Anmerkung der Redaktion: Dieser Blog wird Ihnen präsentiert von unserem Partner KPMG und den Gastautoren Brian Higgins, Principal, Advisory, Customer and Operations, KPMG US, [email protected], und Rob Barrett, Principal, Advisory, Supply Chain Leader, KPMG US, [email protected]. Den Originalbeitrag finden Sie hier.
Wir leben in einer der unbeständigsten Zeiten des modernen Zeitalters der Lieferkette, und Endverbraucher:innen bekommen die Auswirkungen zu spüren. Zusätzlich zu Arbeitskräftemangel, der Pandemie, geopolitischen Faktoren und weiteren Aspekten etablieren Unternehmen Verhaltensmuster, die die Auswirkungen dieser anfänglichen Spannungen verstärken – insbesondere Panikkäufe – was dazu führt, dass Käufer versuchen, den Planungsprozess „auszutricksen“.
In Zeiten volatiler Lieferketten suchen Unternehmen in der Regel nach Möglichkeiten, die Versorgung ihres Kundenstamms sicherzustellen. Um Lagerengpässe und Umsatzverluste zu vermeiden – und das System auszutricksen –, bestellen Unternehmen deutlich mehr Produkte. Dieses Vorgehen verschärft die Schwachstellen im Planungsprozess.
Wie also können Sie die Auswirkungen dieser Manipulation auf die Lieferkette eindämmen und reduzieren? Wir schlagen drei Dinge vor:
- Konzentrieren Sie sich zuerst auf die interne Ebene.
- Implementieren Sie die richtigen Vorgehensweisen.
- Passen Sie an, bevor Sie loslegen.
Konzentrieren Sie sich zuerst auf die interne Ebene.
Zunächst müssen Sie beurteilen, was Sie innerhalb Ihrer vier Wände kontrollieren können. Was sind Ihre Stärken und Schwächen im Vergleich zu Branchenstandards? Nutzen Sie diese Antworten, um Lücken zwischen Menschen, Prozessen und Technologie aufzudecken.
Die häufigsten Unzulänglichkeiten in Planungsorganisationen reichen von veralteten, offline ablaufenden und vernachlässigten Prozessen bis hin zu einem Mangel an Automatisierung und Technologie.
Stellen Sie im Hinblick auf die Richtlinien sicher, dass Mindestbestellmengen, minimale und maximale Losgrößen, Meldebestände, Sicherheitsbestände und andere Praktiken auf dem neuesten Stand sind. Standardisieren Sie Verfahren, Entscheidungsbäume und andere Wenn/Dann-Problemlösungstechniken, um Unterbrechungen des Planungsprozesses zu minimieren. Außerdem kann es zu unvorhergesehenen Nachfrageschwankungen und Kapazitätsengpässen kommen, die auf eine fragmentierte oder isolierte Kommunikation zwischen Kundinnen/Kunden, Vertrieb, Betrieb und Marketing zurückzuführen sind.
Konzentrieren Sie sich nicht nur auf Ihre Richtlinien, sondern auch auf Ihre Daten und Technologien. Erweitern Sie die Metriken für die Zusammenarbeit und den Datenaustausch mit Ihren Kundinnen und Kunden im Rahmen einer größeren Erweiterung Ihres technologischen Ökosystems. Wie können Sie die Fragmentierung der Technologie reduzieren und gleichzeitig die plattformübergreifende Konnektivität verbessern? Berücksichtigen Sie dazu alle Herausforderungen in Ihren Datensynchronisierungs- oder Altsystemen, einschließlich Ihrer Audit-Prozesse. Wenn Sie keine grundlegenden Simulationen durchführen können, um die Auswirkungen eines bestimmten Szenarios auf Vertrieb, Produktion und Lieferung zu analysieren, geraten Sie ins Hintertreffen.
Implementieren Sie die richtigen Vorgehensweisen.
Ein Mythos besagt: „Wenn wir nur diese Technologie kaufen oder Machine Learning implementieren, können wir alle unsere Probleme lösen.“ Die Realität ist, dass Unternehmen über erstklassige Praktiken verfügen müssen, bevor sie komplexe und teure Technologielösungen in Betracht ziehen.
