- Kada kupci trebaju obnoviti zalihe? Koje specifikacije trebaju? Koliko? Ako se na ova pitanja odgovori nagađanjem, to dovodi ili do stvaranja zaliha ili do nestašice. Grupa kineskih LVL tvornica koristi analizu podataka, poput vremenske prognoze, za predviđanje potražnje kupaca, pretvarajući pasivno čekanje narudžbi u proaktivnu uslugu.
1. Trošak "nakupljanja zaliha na temelju nagađanja"
"Zašto se ova serija robe opet gomila?" "Zašto te specifikacije opet nema na zalihama?" Ovo su svakodnevne brige za mnoge voditelje skladišta tvornice LVL.
Stvaranje zaliha na temelju osjećaja ima značajnu cijenu:
- Rizik skladištenja: Specifikacije skladištenja koje kupci ne koriste često vežu kapital, a roba se može deformirati ili pljesniviti zbog produljenog skladištenja.
- Gubici na zalihama: Ako specifikacije koje kupac treba nisu dostupne, narudžba se gubi, a kupac se može prebaciti na druge dobavljače.
- Troškovi hitne dopune: Hitna proizvodnja nakon nestanka zaliha uključuje plaćanje prekovremenog rada i naknade za ekspresnu otpremu, a sve su to dodatni troškovi.
"Prije smo se u potpunosti oslanjali na intuiciju prodavača kada je u pitanju bilo skladištenje zaliha", priznao je upravitelj tvornice. "Ako su rekli da će se određena specifikacija dobro prodavati, napravili bismo zalihe. Kao rezultat toga, izvan-sezone, imali smo veliki zaostatak."
2. Od "Intuicije" do "Analize podataka"
Neke tvornice počinju koristiti analizu podataka za usmjeravanje svoje pripreme inventara:
Povijesna analiza narudžbi: Analiza mjesečnih prodajnih brojki za svaku specifikaciju tijekom posljednje dvije godine kako bi se identificirali obrasci. Koje su specifikacije "zimzelene" (stabilne tijekom cijele godine), a koje su "sezonske" (visoka prodaja tijekom vrhunca sezone)?
- Analiza kupovnih navika kupaca: Analiza ciklusa kupnje i količine kupnje svakog kupca. Kupac A naručuje oko 15. svakog mjeseca, svaki put oko 2 spremnika; Kupac B naručuje jednom kvartalno, svaki put 5-6 spremnika.
- Praćenje tržišnih trendova: Praćenje početaka izgradnje i promjena politike na ciljnom tržištu radi predviđanja promjena potražnje.
"Stvorili smo jednostavnu Excel proračunsku tablicu", rekao je voditelj prodaje. "Uvezli smo podatke o narudžbama iz prošle godine i saželi ih mjesečno. Odmah je jasno da je 50×100 mm vječni favorit, dok se prodaja 100×100 mm povećava prije kišne sezone."
3. Proaktivni podsjetnici zamjenjuju pasivno primanje narudžbi
Na temelju analize podataka, neke su tvornice počele proaktivno podsjećati kupce da dopune zalihe:
- Upozorenja o zalihama: kada se približava kupovni ciklus kupca, šalje se proaktivna poruka: "Na temelju vaših kupovnih navika, možda ćete morati nadopuniti zalihe sljedeći tjedan. Trenutačno imamo dovoljno zaliha; možete ih zaključati unaprijed ako je potrebno."
- Sezonski podsjetnici: "Približava se kišna sezona, a potražnja za nosačima predložaka će se povećati. Želite li se unaprijed opskrbiti nekih 100×100 mm?"
- Podsjetnici na cijene: "Cijene sirovina bi mogle porasti sljedeći mjesec. Želite li unaprijed naručiti kako biste zaključali trenutnu cijenu?"
"Prije smo čekali da kupci daju narudžbe", rekao je menadžer vanjske trgovine. "Sada podsjećamo kupce da daju narudžbe. Kupci osjećaju da smo profesionalni i to ih štedi muke da sami izračunaju."
4. Od "Prodaje zaliha" do "Upravljanja zalihama"
Za neke dugoročne-velike klijente, neke tvornice počinju eksperimentirati s inventarom kojim upravlja dobavljač (VMI):
- Dijeljenje podataka: Klijenti svaki tjedan daju vlastite podatke o zalihama i predviđanja prodaje.
- Tvorničko skladištenje: Tvornice proaktivno stvaraju zalihe na temelju podataka o klijentima, osiguravajući da klijenti ne ostanu bez zaliha.
- Automatsko obnavljanje: Sustav postavlja minimalna upozorenja o zalihama; ako razine zaliha padnu ispod razine upozorenja, automatski se generira plan nadopune.
"Implementirali smo VMI s australskim klijentom", rekao je upravitelj tvornice. "Podaci o zalihama klijenta sinkroniziraju se s nama tjedno, a na temelju podataka dogovaramo proizvodnju i skladištenje. Stopa obrta zaliha kod klijenata porasla je za 30%, a naše narudžbe su stabilnije."
5. Poboljšana "točnost" predviđanja podataka
Predviđanje podataka nije nešto što se može postići preko noći; zahtijeva kontinuiranu optimizaciju:
- Bilježenje odstupanja od prognoze: Nakon svake prognoze, bilježi se razlika između stvarne prodaje i prognoze, te se analiziraju razlozi odstupanja.
- Prilagodba parametara modela: Na temelju analize odstupanja prilagođava se model predviđanja. Na primjer, ako se utvrdi da je prodaja određene specifikacije u snažnoj korelaciji s lokalnom stopom početka izgradnje, početna stopa se uključuje u model predviđanja.
- Nadopunjavanje ljudskog iskustva: modeli podataka ne mogu pokriti sve situacije (kao što su iznenadne velike narudžbe ili promjene politike), zahtijevajući dodatnu prosudbu iskusnog osoblja.
"Naša točnost predviđanja poboljšana je s početnih 60% na trenutnih 80%", rekao je voditelj prodaje. "Iako još nije 100%, značajno je smanjio nakupljanje zaliha i nestašice."
Predviđanje podataka nije "proricanje sudbine", već dedukcija na temelju povijesnih obrazaca. Kada tvornice LVL u Kini koriste analizu podataka za usmjeravanje pripreme inventara i korisničke usluge, ne isporučuju samo proizvode, već i "sigurnost" i "pouzdanost". Ovaj pristup upravljanja opskrbnim lancem "vođen podacima-upravo je neophodan put za prelazak kineske proizvodnje s "ekstenzivne" na "intenzivnu" proizvodnju.
