- Кога клиентите трябва да презаредят запасите? Какви спецификации са им необходими? колко? Ако на тези въпроси се отговори чрез предположения, това води или до натрупване на запаси, или до изчерпване. Група от китайски LVL фабрики използват анализ на данни, като прогноза за времето, за да предвидят търсенето на клиентите, трансформирайки пасивното чакане на поръчки в проактивна услуга.
1. Цената на „Натрупване въз основа на предположение“
„Защо тази партида стоки се трупа отново?“ „Защо тази спецификация отново е изчерпана?“ Това са ежедневни притеснения за много мениджъри на складови складове на LVL.
Снабдяването с интуиция е свързано със значителна цена:
- Риск от запасяване: Спецификациите за складиране, които клиентите не използват често, обвързват капитала и стоките могат да се деформират или плесенясват поради продължително съхранение.
- Загуби при изчерпване: Ако спецификациите, от които се нуждае клиентът, не са налични, поръчката се губи и клиентът може да премине към други доставчици.
- Разходи за спешно попълване: Спешното производство след изчерпване на запасите изисква заплащане за извънреден труд и такси за експресна доставка, като всички те са допълнителни разходи.
„Преди разчитахме изцяло на интуицията на продавача, когато ставаше дума за складиране на запаси“, признава управител на фабрика. „Ако казаха, че конкретна спецификация ще се продава добре, щяхме да се запасим. В резултат на това по време на-извън сезона имахме огромно изоставане.“
2. От „Интуиция“ към „Анализ на данни“
Някои фабрики започват да използват анализ на данни, за да ръководят подготовката на инвентара си:
Анализ на исторически поръчки: Анализиране на месечните цифри на продажбите за всяка спецификация през последните две години за идентифициране на модели. Кои спецификации са „вечнозелени“ (стабилни през цялата година) и кои са „сезонни“ (високи продажби през пиковия сезон)?
- Анализ на покупателните навици на клиентите: Анализиране на цикъла на покупки и обема на всеки клиент. Клиент А прави поръчки около 15-то число на всеки месец, около 2 контейнера всеки път; Клиент B прави поръчки веднъж на тримесечие, по 5-6 контейнера всеки път.
- Проследяване на пазарни тенденции: Мониторинг на започване на строителство и промени в политиката на целевия пазар, за да се предвидят промени в търсенето.
„Създадохме проста електронна таблица в Excel“, каза мениджър продажби. „Импортирахме данните за поръчките от изминалата година и ги обобщавахме ежемесечно. Веднага става ясно, че 50×100 mm е постоянен фаворит, докато продажбите на 100×100 mm се увеличават преди дъждовния сезон.“
3. Проактивните напомняния заменят пасивното вземане на поръчки
Въз основа на анализ на данни, някои фабрики са започнали проактивно да напомнят на клиентите да попълнят запасите:
- Предупреждения за наличност: Когато цикълът на покупка на клиента наближава, се изпраща проактивно съобщение: „Въз основа на вашите навици за покупка може да се наложи да попълните наличността следващата седмица. В момента имаме достатъчно наличност; можете да я заключите предварително, ако е необходимо.“
- Сезонни напомняния: „Дъждовният сезон наближава и търсенето на опори за шаблони ще се увеличи. Искате ли да се запасите с около 100×100 mm предварително?“
- Ценови напомняния: „Цените на суровините може да се повишат следващия месец. Искате ли да направите поръчка предварително, за да заключите текущата цена?“
„Преди това чакахме клиентите да направят поръчки“, каза мениджър външна търговия. „Сега напомняме на клиентите да правят поръчки. Клиентите смятат, че сме професионалисти и това им спестява труда да изчисляват сами.“
4. От „Продажба на инвентар“ към „Управление на инвентар“
За някои дългосрочни-големи клиенти някои фабрики започват да експериментират с инвентар, управляван от доставчик (VMI):
- Споделяне на данни: Клиентите предоставят свои собствени данни за инвентара и прогнози за продажби всяка седмица.
- Фабрични запаси: Фабриките проактивно се запасяват въз основа на клиентски данни, като гарантират, че клиентите няма да изчерпят запасите.
- Автоматично попълване: Системата задава минимални сигнали за наличност; ако нивата на запасите паднат под нивото на предупреждение, автоматично се генерира план за попълване.
„Ние внедрихме VMI с австралийски клиент“, каза мениджър на фабрика. „Данните за инвентара на клиента се синхронизират с нас всяка седмица и ние организираме производство и складиране въз основа на данните. Процентът на оборот на инвентара на клиента се е увеличил с 30%, а нашите поръчки са по-стабилни.“
5. Подобрена "точност" на прогнозирането на данните
Прогнозирането на данни не е нещо, което може да се постигне за една нощ; изисква непрекъсната оптимизация:
- Записване на отклонение от прогнозата: След всяка прогноза се записва разликата между действителните продажби и прогнозата и се анализират причините за отклонението.
- Коригиране на параметрите на модела: Въз основа на анализа на отклонението моделът за прогнозиране се коригира. Например, ако се установи, че продажбите на определена спецификация са силно свързани с началната скорост на местното строителство, началната скорост се включва в модела за прогнозиране.
- Допълване на човешкия опит: Моделите на данни не могат да покрият всички ситуации (като внезапни големи поръчки или промени в политиката), което изисква допълнителна преценка от опитен персонал.
„Точността на нашата прогноза се подобри от първоначалните 60% до настоящите 80%“, каза мениджър продажби. „Въпреки че все още не е на 100%, той значително намали натрупването на запаси и изчерпването им.“
Прогнозирането на данни не е „гадаене“, а по-скоро дедукция въз основа на исторически модели. Когато фабриките на LVL в Китай използват анализ на данни, за да ръководят подготовката на инвентара и обслужването на клиентите, те доставят не само продукти, но и „сигурност“ и „надеждност“. Този подход за управление на веригата за доставки, управляван от данни, е точно необходимият път за китайското производство да премине от „ектензивно“ към „интензивно“ производство.
