Сфера технологий для решения этих задач находится на подъеме. По данным PitchBook, всего за 6 месяцев 2021 года стартапы, предлагающие технологии для цепочек поставок, получили $15 млрд финансирования. Для сравнения, ранее для сбора аналогичной суммы потребовался весь 2020 год.
Поиск инвестора онлайн стал намного проще. Узнай как
Потребность в инструментах для управления логистикой помогла стартапам, таким как компания по реализации решений ShipBob, платформа доставки Bringg и экспедитор Sender, собрать сотни миллионов для оцифровки цепочки поставок.
Амар Ханспал, основатель и CEO компании по автоматизации цепочек поставок Bright Machines, также намерен вывести консервативный производственный сектор в 21 век.
Он хочет помочь отрасли продвинуться далее «подхода промышленной революции», который подразумевает, что производители выпускают «100 тысяч чего-то, погрузят это на контейнеровоз, доставят, а потом кто-то скажет: «Мне не нужно 100 тысяч, мне нужно только 80 тысяч, так что отправьте 20 тысяч на свалку»».
Ханспал объясняет, что поскольку производству традиционно не хватало данных, спрос и предложение в основном были не синхронизированы. У отрасли нет такой же видимости в реальном времени, как, скажем, у приложений для заказа такси.
«Им известен спрос. Им известно предложение. Им известно, где находятся все такси. Им известно, где находятся все клиенты, и они могут отлично сопоставить это», — говорит CEO Bright Machines. В промышленной сфере производители часто не знают, каков спрос, поэтому им трудно определить, насколько адекватно их предложение.
Предоставляя данные о производстве в режиме реального времени, Bright Machines стремится обеспечить производителям видимость и прозрачность, которых им обычно не хватает.
Программное обеспечение устанавливается прямо в линию сборки. Таким образом, Bright Machines может отслеживать каждый продукт по мере его сборки, предоставляя информацию о том, сколько запасов имеется на данный момент, а также сколько времени потребуется, чтобы выпустить большее количество. Ханспал сравнивает это с возможностью отследить, как готовится пицца Domino’s.
Но более точные данные о поставках — это только половина уравнения. Прогнозировать спрос гораздо сложнее.
Розничные и оптовые торговцы в швейной промышленности, например, наблюдали огромный рост спроса до и после коронавируса, отмечает Джейсон Миллер, доцент кафедры цепочки поставок в Университете штата Мичиган. До пандемии спрос на одежду рос «на пару процентов в год», напоминает он.
Затем, в начале пандемии, спрос практически исчез. Но в последнее время продажи выросли примерно на 15% к 2019 году.
Миллер отмечает: «Вы перешли от того, что практически ничего не продавали, к тому, что теперь продаете больше, чем когда-либо раньше».
Из-за того, что розничным и оптовым торговцам пришлось сократить запасы в начале пандемии, у многих они уже подходят к концу. Но из-за волатильности рынка они не решаются наращивать запасы готовой продукции.
«Сейчас розничные и оптовые продавцы сталкиваются с большой неопределенностью в отношении того, какой спрос будет через несколько месяцев, из-за чего им сложно проявлять агрессивность, когда дело доходит до заказа большого количества товаров, потому что они не хотят, чтобы они застряли», — объясняет Миллер.
Blue Yonder, компания по управлению цепочками поставок, которая разрабатывает ПО для прогнозирования спроса, — один из игроков, пытающихся это изменить. Шри Харихаран, вице-президент Blue Yonder, считает, что необходимо изменить подход к балансу спроса и предложения.
Традиционно для прогнозирования будущего спроса использовались исторические данные о закупках. «Но теперь все перевернулось с ног на голову», — говорит он. Архивные данные больше не показывают, как будут выглядеть сегодня и завтра. Харихаран объясняет, что теперь компаниям уже не стоит чрезмерно полагаться на прогнозы, предусматривающие «очень линейную и очень статичную цепочку поставок».
Поскольку большая часть бизнес-транзакций происходит в цифровом формате, это означает, что у нас есть больше данных, чем когда-либо, — «будь то на стадии производства, или на складе, или в розничном магазине, или на стадионе, или в индустрии гостеприимства», считает Харихаран.
Blue Yonder использует машинное обучение для сбора сотен подобных точек данных, чтобы готовить свои прогнозы спроса. Их программа сочетает исторические данные о закупках с такими переменными, как процентные ставки, погодные условия, сезонность и так далее, чтобы прогнозировать потребительский спрос в определенный период времени.
Харихаран утверждает, что с помощью этих моделей клиенты могут «понять, что существует новая норма спроса».
Вопрос в том, могли ли большее количество данных и лучшие программы для прогнозирования предотвратить кризис цепочки поставок. Вероятно, однако Миллер полагает, что цепочка поставок все равно не была готова.
«Стоит понимать, что по большей части ни одна система не могла быть разработана так, чтобы выдержать потрясения пандемии и приносить прибыль до ее начала», — объясняет Харихаран.
Цепочки поставок должны быть экономичными и эффективными, а не иметь дополнительных мощностей, способных выдерживать большие потрясения.
Однако есть надежда, что по мере развития технологий компании смогут, по крайней мере, предвидеть сбои в будущем и разработать логистику, которая будет готова быстро реагировать.
Источник.
Источник: