撰写者 下午4:44 更换管理层, 供应链洞察社区, 供应链领导, 供应链人才

新的十年:给科学一个机会

当我于2012年开始经营业务时,我经常用2020年供应链的名字写关于未来的文章。我们刚刚从经济衰退中恢复过来,我的目标是帮助供应链领导者在本世纪末建立一个更好的供应链。当时,2020年供应链似乎还很遥远。

我的重点很简单。通过结合领导力和技术,我相信我们有机会建立更好的供应链。我错了。简而言之,我们吹了它。原因?差距的产生是公司政治的ste绕,顾问被误导以及技术被过度宣传的结果。在这里,我分享一些艰难的事实,一些在旅途中的故事,并分享为科学提供机会的恳求。

我所说的科学是什么意思?我的目标是说服您在数据分析中扎根供应链流程和技术实施,同时将结果与公司绩效的提高联系起来。

让我先说一下我的观点。然后,我想通过在2020年分享一些客户经验来说明这一点。(我必须更改名称以保护并非如此清白的人。)

认真看企业绩效

奇怪的是,在过去十年中,尽管公司有机会更好地使用技术,但供应链绩效却下降了。与同行相比,只有百分之四的公司改善了资产负债表的增长,营业利润率和库存周转率表现。与衰退前相比,我们在十年结束时增加了20天的库存。

图1.库存比较天数

让我通过使用过去十年中的客户示例共享一些财务数据来说明我的观点。从服装开始,让’比较两个表现最好的人–耐克和VF公司。在图2的轨道图中,您首先会注意到VF的耐力不如耐克,而且从2015年到2019年,耐克的表现都超过了VF。两家公司的表现均优于同行。但是,请注意,两家公司都在营业利润率和库存周转率的交集处向后退。他们的供应链结果在2019年比2015年要差,这是在大流行之前。

图2. VF公司和耐克在2015-2019年期间的营业利润和库存周转交点的轨道图

现在,让’拿消费产品。汉高最近在欧洲供应链运动中被评选为供应链领导者。我喜欢Dirk Holbach以及他正在做的工作,但在图3中请注意,尽管他在保证金上取得了进步,但由于库存周转而失去了基础。汉高表现不佳。

图3. 2010-2019年期间汉高与消费类非耐用行业的轨道图

我们能学到什么?我们需要将供应链管理的前一章抛在脑后。大流行前各行业的表现都比经济衰退前的表现差。

我在本文中的目标是,我们需要通过给科学一个机会来开始这个十年。让我通过客户故事来证明我的观点。

Stories From the Road: 让’给科学机会

我的大多数客户在实施技术时都不会问自己一些简单的问题, “好看是什么样的?如果我成功了,我的业务会有什么改善?”

我厌倦了行业对话和过度使用高级词汇。我的经验是,尽管企业领导者使用数字供应链,端到端计划和工业4.0等术语,但他们无法回答这些简单的问题。大多数有良好前景的项目都分解为企业政治海洋。我将在此博客中分享的客户案例就是这种情况。我已更改名称以提供匿名性。

Story 1. 让’以客户为中心

第一个故事是关于一家大型区域食品制造商的。他们现在正在第三次实施供应链计划。 1990年代的第一家公司是Manugistics,2000年代初期的第二家公司是SAP APO,现在他们的解决方案是SAS。公司正在苦苦挣扎。需求误差高,并且其建模能力低。他们聘请了众多数据科学家来帮助他们构建定制解决方案,但无济于事。

客户端在第一个实施中进行了重播,但在后两个中未进行。尚未对2019年实施的SAS预测系统的模型准确性进行测试。 (回播是公司使用历史记录对模型进行微调的一种技术。此客户的一个示例是使用2017年和2018年的历史记录来预测2019年。然后将模型的输出与2019年的实际值进行比较。该过程使公司可以微调模型。)所以,我问了一些问题, “您的数据可预测吗?您要建模的变量的变异系数是多少?”

