renchen.ru
Потратить меньше, получить больше
Дэвид Симчи-Леви , Крис Тиммерманс
Большинство руководителей уверены: диджитализация цепочки поставок обойдется крупной корпорации в десятки миллионов долларов. Принято считать, что этот сложнейший процесс занимает не менее трех-пяти лет и требует мощных инвестиций в облачные технологии, внедрения 3D-печати и роботизации, установки RFID-меток и считывателей на каждом контейнере с товаром и каждой площадке, а также новых инструментов на магазинной технике, которые позволили бы следить за ее состоянием и работой. Считается, что все это необходимо, чтобы убрать преграды между подразделениями и выстроить интегрированную цепь поставок, способную дать организации конкурентное преимущество.
Проконсультировав множество компаний, мы обнаружили другой путь к тем же результатам. Опыт наших клиентов (среди них глобальный ритейлер, торгующий модной одеждой, крупный производитель потребительских товаров, международный бренд электроники и высокотехнологичная компания, изготавливающая ПК, планшеты и рабочие станции) показывает: чтобы получить существенную выгоду, достаточно потратить на модернизацию цепочки поставок всего несколько миллионов долларов и один-два года. В рамках такой сокращенной трансформации фирма должна собрать доступные данные; внедрить передовую аналитику, позволяющую понимать и предсказывать поведение клиентов и поставщиков; оптимизировать процесс принятия решений по ассортименту, производству и закупкам ради сокращения издержек и увеличения гибкости; повысить автоматизацию, чтобы пересмотреть существующие процессы и запустить новые.
Секрет успеха такого подхода — в трех инициативах. Первая замещает консенсусные прогнозы общим взглядом на спрос. Вторая меняет единую стратегию развития цепочек поставок на сегментированную. Третья создает целостный план последовательного балансирования спроса и предложения, позволяющий выявлять отклонения или проблемы и реагировать на них.
ИДЕЯ КОРОТКО
СтереотипПеревод системы управления цепочками поставок в цифру — это всегда гигантский трансформационный проект, занимающий от трех до пяти лет и стоящий десятки миллионов долларов.
Реальность
Можно поступить иначе: всего за год-полтора и за несколько миллионов долларов компания получит весьма существенный результат.
Как это сделать
Собрать готовые данные; использовать передовую аналитику, чтобы понимать и прогнозировать поведение клиентов и поставщиков и оптимизировать принятие решений, касающихся складских запасов, производства и снабжения; повысить автоматизацию, чтобы пересмотреть существующие процессы и запустить новые.
Эти инициативы, если их правильно реализовать, помогают снизить издержки в цепочке поставок и повысить доход за счет устранения дефицита товара в точках продаж и улучшения обслуживания (то есть повышения процента заказов, выполненных полностью и в срок). Что не менее важно, они позволяют снизить отток клиентов. Фэшн-ритейлеру, который мы упоминали выше, с помощью этих инициатив удалось всего за три года увеличить рыночную долю более чем на 28% и удвоить прибыль от основной деятельности. У производителя потребительских товаров операционная деятельность и финансовые показатели улучшились настолько, что ему удалось всего за два года окупить проведение этих инициатив. В технологичной фирме качество сервиса выросло на 10—30%. Бренд электроники получил 20% дополнительного дохода, увеличил с 70 до 90% долю быстрых доставок и сократил операционные издержки с 7 до 4%.
В этой статье мы проанализируем опыт производителя потребительских товаров. Он показателен, поскольку компания столкнулась с колоссальными проблемами, когда боролась с недостатками действующей системы, в том числе с преобладанием ручного труда, требующего массы времени, переизбытком складских запасов и огромным количеством просроченных и испорченных продуктов.
ЕДИНЫЙ ВЗГЛЯД НА СПРОС
Прежде всего, необходимо переосмыслить процесс планирования спроса. Традиционное консенсусное прогнозирование предполагает, что каждый отдел (производства, финансов, продаж и сбыта, который отвечает за маркетинг, акции, скидки и т. д.) формирует собственный прогноз, используя стандартные статистические приемы, исторические данные о продажах и некоторые сведения извне. Затем все отделы согласуют свои выводы и выдают компромиссное заключение.
У этого процесса два недостатка. Во-первых, на создание и сведение прогнозов с учетом всех потребностей компании уходит немало времени — обычно четыре-пять недель. За этот период данные о продажах успевают устареть. Во-вторых, вместо того, чтобы согласовывать данные и поручать аналитикам выработать единый прогноз, разные отделы часто пытаются уравновесить противоречащие друг другу прогнозы, полагаясь на интуитивное понимание факторов, влияющих на продажи, доход и прибыль.
