在當今競爭激烈的市場環境中,企業需要不斷提高供應鏈管理效率和精準度,以滿足消費者多元化的需求。然而,面對多而分散的渠道、紛繁復雜的產品以及愈發多變的用戶需求,任何消費品企業都無法回避一個現實問題:為什么我的供應鏈響應效能似乎永遠都跟不上前端營銷的變化?
例如,一場直播讓產品爆火,卻發現庫存不足?A地區買不到貨,B地區卻有大量積壓?動銷差的產品產能過剩,而需求高的產品卻缺料缺產能?面對變幻莫測的市場,供應鏈“拖后腿”的現象屢見不鮮。仔細分析這些問題背后的原因,很多時候首先是供應鏈管理的源頭——需求計劃出了問題。
不同于服務行業,消費品企業大多需要提前生產和備貨,需求計劃的準確性對成本、利潤以及效率等關鍵效益指標具有重大影響。通過科學合理的需求計劃,企業可以有效配置資源,及時響應市場需求變化,降低運營成本,同時也能贏得更多商機。相反,若需求計劃不準確,可能導致生產和供應混亂,直接影響企業的業務效益。因此,提高供應鏈靈活性的首要任務便是優化需求計劃。
炙熱的六月,618促銷混戰已然開啟,你的需求計劃準備好了么?
正本清源,理清需求計劃的三大難點
作為供應鏈管理的第一道關口,需求計劃至關重要。但很多企業做需求計劃時,由于需求預測準確性低、計劃靈活性差,常常是計劃趕不上變化,計劃和實際業務嚴重脫鉤。為什么?方向不對計劃白費,需求計劃不止是計劃的問題,應當從戰略和執行的角度進行全面設計。
首先,提到需求計劃,很多人的第一反應是需求預測,雖然二者關系緊密,但并不是等同的。預測是對未來市場態勢的提前推演,用于輔助和支撐業務決策,而需求計劃則是在已有的需求預測基礎上,結合企業的實際情況得出的判斷和規劃,用于指導后續庫存、生產、采購等計劃的制定。可以說,需求預測是需求計劃的前提和基礎,需求計劃是需求預測的具體實施和落實。單純的需求預測,再精準也無法100%預判未來的未知變化,而且企業的供應能力是有限的、剛性的,需求計劃在預測基礎上必須要能夠考量不同部門的意見、反饋乃至洞察,才能有效保障計劃后續的落地執行。在計劃思路和流程上,要強調需求預測的必要和精準,但更要重視跨部門的協同決策。
其次,所有企業都知道需求預測很重要,難就難在如何讓預測盡可能的精準。一方面,今天任何企業的需求預測都離不開數據和數字化技術的應用,但傳統的數字化技術無法全面考慮所有影響銷量的因素,得出的結果具有片面性;另一方面,需求預測不只是技術問題,也是個業務問題,不同的渠道、區域、時間周期都有其特殊性,無法按照完全一樣的標準進行管理,企業必須借助科學的方法全面梳理各類數據,才能做到精細化管理和預測。
第三,由于計劃效率低、調整難度大,供應鏈端很容易陷入“反正預測不準又調起來麻煩,那就按照我的經驗來”的陷阱。早期依靠人工經驗和各種excel表格做計劃,一般需要花費數天時間,再加上和各個部門溝通的時間,計劃還沒出來可能市場又變了。有的企業將數據和表格進行了整合,構建了需求計劃系統,在計劃效率上有了很大提升,但無法全面分析數據背后的原因,遇到復雜市場情況,也很難實現針對性的調整和優化。因此,高質量的需求計劃系統不僅僅是一套自動化的操作工具,更需要能夠支持企業建立完善的數據采集和分析體系,進一步實現“數據-分析-決策”的數字化需求管理閉環。
