撰写者 下午3:22 需求驱动, 下游数据 •3条评论

更好地感知和塑造需求的七种技术

上周,有人问我这个问题,“我该如何采取措施以增强需求驱动力?”  它提示了此响应。  

需求驱动的价值网络感知并塑造需求,以提供有利可图的需求响应。这与传统的供应链形成鲜明对比,传统的供应链将需求与供应相匹配,但对获利能力和真正的市场需求视而不见。受需求驱动,感知和调整价值网络以适应需求变化的公司快五倍,并且它们在平衡增长和效率目标方面表现得更好。但是,他们是怎么做到的呢?他们采取什么步骤?这是我的观察结果:

  • 需求可变性设计:  听起来很简单,但事实并非如此。传统的基于供应的网络设计技术可以优化成本,但不能在网络设计中考虑需求的可变性。做得很好的公司是 库尔斯 陶氏化学。如果不考虑需求可变性,则存在两个主要问题: 
  1. 设计可行吗?战略优化引擎给出平均响应,这可能是可行的响应,也可能不是。仿真工具有助于查看战略网络设计技术是否正在给出可行的响应。对于需求波动的供应链,这是一项重要检查。
  2. 它是否反映了最佳设计?对于寻求以需求为驱动力的公司,如果分析需要包括需求的可能性以及重要产品的需求范围和模式的影响,该怎么办?需求可变性是推/拉边界的重要决定因素。目前,我只看到15%的公司在网络设计计算中包括需求可变性。
  • 关注市场驱动因素: 这些领导者根据市场驱动力(天气,消费驱动力,消费者外带等)为运送环境(而非传统的SKU运送地点)建模。 思科,德尔蒙特 杜邦。我爱Peter Murray,杜邦在S上的报价&5月在芝加哥举行的OP IBF会议,“ 最困难的变化是改变以关注市场驱动力。当我们这样做时,我们在S上的工作&OP扭转了利润率连续12年下滑的趋势。低迷使我们相信高管层的强大横向流程。 ”
  • 明确基线预测。  越来越多的组织开始转向供应链来拥有预测。在过去的十年中,它在组织中从职能部门过渡到职能部门,但是现在有一种趋势使其回归供应链职能部门。为什么?营销和销售小组倾向于有更大的偏见,而供应链小组被视为能够更好地检验真实的预测。一流的小组专注于了解基线预测–没有需求调整(价格,贸易促销或营销计划)的真实市场需求–并成为真正的升力预测器的出色建模者。在通话中,95%的公司都难以准确表示基准预测。
  • 采取整体方法来塑造需求。  对于40%的公司,价格是与贸易促销分开管理的,新产品的发布在贸易促销和营销活动中占有很大比例。通过使用战略建模工具,例如,查看多种需求塑造技术的影响 M要素,Thinkvine 或者 亨利 来自的模型 IRI(现为交响乐) .
  • 摆脱基于规则的消费:   传统的高级计划系统使用规则将每月的预测分为较小的部分“buckets”用于预期的每日需求。但是,供应链是不守规矩的。预测的范围很难通过固定的规则进行预测。结果,有21家财富500强公司使用了统计引擎,例如JDA,Oracle和Terra Technology的统计引擎,以更好地预测每日需求。这使配送中心的每日物品预测准确性提高了至少30%。
  • 清理您的数据:  像春季和秋季清洁一样,订单和装运数据也需要连续清洁以对齐历史记录,说明退货和物品更改。干净的数据是需求驱动型计划的重要基础。 
  • 尽可能使用渠道数据: 渠道数据有助于减少需求等待时间(感知渠道中实际消费的时间)。公司重返价值网络的步骤越多,采取此步骤就越重要。最近,我在与下游数据先锋的会议上。我问了一个问题“您在使用下游数据方面最成功的技术是什么?”她笑了。她的答复使我感到惊讶。她说, “使用下游数据带来的改善幅度是一个逐步变化。使用下游数据的技术之间的差异很小。”  是否想改善需求信号?据她介绍, “…向右跳。使用频道数据。”

哎呀。飞机降落在亚利桑那州。要跑。

当谈到需求驱动时,您怎么看?您是否同意这种方法?有什么要添加的吗?我期待着您的回音!

本周,我将在GMA IS委员会上讨论零售商数据的使用,下周,我将在麻省理工学院的一个小组中讨论零售商数据的使用。似乎对该行业的兴趣正在增长…。我想及时完成关于供应链中下游数据使用情况的十二月报告。