噪音中的信号

随着疫情最终被大多数发达经济体抛在身后，公司已在其供应链中建立了足够的韧性，能够快速适应和管理突发的供需中断。那么现在呢？组织也需要具有前瞻性的战略规划，而在当前的市场环境下，这并非易事。全渠道带来了配送效率的提升，增加了多项固定时间送达和代发货地点配送选项，通常免费。疫情增添了新的复杂性：需求曾一直是主要的未知预测变量，而新冠疫情封锁打乱了供需关系，在需求激增导致供应短缺和中断时，造成了“牛鞭效应”，当库存最终到位时，订单会受到限制。新的需求感知技术和解决方案正在捕捉内部供应链和外部市场数据的全范围，尽管市场波动持续，但仍能实现更精确的预测。在正确的时间、以正确的质量拥有足够多的正确数据时，所有的混乱开始变得有意义。过去三年的混乱早于新冠疫情，是全渠道、直面消费者（D2C）履行增长以及最后一英里配送成本和复杂性增加所导致的。多年相对可预测的季节性需求以及向配送中心和零售店大量订购的库存“推动”模式，已经转变为更去中心化的“拉动”模式。一方面是拥有精益生产模式、最小安全库存以及时效性要求的工业买家，另一方面是趋势敏感型消费者，他们在互联网上做出高度自主的D2C购买，都要求前所未有的速度、时间表可靠性和灵活的运输选项。 噪音中的信号 1企业如何应对这一切进行预测并在短期内适应，更不用说对技术或产品开发、设施、人员配备或设备进行资本投资做出明智的决策？即使是最高质量的内部数据本身也不再足以推断未来。从供应商、经销商和其他来源获取和解读所需的外部数据直到最近才被证明是难以捉摸的。供需错配已超越新冠疫情及极端事件，例如乌克兰战争引发的物资短缺，或美联储于2022年中期开始加息以对抗通胀而造成的零售库存急剧积压。即使最高质量的内部数据本身，也不再足以推断未来。 预测和规划未来需求，识别潜在的商业机会，并提出运营和流程改进建议。需求预测根据季节性、竞争、地理和产品生产周期等内部跟踪或控制的因素而变化，而供应预测则主要依赖于供应链合作伙伴和外部分销商的报告。预测时间范围和用户原型预测通常采用数学模型，并借助人类洞察力和决策，通过从当前和历史数据中的模式进行外推来预测未来事件——在供应链的情况下，包括内部运营数据、供应商和供应商报告、客户销售结果以及外部第三方市场和其它情境数据。各公司如何利用需求和市场需求感知会因每个组织的 产品组合或运营特征而有所不同，进而帮助推动其预测的时间范围。供应链规划的时间跨度包括短期（0至2个月）、中期（2个月至2年）和长期（3年以上）。短期预测通常以执行为重点，将采购、劳动力、库存和产品水平与需求相匹配。它倾向于使用更广泛且不太定量的方法，但由于时间跨度较短，通常更为准确。中长期预测处理更全面的问题，并支持管理层在规划、产品、工厂和流程方面的决策。 企业高度依赖长期预测它们倾向于在变化较少、更可预测的市场中运作。它们通常进行针对特定用途的高价值产品的专业化生产。产能与有限且特定的需求相关，这种需求非自由裁量，伴随着长的制造提前期，或者，如在农业中，受季节性影响。由于产品的专业性和价值，修改产品或服务将需要大量资本投资。产品生命周期及其四个阶段——介绍期、成长期、成熟期和衰退期——也起作用。产品和服务在生命周期内的销售率往往会波动；预测有助于预测每个阶段的员工配置、库存水平以及工厂产能。处于介绍期和成长期的产品或服务通常比后期的产品或服务需要更长的预测期。这里预测的重点是即时和近期的，优先考虑影响消费者偏好和购买趋势的特定行业零售和消费者趋势。行业示例包括食品和饮料、健康和个人护理、消费电子产品和消费品。预测通常关注中短期至长期的宏观经济、天气或输入价格和可用性趋势。涉及的领域包括航空航天、国防、造船、汽车、农业、金属和采矿。具有短期预测需求的企业，相比之下，则倾向于提供通用化产品，这些产品以多种形式广泛地提供给公众，来自众多竞争对手。购买是可自由选择的，并且高度敏感于趋势，由娱乐和社交媒体中的大规模广告所驱动。 