当我在Zoom会话中问这些问题时,讨论陷入了沉寂。这是人们扭动时尴尬的沉默之一,而时针的声音填补了真空。所以,让团队放心,我说, “Let’测试您的需求计划模型,看看您是否可以成功采用当前的方法。”

团队花了三个月的时间给我提供了变异系数数据,但是当他们这样做时,90%的数据的COV都大于1.5。 (处于这种可变性水平的数据很难预测。)原因是什么?团队正在尝试通过以客户为中心在DC级别对商品建模来以客户为中心。问题在于此级别的数据粒度不可预测。

结果,此客户无法使用具有这种可变性级别的任何需求工具来成功。为了更加以客户为中心,他们对需求建模的能力下降。当他们改变建模技术时,他们就更加成功了。答案?测量需求数据的COV,以了解数据是否可预测,并使用此见识来构建需求层次结构。

故事2.我想建立一个端到端的供应链

第二个故事是关于一家区域饮料制造商的。从历史上看,该公司在三个侯爵品牌方面取得了巨大的成功,但在过去一年中,其市场份额一直在下滑。同时,第四个产品取得了巨大的成功。公司’需求计划小组在财务部门,该小组对供应链和财务预测之间的差异了解甚少。使用Anaplan进行的简单预测过程的输出偏向了三个侯爵品牌,并且对新产品存在严重的偏见。新产品的偏见逐月恶化。

首席财务官是一个有很大自我的狡猾人。让’叫他乔治。他有点控制狂,想晋升为首席运营官。乔治’的目标是“端到端供应链策略,”但是当被要求对单音节行业语进行定义时,该动词在无意义的单音节行业语中徘徊。简而言之,他对端到端供应链的愿景是事务性的:更好地处理订单到现金和采购到付款。他在控制但对计划项目的了解不足。

公司受到资产限制,他不认识到需要管理偏见。结果,公司无法建立可行的供应计划。他们总是要求生产团队生产更多的产品。

更糟的是,公司拉长了尾巴,为新品牌增加了产品风味,这增加了需求误差。随着误差增加,需要额外的容量。该公司’计划处于一个恶性循环,营销计划越来越多,错误越来越严重,制造模型的缺乏也使人们难以看清可行的方案。 (随着需求误差的增加,它需要更多的容量。)

答案?认识到财务预测和供应链预测的唯一共同点是 “forecast.” 首先定义预测和偏见一词。逐月管理偏差的影响,并努力确保它具有可行的供应计划。善于建模,并根据偏见和错误来建立资产和库存策略,从而教育全世界的乔治。

故事3.帮助我改善客户服务

第三个故事是具有区域供应链结构的非常有利可图的全球品牌。供应链团队从属于制造,工厂经理认为他们了解供应链管理基础知识。每个地区都预测了详细的销售和运营计划流程,但是由于该预测定义了奖金激励的基准,因此预测不足的团队将确保获得年底的奖金。奖金结构相当慷慨。

问题在于,生产线的利用率高达125%,并且一直在努力生产吨位,更不用说根据订单将正确的产品从生产线运送到客户了。到2019年年底,针对美国零售商的不良客户服务扣减费用为1000万,全球团队要求我帮助该团队改善客户服务。

我卷起袖子去理解这个问题。团队的预测增值(FVA)为负33%。全年,我都在努力帮助团队了解如何衡量需求计划的基准’成功。面对年底的激励措施,使预测变得更好。该项目正在进行中,但未成功。变更管理问题太多了。政治统治时期,缺乏供应链领导来推动数据驱动型讨论。

从区域供应链到全球供应链的转移增加了公司政治,很少有人拥有明确的治理。结果,对度量,数据分析和对供应链战略的清晰理解的需求增加了。

The So What? 让’给科学机会

具有讽刺意味的是,大流行的压力为供应链领导者开辟了新篇章。这是我们可以做得更好的时候。满足COVID-19的市场需求导致组织团结起来,一起工作,并通过蛮力建立更好的供应链。高管团队更多地参与了供应链弹性的讨论。我希望我们可以回避我的故事中展示的政治讨论,并以科学的方法解决问题,以了解数据的属性,通过建模的供应链潜力以及指标的一致性。

图4.供应链技能的相对重要性

旅途中一切顺利。现在是时候使用新形式的分析方法更好地构建数据基础上的供应链,以释放“可能的艺术”的希望。使用数据和新的指标系统可以使组织摆脱企业政治的束缚。使组织专注于平衡的计分卡,同时根据数据分析使功能指标与可靠性保持一致。 (一个例子不是奖励制造中的OEE,而是专注于进度的遵守和首过合格率,同时使奖励激励与客户服务和总成本保持一致。)回避政治:给科学机会。)

你的想法?我期待着您和您的团队的回音。