撰写者 晚上11:52 需求驱动, 下游数据 •2条评论

信仰的飞跃?

它已经42岁了,仍然无法执行。第一次实施是1968年,多年来我们一直在谈论将其集成到供应链中。它是什么?…零售中的销售点(POS)数据系统,以及POS数据与供应链的连接以推动可行的补货。是的,消费品公司仍然没有’不知道如何使用商店中的POS为需求驱动的价值网络提供动力。您可能会挠头问为什么?让我尝试解释一下。   

兴趣很高

  话题很热。上周,我被要求与杂货制造信息系统小组(GMA IS委员会)分享一些有关零售数据使用的见解。我最喜欢的小组之一是GMA IS委员会,它是由GMA赞助的行业份额小组。本周,我还在麻省理工学院关于集成数据信号的小组讨论中发表了讲话,本周晚些时候,我将与我的朋友消费品技术(CGT)的Kara Romanow一起为CGT下游数据共享小组提供帮助。 Net / net:行业正在不断发展。虽然我发誓要保密,不能分享MIT活动中发生的事情,但我想分享我对GMA IS委员会讨论的见解。  

为什么所有的兴趣?为什么现在? neeed更大。需求波动很大,对商品通胀的担忧在增加,渠道变得越来越复杂。一个联盟正在建立。数据更容易获得,使用它有助于提高收入(众所周知,要在这种经济中保持增长非常困难),并且使用它的公司(即使是以试点的形式)也可以在几周内获得回报。那么,为什么每个人都不使用它?为什么不重新设计供应链以获取收益?它不容易适应常规流程或技术,需要新的路线图。 

没有明确的道路

  消费产品领导者—可口可乐,德尔蒙特,通用磨坊,好时,宝洁& Gamble, PepsiCo, 联合利华– 以不同的方式使用了零售数据每个人都成功了’自己的权利;但是今天,经过5年的试验,这些努力仍在很大程度上处于试验阶段。没有一家消费类产品公司积极地重新设计了价值网络,以便在同步流程中跨多个功能使用下游数据。这需要信念的飞跃和前进的道路。经过五年的试点活动,各公司总体上都没有前进的路线图。与领导者交谈时,您将找到七个主要用例:

  1.  需求感应:  替换常规APS中基于规则的预测消耗量(用统计模型替换分配需求计划(DRP)中每周到每日数据的预测映射,以改善补货)。 
  2. 运输预测: 使用下游数据来改善物流预测。在传统的APS系统中,没有很好的方法来获取始发/目的地运输信号。
  3. 拉式补货:  开发基于拉动的自动补货或供应商管理的库存(VMI)信号。这在大力推广的短生命周期产品中特别有用,以使产品流与促销商店需求的起落同步。
  4. 渠道合规性:  感知渠道合规性以进行销售警报:库存,遵守贸易促进措施,空缺等 
  5. 新产品发布:  更快阅读该渠道中的新产品启动验收。
  6. 预测的准确性:  改进战术计划,以提高公司预测的平均绝对百分比误差(MAPE)。
  7. 销售报告和类别管理:  使用销售客户团队中的数据来改善零售互动

  

尽管有许多其他用例是合理的,但我们很少看到在需求塑造(贸易促进优化或定价),商店中的社交媒体程序或营销程序评估中使用下游数据。  

我们如何抓住机会?

  是使用下游数据的路线图–零售销售点,仓库库存数据,零售商出货数据,忠诚度数据–具有分阶段项目的增量路线图,还是需要重新设计的步骤更改?  我认为这是一步的变化,需要重新设计。尽管该行业有许多试点项目,但公司仍被困在 试验阶段 因为将数据放入常规供应链部署中没有逻辑上的位置。考虑以下事实: 

我们该怎么办? 简而言之,零售商数据不能很好地适应企业资源计划(ERP和高级计划系统(APS))的传统企业供应链体系结构。这不是一个简单的答案。在常规企业体系结构中使用下游数据在很大程度上类似于 方形钉整圆。  安装APS系统后,重点是预测制造商应该在何时以及在配送中心需要满足哪些要求时做出什么。由于预测始于目标,因此这些系统的输出很大程度上是对 “需要组装,运输和制造的零件” 使用数据模型中的船只。由于下游数据基于通道位置,因此下游数据的集成需要“运送至模型”。 (有关此主题的更多信息,请参阅文章跨越大鸿沟)。  是的,我们可以将其作为指标插入到常规预测系统中,或从 运送到 从寄出 并运行并行优化模型,但是这种映射无法达到改善信道感知的目的。网/网。第一步是将预测数据模型更改为直接使用 运送到 预测数据模型 

 功能上的差距?  迄今为止,大多数工作都在客户团队中,以改善销售报告或类别管理。销售团队了解数据,拥有自己的系统,并且常常缺乏与大型组织共享见解的信任。公司在如何使用下游数据进行全球预测和本地执行预测方面遇到困难。紧张情绪高涨。 

 值得冒险吗?  大多数公司都想使用它,但是他们想要一个确定的,一定的投资回报率(ROI)。我发现这很讽刺。公司表示他们想成为创新者,但是在下一口气下,他们要求对确定的ROI进行可靠的案例研究。尽管那些使用过技术的人都知道几周内就能获得回报,但要从一个试验人员转变为主流,则需要金钱,勇气和更大组织的信心飞跃。这是一个比任何人目前都尝试的更大的项目,需要作为纯粹的创新来资助。预测分析的发展以推动下一个发展,需要与专业技术提供商共同开发。

 To seize the oppo如图1所示,公司需要灵感,汗水和创新。灵感–一系列业务领导者的愿景–数据如何改善价值网络。汗–认识到清理数据和构建预测性分析需要艰苦的工作–使用数据。最后,有勇气为该项目提供研发资金–知道一部分工作将被淘汰的创新计划。最大的障碍是我们。我什么意思为了有效地使用数据,必须放弃供应链计划的传统定义和集成供应链的企业体系结构的传统概念。 

 路线图是什么样的?