噪声中的信号2 噪声中的信号 3— 社交媒体— Trendson数字媒体— 本地活动— 新闻报道— 产品评论— 营销活动：数字与印刷品等店内反馈— 网站访客流量— 网站内容内部：网站，等..最终，需求感知的真实价值源于端到端供应链中实时、动态的信息共享与协作，而非自上而下的模式，即上游和下游合作伙伴向一个中央供应链客户汇报并接受指令。更协作的方法解锁了组织内部以及供应链伙伴之间传统的职能孤岛式数据，并不可避免地转变了各方在追求和实现共享、互利共赢目标过程中长期存在的对抗性关系。感知利用人工智能（AI）和机器学习（ML），在人类干预的指导下，填补剩余的可见性空白，结合现实世界背景和建模，精准定位客户行为，并在近乎实时的情况下测试多种结果和解决方案的可能性。通过这种方式，感知可以建立精确的、短期的客户需求预测，甚至达到每日甚至每小时的基础。非结构化数据源 感知，不只是预测来源：凯森尼分析— 天气— 宏观经济状况— 就业与住房— 体育和文化活动— 发薪日— 竞争对手促销活动— 假期和季节— 公共卫生信息—采购订单（PO）— 库存水平— 促销：价格和数量— 新产品介绍— 商品组合和种类— 制造资源瓶颈—CRM内部：ERP、POS 等..图一些数据集可以影响需求感知需求感知与传统预测在几个关键方面有所不同（见图）。首先，它认识到需要一套更丰富的采购、生产运营、发货、订单、库存和销售数据，这些数据涵盖了当今供应链的复杂性以及可能引发潜在中断的各种变量。这些数据近实时地被捕获、结构化、集成和共享，从而首次提供了供应链的当前、透明、动态视图。外部数据越来越关键，不仅仅是因为如今80%或更多的供应链数据是由供应商、销售商、终端用户和第三方生成的。它对于验证也很重要，因为最近的历史内部数据由于新冠疫情的影响而经常被用于预测目的而损坏；历史不再是对未来的有用指标。ce s sourned da ta De 外部数据（来源第三方数据）公司数据 — 200多家外部需求和上下文第三方数据提供商网络短期（运营）、中期（战术）和长期（战略）预测侧重— 动态仪表盘、图表以及其他可视化工具，为规划和决策提供增强的用户体验需求感知仍处于早期阶段，但已引起主要数据中心和软件供应商（如SAP和Google等企业软件和基于云的解决方案）及其客户的相当大的兴趣。输入Kearney/AWS需求和市场感知— 安全与数据架构（IAM、Cognito、秘密管理器），基于AWS数据模型（Sagemaker）和AWS数据湖构建需求和市场感知计划，在制造业和服务业的主要美国公司支持下，具有明确的中短期预测特点，将带来Kearney的供应链、采购和公司治理专业知识与AWS的强大技术和零售能力相结合，包括（参见侧边栏：第5页的Kearney/AWS案例研究）：凯尼迪与亚马逊网络服务（AWS）合作，推出了其供应链需求和市场感知平台，以应对组织现在面临的数据、预测和协作的端到端挑战。— 基于人工智能/机器学习的分析，用于实时捕获和解读需求信号 对确定性的追求也许事情即将改变——变得更好。需求预测从未是一门精确的科学。公司传统上应用标准预测或品类趋势分析，或者试图将出货量作为消费的替代。将消费预测结果链接到规划过程中存在问题；该分析通常是单次努力，市场事件与完成预测之间存在数周或数月的时间滞后。过去三年中，“黑天鹅”式的供应链事件不断发生，震动全球经济和商业。随着企业将规划重点从长期战略转向韧性，他们仍然需要一定程度上的商业确定性来做出长期决策和规划投资。他们感受到更好的数据、销售和运营的洞察力以及协作的真正潜力，以提供这种确定性。 噪声中的信号 4 案例研究 #1结果：基线了七个关键指标，包括预测准确率、未部署率和缺货率；创建了可用的结构化客户数据，以从1500多个变量中识别关键销售驱动因素；开发和已投入运营了带定制用户界面的需求感知工具，以预测OEM 2智能手机在美国所有地点的需求，外加一个扩展六个感知用例贯穿供应链的路线图。