Bevor Sie Ihren Weg zu Automatisierung und Technologie fortsetzen, sollten Sie eine angemessene Governance etablieren. Dies ist nützlich für die Pflege und Aktualisierung von Bestandsrichtlinien sowie für die routinemäßige Durchführung von Segmentierung und anderen Analysen, um den Bestand richtig zu dimensionieren und die Bestandsrichtlinien zu optimieren. Überprüfen Sie regelmäßig die wichtigsten Kennzahlen für die Zusammenarbeit im Vertriebs- und Betriebsplanungsprozess, um die Zusammenarbeit mit Kundinnen und Kunden zu fördern.
Mit CPFR-Prozessen (Collaborative Planning, Forecasting and Replenishment) und konsensorientierter Bedarfsplanung sind Sie besser in der Lage, solide Bedarfsprognosen mit Ursachenanalyse zu entwickeln, um zu verstehen, warum Prognosefehler auftreten, die Auswirkungen von Schwankungen zu erkennen und potenzielle Verzerrungen zu beseitigen. Darüber hinaus lassen sich Compliance- und Risikomanagement-Richtlinien mit den Lieferkettenpartnern abstimmen und mit Initiativen zur Zusammenarbeit mit Lieferanten und Kundinnen/Kunden verknüpfen.
Mit diesen Vorgehensweisen können Sie die Zusammenarbeit zwischen Lieferkettenpartnern stärken, was durch einen zentralen Steuerungspunkt für die Lieferkette erleichtert wird. Dies erleichtert die Entscheidungsfindung in Echtzeit über die gesamte Lieferkette hinweg.
Eine aufeinander abgestimmte Technologielandschaft, die externe und interne Integrationspunkte nutzt, um Informationen zu sammeln und zu aggregieren, kann die Entscheidungsfindung, Berichterstattung und Analyse eines Unternehmens beschleunigen.
Passen Sie an, bevor Sie loslegen.
Unternehmen möchten oft direkt eine Technologielösung einsetzen, ohne sich um grundlegende Probleme zu kümmern, die weder durch Machine Learning noch durch einen zentralen Steuerungsmechanismus gelöst werden können. Wenn diese Probleme zuerst angegangen werden, kann der Nutzen der Technologielösung maximiert werden. Die Bereinigung von Rohdaten, um sie zu vervollständigen, oder die Verbesserung der aus Transaktionen erfassten Daten ist der Schlüssel zum Aufbau einer Grundlage für Analysen. Sobald diese Grundlage geschaffen ist, ist es an der Zeit, die Leistungsfähigkeit von ML zu erkunden.
Beispielsweise werden auf KI und Machine Learning basierende Anomalieerkennungs-Engines bereits seit mehreren Jahren mit einem hohen Maß an Genauigkeit eingesetzt. Sie helfen Unternehmen dabei, Ausreißer zu erkennen, insbesondere bei der Erstellung ihres Planungsprozesses.
Machine-Learning-Modelle ermöglichen es einem Unternehmen auch, Signale zu erfassen, die die „wahre“ Nachfrage für eine/n bestimmte/n Kundin/Kunden oder eine bestimmte Region vorhersagen. Im Vergleich zu Modellen, die auf historischen Statistiken basieren und sich auf gleitende Durchschnittswerte konzentrieren, bieten diese Modelle eine einzigartige Analyseebene. Herkömmliche Modelle sind in der Regel nicht in der Lage, auf ungewöhnliche Nachfrageveränderungen zu reagieren.
Sobald Sie Ihre KI- und Machine Learning-Prozesse kalibriert haben, können Sie damit beginnen, eine Reihe modernster Optionen zur Risikominimierung und Effizienzsteigerung im Planungsprozess zu erkunden.
Mit diesen Schritten sind Sie auf dem besten Weg zu einer genaueren und effizienteren Lieferkettenplanung.
Mehr erfahren
Sehen Sie sich das gemeinsame Webinar von Alteryx und KPMG an: Delivering Results During Disruption.