撰稿人 晚上 10:57 以客户为中心的供应链, 需求驱动, 卓越供应链

供应链诊断:四步流程

关于执行供应链诊断和改进供应链计划的见解。

七月是我的生日月份。

在繁忙的旅行中,我抽出时间进行年度体检。原因?我知道早期发现是健康的关键。这是一种熟悉的仪式。护士快速评估血压、脉搏、血氧、身高和体重。实验室工作测试遵循生命体征分析。只有在测试完成后,我才能与医生就我的健康状况进行有意义的对话。在我有生之年,实验室检测的深度在决定健康方面发挥着越来越大的作用。

最近在与制造公司合作时,我经常思考诊断测试的必要性。虽然大多数顾问和技术人员都想出售技术,并且渴望开发一款新软件,但我的警告是在进行技术讨论之前放慢速度并更好地了解根本问题。在这里,我分享有关如何开始使用四步流程的见解。

供应链检查的时间?

当一家公司联系我以帮助他们处理他们的供应链时,痛苦通常是客户服务方面的差距。症状很明显,但根本问题尚不清楚。当我与领导团队合作以了解“为什么”时,我经历了循环讨论。他们往往有许多漂亮的 PowerPoint 幻灯片——充满了首字母缩略词、漂亮的图片和 E2E 承诺——但他们缺乏对卓越供应链的共同定义。具有讽刺意味的是,我发现组织很容易对技术实施进行大检查,但很难推动流程改进。

为了完成供应链诊断,我采取了以下四个步骤:

步骤1。分析过去的客户服务结果。 为了实现这一目标,我要求一个跨职能小组对过去一年进行审计。我们在会议室墙上画了一个时间表,并使用客户发货和合规数据,我们绘制了客户服务和产品中断的问题。作为一个小组,我们深入研究根本问题。我问, ”你有数据可以用来在未来缓解这个问题吗?” Or alternatively, “有没有数据可以提供帮助?” 

我正在与一家在提供客户服务方面存在问题的公司合作。该公司是一家食品和饮料公司。当我要求通过根本原因分析对客户服务数据进行分析时,它不可用。六个月后,基于四名努力工作的员工的工作,我们能够得到分析,开始卷起袖子。大多数公司无法通过客户获取未完成订单的数据来了解根本原因分析。

很多时候,营销或销售团队中存在有用的数据,但不会与供应链团队共享。问题在于信任或意识。我喜欢将两者结合起来探索所有形式的非结构化数据——天气、评级和评论数据、保修索赔和电子邮件聊天。通常情况下,非结构化数据是可用的,但由于传统的供应链流程只关注使用结构化数据,因此不考虑它。

最近,我与一家销售化妆品的大型消费品公司进行了一次战略会议。该公司想启动数字战略,但数字供应链团队从未与公司的数字营销团队联系过,以了解如何将这两个团队的努力交织在一起。该组织拥有一支非常强大的数字团队,拥有大量数据,而这两个团队基本上不知道如何合作。结果是无穷无尽的可能性。

第二步。了解行业绩效。 建立行业同行小组并深入了解主要趋势。使用对等组分析来建立切合实际的目标。让我们举个例子。在图 1 中,我们以轨道图格式显示了化工行业的总体趋势,显示了营业利润率和库存周转率两个指标的交集处的同比结果。 2010-2018 年期间,化工行业内,利润率波动,主要受原油价格的推动,但库存周转率大幅下降。该行业的平均利润率为 7%,库存周转率为 5.20。然而,从最近的时期来看,5.20 的库存周转率目标是否应该定义一流的表现?

图 1. 化工行业 2010-2017 年存货周转与经营利润率交叉点的轨道图

艺康能够克服下降趋势。乍一看,图 2 中的模式可能看起来并不理想,但公司在推动绩效改进的同时能够超越同行。 95% 的公司未能实现这一目标。

图 2. 艺康 2010-2018 年的轨道图显示了经营利润率和库存周转交叉点的趋势

 

根据行业概况和行业同行小组的审查设定目标。问小组有什么可能?基于这一发现的合理目标是什么? 为此,我们在年度 值得赞赏的供应链 分析中发布了行业分析和同行分析。

我发现公司经常会根据错误的信念或短期目标来设定目标。让我给你举个例子。我笑了最近 Mondelez 试图实现戴尔的现金对现金绩效的演示。虽然可行,但问题是这是否可取?亿滋延长应付账款将导致成本上升、质量问题和供应商生存能力问题。

第三步。确定可预测性和预测增值 (FVA)。 我经常被要求对需求进行基准测试。高管会问, “什么是预测误差的好目标?” 看到这个问题,我笑了。我希望答案很简单。它不是。答案很像男人的腿有多长。让我解释。供应链不一样。要了解预测中的可能性,首先要确定可预测性。按需求流的变异系数分析体积分段。客户服务问题通常出现在具有高变异系数的中低产量产品领域。将分析分为几类:

  1. 高容量,非常可预测的需求。
  2. 中等数量的产品,可预测的需求。
  3. 中等数量,需求不一致。
  4. 低容量,可预测的需求。
  5. 低容量不一致的需求。
  6. 新产品发布。
  7. 量下降。