Куда надежнее первым делом определить набор данных, которые, по всеобщему мнению, дадут наиболее точную картину. Производитель потребительских товаров выбрал четыре таких набора:
внутренние сведения об отгрузках ритейлерам, ценах, скидках, акциях и различных характеристиках товаров;
данные о потребительском спросе, получаемые непосредственно от розничных магазинов или от компаний, производящих маркетинговые измерения, вроде IRI и Nielsen;
макроэкономическая информация — в том числе квартальный ВВП, индекс менеджеров по закупкам, индекс потребительских цен, уровень безработицы и инфляции, — которая помогает объяснить поведение потребителей, сезонные колебания и тренды;
внешние данные по иным факторам, указывающим или влияющим на спрос, таким как поисковые запросы, упоминание товаров в соцсетях, средняя температура, осадки, праздники, цены у конкурентов.
Используя все это и применяя передовую аналитику, фирма может запустить автоматизированный цикл из пяти этапов, который позволит сформировать планы поставок, финансов и сбыта на ближайшие 50—80 недель, то есть покрыть горизонт планирования большинства компаний (см. врезку «Пять шагов к улучшению и удешевлению цепочки поставок»). Вот как выглядит этот цикл у производителя потребительских товаров.
Сначала информация, связанная с планированием сбыта, — о будущих акциях, скидках и маркетинговых инвестициях — объединяется с потребительскими, макроэкономическими и внешними данными. Тут же генерируется прогноз рыночного спроса по каждому артикулу и розничному продавцу на каждую неделю всего горизонта планирования. По нашим наблюдениям, большинство производителей потребительских товаров никогда не пытались предсказывать спрос столь подробно.
Затем прогноз спроса по продавцу совмещается с историческими данными по отгрузкам ему — и получается прогноз заказов каждого артикула для каждого ритейлера и каждой недели.
Потом все прогнозы заказов агрегируются и конвертируются в реалистичный план поставок. В нем учитывается доступность ресурсов, в том числе запасов сырья и готовой продукции, а также ограничения производственных мощностей и рыночные цели (скажем, рост продаж определенной категории у определенного ритейлера в определенном регионе). План также нацелен на достижение конкретных показателей. Компания, опыт которой мы анализируем, сосредоточилась на минимизации затрат в цепочке поставок, но другие фирмы могут ставить иные цели — например, максимизацию дохода или количества поставок.
Следующий шаг — использовать понедельный план поставок каждого артикула каждому ритейлеру, чтобы выстроить помесячные прогнозы дохода и валовой прибыли для каждого бренда.
Наконец, полученные финансовые предсказания сопоставляются с бизнес-целями фирмы. Любые нестыковки помогут скорректировать план сбыта — например, добавить более серьезные скидки или увеличить вложения в маркетинг, чтобы подстегнуть продажи.
Обдумывая внедрение такого цикла, руководство производителя потребительских товаров задалось рядом вопросов. Они беспокоят большинство руководителей, которые интересуются нашим подходом. Постараемся ответить на них.
Какого уровня точности можно достичь? Исследования показали: изменчивость клиентского спроса существенно ниже изменчивости розничных заказов (отсюда известный эффект кнута в цепях поставок). Это означает, что предсказать потребление проще, чем объем заказов. И действительно, точность прогнозов рыночного спроса у производителя потребительских товаров оказалась довольно высокой. Она регулярно составляла не менее 85% для периода в пять-восемь недель на уровне артикула, недели и ритейлера.
Объединение уточненного прогноза потребления с историческими данными розницы позволило компании вернее предсказывать будущие заказы ритейлеров. Точность еженедельных прогнозов по заказам оказалась на 15—20% выше, чем у привычных консенсусных прогнозов. А более точное планирование заказов, или отгрузок, означает более эффективный план поставок — а значит, упущенный сбыт меньше, доход больше, уровень сервиса выше, клиентский опыт лучше.
Наконец, более точные вводные данные оттачивают финансовый план. При внедрении нового подхода в нескольких компаниях по производству потребительских товаров точность финансовых прогнозов на ближайший месяц повысилась до 95—97%.
Сможем ли мы разобраться, что вызывает поведенческие и иные изменения, которые мы прогнозируем? Это едва ли не главный вопрос. По нашим наблюдениям, практически все руководители опасаются слепо следовать рекомендациям алгоритмов, созданных специалистами по данным. Менеджеры (с полным на то основанием!) хотят понимать, откуда взялись эти цифры и что они означают.
Допустим, ожидается рост или падение. Что стало причиной: поведение конкурентов, каннибализация одних продуктов другими, акции и скидки, какое-то мероприятие или праздник? Хорошая новость: аналитические технологии продвинулись достаточно, чтобы недельный прогноз по каждому артикулу можно было разложить на компоненты. Для этого данные специально моделируются как комбинация ключевых переменных (поведение конкурентов и проч.) с оценкой вклада каждой из них в общий прогноз.