根據需求計劃的問題和方向“對癥下藥”,就可以從源頭上打開供應鏈管理的“活水”,進而促進供應鏈全鏈路的效能提升。隨著智能技術的發展,需求計劃朝著智能化方向轉變,為解決上述問題帶來了新的方向,尤其是智能決策技術加持的智能需求計劃,正在突破傳統計劃模式,被越來越多的企業所青睞。
分場景精細化,讓需求預測更精準
需求計劃的基礎是需求預測,預測的準確性會影響需求計劃的可執行性,也是影響供應鏈成本和效率的關鍵因素之一。Gartner數據顯示:企業每提高1%銷售預測準確度,產品庫存周期就將縮短7%,并降低2%的運輸成本、減少9%的過期庫存報廢。
在食品、飲料、美妝、日化、鞋服等消費行業,每個行業每一類產品都有不同的季節、區域、人群等特性,比如,食品飲料產品包含常規品、爆品、長尾品、新品、衰退品等不同類型,而服裝行業的季節性和區域性差異很大。需求預測必須和具體的業務場景深度結合,常規的標準化系統很難根據不同的業務場景進行分類預測。
傳統方式下,需求預測主要依靠歷史數據和銷售提報,數據比較粗放且存在較強的主觀性,導致需求預測結果和實際情況偏差較大。智能決策技術的快速發展,催生了更精準高效的預測算法和模型,在預測思路和方式上都實現了新升級。
計劃宇宙分場景精細化預測模型的構建邏輯
以雀巢為例,其供應鏈管理部門和杉數科技合作打造了新一代的智能需求計劃系統,將智能決策技術和業務深度融合,實現了分場景精細化預測,大幅改善了信息透傳效率,提升了預測準確性。基于杉數科技的計劃宇宙產品,系統在做需求預測時,會通過大量的數據信息找出具有同一類需求變化特點(時間、空間、產品、需求群體)的組合,針對性建模。例如,同樣的SKU單品在不同季節或地域的銷售特征可能差異很大,在分類時,對“SKU單品+季節+城市”形成的每一個組合都單獨分析;同時,對新品需求預測采用了特殊模型,前期業務邏輯主導,中期算法輔助決策,后期轉常規品,增加系統對新品計劃的靈活性。
分析其背后的邏輯,主要是借助智能化方式對細分場景做了精細化的梳理、建模、計算和預測,并實現了整體到局部的一致性管理。依托計劃宇宙的COForecast、COmatrix等底層技術引擎,系統可以根據企業的業務情況進行精細化拆分和整合,將不同產品、不同渠道、不同地區、不同顆粒度的數據進行精細化處理。在業務操作時,企業可快速切換不同維度不同層級的視角,迅速了解宏觀需求數據,也可以全面洞察細分顆粒度的需求情況。
解釋性和模擬仿真,助力企業更靈活的應對變化
從實際情況來看,任何預測數據都不是一成不變的,真實的市場永遠存在未知數。需求計劃應該根據變化做出相應的調整,關鍵問題在于,調整的動作很容易,但是調整的幅度如何界定?依靠人工評估來調整,顯然具有很大的隨機性。例如,某食品企業按照常規情況預測某城市某季度的需求量是M,但是由于該城市臨時舉辦了一場大型活動引發了旅游熱潮,企業跟著做了一系列促銷動作,做了促銷動作之后的需求是多少?要如何調整計劃?
