maar retailers en leveranciers lijken dat doel niet te halen. "Er is de afgelopen 15 maanden veel zelfgenoegzaamheid geweest", zegt Minkow. “Beide partijen spelen het hele spel heel dicht bij het vest. En het zal de komende zes maanden alleen maar erger worden, nu de feestdagen eraan komen.”

Zeker, veel van de problemen die de toeleveringsketens tegenwoordig teisteren, zijn buiten de controle van zowel retailers als leveranciers. Maar beide partijen kunnen meer doen om de impact van externe crises te verzachten door hun benadering van data-analyse en vraagvoorspelling te harmoniseren. In onzekere tijden is veerkracht het sleutelwoord. "Er is veel ruimte om gegevens te delen", zegt Minkow.

Het CI&T-rapport dringt aan op een nieuw raamwerk voor het maken van vraagprognoses, een raamwerk dat ze niet geïsoleerd ontwikkelt. Op dit moment zegt Minkow:"Ze nemen niet eens de moeite om naar elkaars vraagprognoses te kijken. Als ze dat wel zouden doen, zouden ze kijken waar ze van elkaar kunnen leren.”

In het tijdperk van sociale media zijn er meer gegevens beschikbaar voor de toeleveringsketen van de detailhandel dan ooit tevoren. Dat is zowel een zegen als een vloek:goed geanalyseerd en gedeeld, kan de informatie worden gebruikt om de behoeften van de klant vast te stellen en producten dienovereenkomstig af te stemmen. Maar de enorme omvang ervan dreigt providers te overweldigen die niet in staat zijn om het te begrijpen en de stroom tussen partners te coördineren.

Minkow zegt dat retailers en leveranciers niet volledig gebruik maken van de gegevens die voor hen beschikbaar zijn. Naast informatie op consumentenniveau, moeten ze ook gebruikmaken van verkoop- of winkelmandgegevens voor zowel e-commerce als aankopen in de winkel, seizoenstrends, weerpatronen, vakanties en de prijsstrategieën van concurrenten.

CI&T stelt voor dat de detailhandelaar eigenaar wordt van de relatie voor het delen van gegevens en vervolgens bepaalt welke soorten aangepaste gegevens elke leverancier moet kennen in een "uber-forecasting" -systeem. "We zouden meer macht in handen van retailers geven, maar we staan ​​ook open voor leveranciers die first movers zijn", zegt Minkow. “Het idee is om in het midden te zitten, waar alle datasets bestaan. Dan kun je de relatie naar eigen inzicht aanpassen.'

Het niet coördineren van de cruciale relatie tussen detailhandelaren en leveranciers voor het voorspellen van de vraag is kostbaar voor alle partijen, maar vooral voor degenen aan het einde van de toeleveringsketen. "Als er geen geoptimaliseerde strategie voor het delen van gegevens is, zijn het de consumenten die zullen verliezen", zegt Minkow. "En als de consument verliest, verliest iedereen."


Industriële technologie

  1. Wat is cloudbeveiliging en waarom is het vereist?
  2. Juridische problemen in cloud computing en hun oplossingen
  3. Waarom digitaal?
  4. Wat is edge computing en waarom is het belangrijk?
  5. Defensieleveranciers:zelfverklaring, de False Claims Act en u*
  6. Zakelijke resultaten behalen met big data-projecten en AI
  7. Waarom logistieke bedrijven big data en cloudtechnologie moeten toepassen
  8. Waarom merken en retailers kiezen voor 3D e-commerce
  9. Waarom gegevens en context essentieel zijn voor de zichtbaarheid van de toeleveringsketen
  10. Voor wagenparkbeheer zijn AI en IoT beter samen
  11. Op tijd leveren is een strijd tussen merken en retailers