Įženkite į bet kurį pasaulio sandėlį ar atsargų patalpą, ir tai, ką iš tikrųjų matote, yra įšaldyti pinigai. Kiekviena perteklinių atsargų paletė yra kapitalas, kurio negalite panaudoti. Kiekviena prekė, kurios pritrūksta, yra pardavimas, kurį praradote konkurentui.
Dešimtmečius tiekimo grandinės valdymas buvo spėliojimo žaidimas, žaidžiamas skaičiuoklėse. Jūs žiūrite į tai, ką pardavėte praėjusiais metais, pridedate šiek tiek nuojautos ir pateikiate pirkimo užsakymą. Tada laikote sukryžiavę pirštus. Jei jums įdomu, kaip naudoti dirbtinį intelektą tiekimo grandinės valdyme, kad tai išspręstumėte, esate tinkamoje vietoje.
Jums nereikia duomenų mokslo daktaro laipsnio. Jums nereikia brangios verslo konsultacijų įmonės. Jums tereikia noro leisti, kad duomenys, o ne nerimas, lemtų jūsų pirkimo sprendimus.
Štai strategija, kaip naudojant dirbtinį intelektą valdyti maksimaliai optimizuotą, tačiau neįtikėtinai atsparią tiekimo grandinę.
Problema, susijusi su „Atsargumo dėlei“ (Just in Case) tiekimo grandine
Daugelis verslo savininkų taiko „Atsargumo dėlei“ atsargų modelį. Kadangi žmonių atliekamas prognozavimas iš prigimties turi trūkumų, mes perkame 20 % rezervą. Tada tiekimo grandinės vadovas prideda savo 10 % rezervą. Staiga jūs mokate už papildomą sandėliavimo erdvę, didesnį draudimą ir sėdite su nerealizuojamomis atsargomis, kurios galiausiai bus parduotos su didele nuolaida arba išmestos.
Atsargų perteklius yra emocinis atsakas į prastus duomenis.
Kai nepasitikite savo prognozėmis, perkate daugiau, kad jaustumėtės saugūs. Tačiau šiuolaikinėje rinkoje perteklinių atsargų laikymas yra atgyvenusios išlaidos, kurias dirbtinis intelektas gali visiškai panaikinti. Numatyto poreikio prognozavimas stulbinančiu tikslumu leidžia dirbtiniam intelektui padėti jums pereiti nuo „Atsargumo dėlei“ prie „Pats laikas“ (Just in Time) modelio.
Išsamus vadovas, kaip naudoti dirbtinį intelektą tiekimo grandinės operacijose
Panagrinėkime išsamiai, kaip galite pradėti tai įgyvendinti jau rytoj, sutelkdami dėmesį į didžiausią poveikį turinčią sritį: paklausos prognozavimą ir atsargų kontrolę.
1 veiksmas: Centralizuokite savo duomenis (Nuobodi, bet būtina dalis)
Dirbtinis intelektas nėra magija; jis tiesiog labai gerai atpažįsta modelius. Tačiau, kad atpažintų modelį, jam reikia žaliavų.
Prieš pradėdami vertinti bet kokius dirbtinio intelekto įrankius, turite užtikrinti, kad jūsų pardavimų duomenys, esami atsargų lygiai ir tiekėjų pristatymo laikai būtų vienoje vietoje. Jei jūsų pardavimai yra „Shopify“ platformoje, jūsų atsargos – netvarkingoje „Excel“ skaičiuoklėje, o tiekėjų pristatymo laikas – kažkieno galvoje, dirbtinis intelektas jums nepadės.
Perkelkite savo duomenis į modernią ERP (įmonės išteklių planavimo) arba vieningą atsargų valdymo sistemą. Tokie įrankiai kaip „Unleashed“, „Cin7“ ar „Linnworks“ yra puikus atspirties taškas mažoms ir vidutinėms įmonėms (MVĮ).
2 veiksmas: Įdiekite paklausos prognozavimą
Čia ir įvyksta magija. Žmogus žiūri į praėjusių metų lapkričio pardavimus, kad nuspėtų šio lapkričio pardavimus. Dirbtinis intelektas vertina praėjusio lapkričio pardavimus, dabartines socialinių tinklų tendencijas, būsimus orų modelius, regioninius ekonomikos rodiklius ir svetainės lankomumo greitį.
Jei esate mažesnė įmonė (kurių pajamos nesiekia £5M/$6M), jums net nereikia tam pritaikytos programinės įrangos. Galite tiesiog eksportuoti savo pastarųjų 24 mėnesių pardavimų duomenis (prieš tai pašalinę asmeninę klientų informaciją), įkelti CSV failą į „ChatGPT Plus“ arba „Claude“ išplėstinę duomenų analizę (Advanced Data Analysis) ir duoti tokį nurodymą:
„Štai mano pastarųjų dvejų metų pardavimų duomenys. Veikite kaip tiekimo grandinės analitikas. Nustatykite sezoniškumą, produktų tendencijas ir pateikite man konkrečią pakartotinio užsakymo prognozę kitoms 90 dienų, darant prielaidą, kad tiekėjo pristatymo laikas yra 14 dienų.“
Tikėtina, kad rezultatai bus tikslesni nei jūsų dabartinė skaičiuoklė. Jei esate gamintojas, toks tikslumas reiškia, kad gaminate tik tai, ką iš tikrųjų parduosite. Galite tiksliai pamatyti, kiek nuostolių tai padeda išvengti mūsų gamybos tiekimo grandinės taupymo vadove.