使用此数据来了解需求可预测性。如果需求误差非常高,那么传统的需求管理技术的价值就有限。

将需求分析与客户服务联系起来,将产品映射到类别并绘制供应链的长尾。按销量和订单频率绘制产品图。图 3 中显示的是来自客户的长尾分析。

图 3. 长尾分析

 

 

然后将需求流映射叠加在客户服务分析上。确定客户服务的根本问题。传统的需求管理技术最适合大量可预测的项目。

对于尾部的产品,将需求技术与模式对齐。这需要测试诸如基于属性的预测、频道和天气数据的使用以及通过回溯微调层次结构等技术。 (回溯,用 2-3 年的历史并尝试预测当前时期。)有时,产品变化如此之大,以至于需求建模不够充分,库存策略是重点。这包括推迟、平台合理化或推/拉解耦点的设计。

然后分析 预测增加值 (FVA)。 此分析的目标是通过需求流了解当前需求计划过程的价值。在我过去五年的客户体验中,我发现 FVA 变得更糟,而不是更好。原因很多。我目前的客户的 FVA 分析结果为 -33%、-14% 和 -9%。这些都是拥有完善供应链规划团队的品牌。在我们开始之前,每个公司的领导团队都不知道有机会改进流程。为什么?根本问题是什么?我猜?无需测试和微调模型即可实施技术。对需求准确度的测量不正确(在需求层次结构中的较高级别上比较销售的单位与每月预测的单位)。因此,公司团队有一种错误的成就感。结果,讨论是循环的,有很多指责。

为什么要去这个麻烦?卓越的供应链关乎细节。公司有多个供应链。答案因节奏和周期而异。准确预测项目/位置并了解组合变化的影响是改善客户服务的关键。作为分析的结果,每个客户都有大量机会根据分析降低成本和库存。这项工作平均需要一到两周的回报。

步骤 4. 分析库存:Muda 与缓冲区。 库存在很大程度上被误解了。它既是一种浪费,也是一种重要的缓冲。每家公司都有两者的混合体。与我的医生的讨论类似于胆固醇的好坏。缓冲库存是需求和供应波动的减震器,而过多的库存则是浪费或 Muda。卓越供应链的关键在于关注库存的形式和功能,在消除Muda的同时,将库存设计为供应链中的缓冲。这需要使用网络设计和库存优化技术进行分析。分析需要 6-8 周,是一次非常有用的审核。

图 4. 库存的形式和功能

对于每个 FVA 为负的客户,都有数百万美元的库存机会。我发现库存管理和缓冲区分析在大多数公司都是一个机会。这是导致公司仓库库存膨胀的根本问题之一,如图 5 所示。

虽然 85% 的公司拥有高级规划解决方案,但我很少看到一个运行良好的解决方案。在 1995 年部署的解决方案从未进行微调的客户的一次谈话中,我问, “你是否曾经买了一辆汽车,运行了 30 多年,却从来没有换过机油或微调发动机?” His answer was, “当然不是…” 问题是这不是他的心智模型。

错误在于将高级规划解决方案作为一种技术实施,而没有在实施时测试输出,也从未随着时间的推移对输出进行微调和测试。结果,许多公司在不知不觉中运行的系统使预测数字变得更糟而不是更好,从而导致成本增加、客户服务问题和更高的库存水平。

图 5. 行业同行组别经济衰退前后库存水平的比较

在这四个方面进行测试后,公司应该与技术提供商合作。这些见解有助于推动诊断。

你怎么认为?您如何评估供应链计划的健康状况。我欢迎您的反馈。

努力保持现状?

技术变革比流程创新发展得更快。许多公司都在努力跟上步伐。如果这就是你,我欢迎你参加我们即将举行的活动。我们的目标很简单:建立一个指导联盟来推动供应链流程的价值。

想象一下供应链 2030。 供应链洞察全球峰会,2019 年 9 月 3 日至 6 日,在伊利诺伊州芝加哥的 UI 实验室。重点是想象供应链 2030。有什么不同?格式是独一无二的。该活动没有赞助、付费演讲或高级分析师讨论。专为极端网络而设计,我将此事件称为非会议。在此次活动中,技术专家和商业领袖并肩工作,共同推进“畅想供应链 2030”。为了确保商业领袖和技术领袖之间的平衡,我本周对技术专家/顾问关闭了会议,以确保商业和技术领袖的正确平衡。本周,我添加了来自戴尔、陶氏、英特尔和 Simple Tire 的扬声器。我希望能在那里看到你。

网络网络。 该共享组现已进入第六个年头。我们将于 11 月 26 日至 27 日在安特卫普管理学院和芝加哥 UI Labs 于 12 月 3 日至 5 日举办我们的首次公开活动。在本次会议上,我们将重点关注贸易伙伴指数(B2B 连接的评分系统)、质量区块链的定义以及供应链运营网络之间的互操作性。 (供应链运营网络是一类旨在改善品牌所有者与其贸易伙伴之间数据流的技术。它包括 Ariba、E2open、Exostar、Elemica 和 SupplyOn 等技术。) 活动重点?该议程分享了成员在区块链、供应商入职和数据共享方面的案例研究工作。

To register for these events, please contact [email protected]

关闭