既然以前没有做过,这全是猜测。但是基于对众多飞行员的研究,我认为路线图分为九个阶段。<你怎么看?我有想念吗?>我认为这是有道理的: 接近您的客户。 了解什么是可能的。在前台小组中建立客户数据团队,并开始了解数据并加以使用。建立激励机制,鼓励零售商共享数据(力争每天获取每日数据),并向他们提供有关数据完整性,清洁性和实用性的反馈信息。很难获得零售基准,如果与定价或联合激励措施挂钩,零售商将更加认真地采取措施。 

 培训销售团队如何进行下游数据讨论。与团队合作获取数据,并激励零售商每天共享每日数据。 

善于使用销售关系中的数据。  学习与零售商交谈’的语言,了解他们的痛点。使用跨职能的供应链团队作为叠加小组,专注于减少需求延迟,牛鞭效应和过时的库存。对其进行衡量,然后跨职能销售这些概念。调查购买DSR并在数据库上安装特定于销售团队的报告工具(例如用于目标的Lumidata或沃尔玛特定的数据库)。对于要求较小的公司—经验法则小于10 TB– consider 关系解决方案,Shiloh,Visionchain 要么 VMT Teradata 要么 甲骨文 数据库。无论选择哪种工具,都应避免汇总数据,而应专注于数据清理,需求同步和充实。商业智能工具,例如 IRI Liquid Data,Nielsen Answers或DME, 要么 树液 BW /业务对象尚未证明等于任务。同样,请谨慎购买 甲骨文需求信号存储库。它是市场上的新产品,客户推荐的结果不一致。  

建立创新团队。  创建一个由一系列业务负责人领导的跨职能小组,以支持数据的使用并激发新的想法。在整个组织中横向建立一个有约束力的联盟,以减少浪费,并通过减少需求延迟和缓解牛鞭效应来改善客户响应。设计推挽解耦点,并与预测分析厂商进行共同开发— Enterra解决方案,Mu Sigma,Opera解决方案,Revolution Analytics,SAS, 泰拉科技 建立新的感应功能。 (请读者注意:这是一群供应商。他们唯一的共同点是对预测分析的理解。今天只有Terra Technology拥有对下游数据进行深度优化的经验。)  

 设计推/拉去耦点。 由于下游数据用于基于拉动的补给试点,因此需要设计供应链,并针对PULL与PUSH制定激励措施。<这并非无关紧要,并且将挑战关于卓越供应链的传统观念。>基于需求的可变性和速度来设计流程,并认识到基于这些节奏和周期存在多个供应链。我最喜欢做这种类型的分析的工具是 Logictools(现在为IBM), 优化(现为Logility) SmartOps。随着系统的成熟,增加分析频率以确定正确的推挽去耦点。 

 建立需求执行流程。  这些需求感知流程可以在运营范围内(0-12周)使用下游数据,并将这些丰富的,非常细粒度的数据与长期战术预测流程进行同步。这些需求感知过程将有助于标记S中的差距&OP执行,改善补货信号,并向零售消费趋势的组织提供预警。同步化–没有紧密整合–供应商管理的库存(VMI)和需求驱动的补货使用下游数据和公司预测。使用多个数据流和深度统计信息来确定最佳预测变量—商店级别的POS,零售提款,货运或订单–预测需求。随着这些系统的成熟,请使用配送需求计划(DRP)仅将其推送到配送混合中心,并执行需求执行流程以将库存拉至商店。 

 在控制室环境中使用热图,通过地理代码跟踪轨道空隙,缺货和合规性问题。专注于消除根本原因并改善需求执行流程。 

 擅长战术预测。  要使用下游数据,需要对具有模式识别和可伸缩性的深度预测分析进行投资,以识别下游数据的趋势。建立渠道模型(从船运到数据模型),并专注于擅长预测基线预测和需求提升因素。我最喜欢的工具是 SAS需求驱动的预测和Oracle’s 从购买的预测工具 德曼特拉

 Synchronize 贸易形式.  与零售商合作开发贸易促销的B2B记录系统–trade forms–使用他们的系统或 贸易点 购买者 Demandtec。  将此数据紧密结合到公司的预测和需求执行过程中。 

 建立强大的需求翻译流程。  每周分析一次网络,以确定渠道预测(运到)和物流网络(运到)需求之间的正确映射。组成一个小团队,使用网络建模工具手动完成此任务,以将渠道需求转换为制造需求。使用该团队帮助将需求需求转换为工厂调度,以改善将真实需求信号转换为制造工厂和联合包装工的能力。 

 设计需求可见性信号。  由于必须将预测具体化为最终目标,因此请使用下游数据来预测通道,运输要求(起点/目的地),联合包装机要求。专注于如何预测以提供可用数据–属性和数据模型的正确上下文–给下游客户  

你的路线图是什么?

会喜欢你的想法。您建议使用零售数据的路线图是什么。期待您的反馈。  

要进一步了解下游数据主题,请考虑在博客上阅读以下文章:  

//www.cre8ivesupplies.com/demanddriven/start-a-new-conversation-free
数据回答您不知道要问的问题/  

//www.cre8ivesupplies.com/new-technologies/is-this-the-future-of-down
流数据/  

//www.cre8ivesupplies.com/supply-chain-excellence/crossing-the-great
划分/