简要：构建一个针对 OEM 2 智能手机需求进行精准感知的工具，专注于三个最大渠道：直营店、授权零售商、电子商务。挑战：一家拥有零售和线上业务的1000亿美元美国电信公司需要提高跨区域的需求预测准确性，因为它为商店和配送中心采购和分配设备和配件。方法：整合来自多个来源的历史销售、促销、人口统计、经济指标、网络数据等内部和外部数据；测试1,500多项指标的有效性以预测需求；为渠道-产品层面的需求预测单元开发和回测机器学习模型，以生成四周的需求预测。预计财务收益：百分之二十三的提高预报准确率；库存量减少5%；履行重定向成本年减少30%。 案例研究 #2对于运作模式，需要进行关键领导层研讨会以统一愿景、范围和优先级；一个详细描述组织设计、角色和职责的未来状态模型；以及一个变革管理路线图——这些都是确保有效治理和持续使用该工具以推动长期变革和采用的基本步骤。结果：一个战略洞察数据市场，作为跨六个业务线的可信外部数据单一来源；一个企业产品管道，配备仪表板和工具来管理产品数据；一个SI洞察咨询团队，用于建立内部预测能力；以及在一个至四个月的时间间隔内，90%的市场感知预测准确率，覆盖产品类别和地域。简要：开发一款市场感知产品，用于预测美国市场电动工具的需求，并建立一个能够拥有、驱动、整合和管理持续使用的运营模式。挑战：一个 150 亿美元的全球工具和硬件制造商需要更好的供应商合作和数据收集/清理，以便增加市场和供应商动态的可视性，并提高预测准确性。方法：针对市场感知产品，识别/优先级排序30个以上的内部和外部数据源，以推断市场需求基线；检验历史数据与优先级指标的相关性和因果关系；为目标市场开发预测计量经济模型，并制定预测准确性验证方法。 噪声中的信号 5 作者马尼什·戈比尔亚马逊网络服务（AWS）全球业务单元领导者，供应链Suketu Gandhi伙伴，芝加哥 suketu.gandhi@kearney.com作者感谢拉特纳克·穆迪塔纳帕利和克丽斯蒂·莱诺对本文的宝贵贡献。尼基哈尔·米什拉校长，波士顿 nikhil.mishra@kearney.com 巴拉特·托塔伙伴，芝加哥bharath.thota@kearney.com罗汉·奇比伯产品经理，多伦多 rohan.chhibber@kearney.com 关于亚马逊网络服务aws.amazon.com超过15年来，亚马逊网络服务一直是世界上最大、应用最广泛的云服务提供商。AWS持续扩展其服务以支持几乎所有云工作负载，如今它已在25个地理区域的81个可用区提供了超过200项功能完善的服务，涵盖计算、存储、数据库、网络、分析、机器学习与人工智能（AI）、物联网（IoT）、移动、安全、混合、虚拟与增强现实（VR和AR）、媒体以及应用开发、部署和管理，并宣布将在澳大利亚、加拿大、印度、印度尼西亚、以色列、新西兰、西班牙、瑞士和阿联酋增设27个可用区和9个AWS区域。数百万客户——包括增长最快的初创公司、最大的企业和领先政府机构——都信任AWS来支持其基础设施、提高敏捷性并降低成本。如需更多信息，请通过电子邮件 insight@kearney.com 联系我们以获取转载或翻译本作品的授权，以及处理所有其他通信事宜。A.T. Kearney Korea LLC 是一家独立的法律实体，在韩国以 Kearney 品牌运营。A.T. Kearney 在印度以 A.T. Kearney Limited (分支机构) 的形式运营，A.T. Kearney Limited 是一家根据英格兰和威尔士法律组建的公司的分支机构。© 2023，A.T. Kearney, Inc. 保留所有权利。 关于凯文尼kearney.com/供应链研究所关于凯尼迪供应链研究所kearney.com凯文是领先的全球管理咨询公司。近一百年以来，我们一直是C级高管、政府机构和非营利组织的值得信赖的顾问。我们的员工塑造了我们所是。我们致力于成为将宏伟构想变为现实的关键力量，帮助客户实现突破。凯文尼供应链研