計劃宇宙需求預測的解釋性分析方法及分析結果示意
如果企業可以了解不同因素的影響力程度,調整起來就會容易很多。智能需求計劃系統做需求預測時,在解釋性上有很大改進,可以助力企業快速實現動態計劃調整。例如,可以從多個維度分析和洞察各影響因子對市場需求的影響指數,比如,近期趨勢上漲對銷量影響是多少?節假日對銷量影響是多少?促銷折扣深淺對銷量影響是多少?通過對結果進行量化及可視化分析,企業對整體市場走向更加清晰。當出現突發情況時,可以快速分析原因定位問題,及時精準地調整預測結果,最后實現動態可調的需求計劃。
解釋性會幫助企業更好地應對變化做出調整,但很多企業往往還想進一步知道,如果市場真的發生了變化,通過不同的策略調整,會有什么樣的綜合效果?基于智能決策的模擬仿真技術,可以進一步拓展智能需求計劃的功能邊界。例如,企業可以模擬不同的事件和活動,基于不同的場景配置不同的算法參數與方案,得到不同的算法預測值,模擬制定不同場景的需求計劃,為企業應對變化提供更具體的參考和建議。
跨部門協同決策,打破需求計劃的信息鴻溝
常言道,行百里者半九十。精準的需求預測完成了需求計劃的主要工作,但是要做出一個符合實際的需求計劃,還要達成多部門的共識,要結合預測數據和不同部門的實際情況來制定。傳統模式下,各個部門是互相獨立的,需求計劃部門提出需求計劃后,各個部門一般通過S&OP(銷售和運營計劃)會議討論敲定計劃,對于數據的細分情況是否一致并不了解,表面看大家達成了一致意見,但與實際情況有較大偏差。
這是因為每個部門的職能和核心訴求不一樣,在討論需求計劃時會有不同的偏向。比如,銷售部門的核心訴求是貨品盡量充足,以保證快速成單和交付,就希望需求計劃有更大的支配空間。供應鏈部門則是從整體成本和效益出發,希望庫存保存在最佳狀態,避免貨物積壓以降低成本,提需求時就會盡量保守。如果各個部門能夠在目標和細分維度上達成一致,需求計劃就會更具有執行性。
計劃宇宙智能需求計劃自定義協同流程示意圖
所以,需求計劃不等于需求預測,更關鍵的是跨部門不同顆粒度信息的透傳。智能需求計劃系統,還有一大亮點就是智能化協同,通過自定義的協同流程配置和權限配置,企業可自由控制計劃的流轉。計劃員可根據需求預測結果創建不同維度和不同層級的初版需求計劃,并將計劃分發給銷售、財務、市場等不同部門,輔以消息和提醒機制,收集不同部門的需求洞察和建議,綜合多方意見進行調整,最終實現協同決策和一致性計劃。
解決了上述問題,需求計劃傳導到供應計劃乃至生產計劃時,就可以釋放出更大價值。在實際運營中,需求計劃、庫存計劃、生產計劃等都是互相關聯的,需求計劃做好了,可以拉動后續計劃效率和效益的提升。例如,通常需求計劃最直接影響的是配貨補貨,精準的需求計劃可以為庫存補貨提供數據參考,企業在做庫存計劃時,就可以根據不同顆粒度的需求計劃進行精細化和差異化補貨。
綜合來看,智能需求計劃系統在預測環節改變了傳統人工計算或者“excel式”的預測模式,在預測效率、顆粒度、準確性方面都實現了大跨越。在跨部門協作方面,通過優化協作機制和模式,實現了端到端的信息透傳和協同,讓需求計劃更加自動化和智能化。同時,通過解釋性分析、模擬仿真等功能,可以讓企業從更多維度了解市場需求情況,全方位支持企業決策優化,提升整個供應鏈系統的“腦力”水平。
作為面向零售消費行業的智能運營決策優化產品,杉數科技推出的計劃宇宙在雀巢、好麗友、伽藍、小米、百威等企業的供應鏈管理上都發揮了重要作用,覆蓋智能需求計劃、智能庫存計劃、智能供應計劃、智能收益管理、智能履約計劃等多類場景。例如,通過對伽藍業務場景深入理解和分析,結合伽藍集團未來發展戰略要求,杉數科技考慮諸多執行條件約束進行科學決策,實現伽藍全品牌需求計劃、供應計劃、倉儲計劃的自動化和智能化,切實提升了企業運營體系決策效率和質量。
從行業角度來看,每個行業的業務邏輯是類似的,但每家企業都有其獨特性。基于此,計劃宇宙構建了“標準化”的業務模型,可以在同類場景快速擴展應用,并能夠根據特殊需求自由定制和調整,充分將共性特征通用化,并為個性化需求保留了空間,為企業打造高質量的供應鏈系統提供了高效靈活的方式。