3 veiksmas: Automatizuokite dinamines saugos atsargas
Saugos atsargos yra jūsų nenumatytų atvejų rezervas. Istoriškai įmonės nustatydavo statinę taisyklę: „Visada laikykite 50 X produkto vienetų rezerve.“
Dirbtinis intelektas tai keičia į dinamines saugos atsargas. Jei dirbtinis intelektas pastebi, kad jūsų X produkto tiekėjas savo regione šiuo metu vėluoja pristatyti prekes, jis automatiškai padidins jūsų saugos atsargų rekomendaciją. Kai tiekėjo logistikos problemos išsisprendžia, jis atitinkamai sumažina rekomendaciją.
Į vartotojus orientuotiems prekių ženklams, valdantiems šimtus ar tūkstančius SKU, atnaujinti tai rankiniu būdu yra neįmanoma. Mes giliau nagrinėjame finansinį šio proceso automatizavimo poveikį savo mažmeninės prekybos logistikos vadove.
4 veiksmas: Maršrutų ir logistikos optimizavimas
Kai žinote, ko jums reikia ir kada jums to reikia, turite tai pergabenti.
Krovinių gabenimo išlaidos yra didžiulė biudžeto eilutė. Dirbtinio intelekto pagrindu veikiantys logistikos įrankiai per kelias sekundes analizuoja šimtus vežėjų tarifų, gabenimo maršrutų ir pristatymo langų, kad rastų ekonomiškiausią būdą pergabenti jūsų prekes. Jie ne tik ieško pigiausio tarifo; jie apskaičiuoja pigiausią tarifą, kuris vis tiek atitiks jūsų pristatymo terminą.
Tai yra grynasis išlaidų mažinimas. Jūs nekeičiate savo produkto; jūs tiesiog naudojate dirbtinį intelektą, kad nustotumėte permokėti tarpininkams, jį gabenantiems. Pažvelkite į mūsų transporto ir logistikos analizę, kad pamatytumėte tikslius skaičius, kiek galite čia sutaupyti.
Technologijų paketas: Kurie įrankiai iš tikrųjų veikia?
Jums nereikia kurti pasirinktinio algoritmo. Rinkoje gausu „plug-and-play“ (prijungti ir naudoti) dirbtinio intelekto tiekimo grandinės įrankių, priklausomai nuo jūsų įmonės dydžio:
- Pradinis variantas be išlaidų: „ChatGPT Plus“ arba „Claude“. Puikiai tinka įkelti neapdorotus pardavimų duomenų CSV failus ir prašyti tendencijų analizės bei pagrindinio prognozavimo.
- Vidutinės rinkos žaidėjai: Tokios platformos kaip Peak.ai ar Invent Analytics. Jos prisijungia prie jūsų esamų duomenų ir specialiai tvarko DI paklausos prognozavimą ir atsargų optimizavimą. Jos atsiperka sumažindamos saugojimo išlaidas per kelis mėnesius.
- Integruotos parinktys: Jei naudojate tokias platformas kaip „Shopify Plus“, „NetSuite“ ar net modernias „QuickBooks Commerce“ versijas, patikrinkite savo valdymo skydelius. Jos aktyviai diegia dirbtinio intelekto prognozavimo funkcijas, kurių daugelis savininkų tiesiog dar neįjungė.
Psichologinis pokytis
Iš pradžių valdyti optimizuotą tiekimo grandinę yra baugu. Kai pirmą kartą pasitikite dirbtiniu intelektu, kuris sako: „Kol kas neužsakinėkite daugiau atsargų, jums jų prireiks tik po 12 dienų“, jūsų žmogiškasis instinktas šauks, kad vis tiek tai užsakytumėte.
Štai mano patarimas: Pradėkite nuo mažo.
Pasirinkite vieną produktų liniją. Pasirinkite kategoriją, kuri įšaldo daug grynųjų pinigų, bet pasižymi gana stabilia paklausa. Atlikite savo tradicinę žmogaus atliekamą prognozę kartu su dirbtinio intelekto prognoze 60 dienų. Pažiūrėkite, kieno rezultatas artimesnis. Pažiūrėkite, kas jums būtų sutaupęs daugiau pinigų.
Kiekvienas svaras (£), kurio neišleidžiate sandėlio patalpoms ar nerealizuojamoms atsargoms, yra svaras, kurį galite išleisti klientų pritraukimui, produkto kūrimui arba tiesiog pasiimti kaip pelną.
Jūsų tiekimo grandinė neturėtų būti jūsų nerimo saugykla. Leiskite dirbtiniam intelektui atlikti skaičiavimus ir vėl išjudinkite savo grynųjų pinigų srautus.