زمان مطالعه: 5 دقیقه

زنجیرهٔ تأمین پس از کرونا: تحولات بعدی با کمک تحلیل داده به‌پیش می‌رود

زنجیرهٔ تأمین پس از کرونا: تحولات بعدی با کمک تحلیل داده به‌پیش می‌رود

اثرات مخرب ویروس کرونا (COVID-19)، کم‌و‌بیش بر تمامی جنبه‌های کسب‌وکار تحمیل شده است، زنجیره‌های تأمین نیز از این قاعده مستثنی نیستند. گزارش اخیر مجلهٔ اینترنتی دیلویت (Deloitte) می‌گوید این همه‌گیری (Pandemy)، همان اتفاقی است که باید رخ می‌داد تا در نهایت بسیاری از شرکت ها و صنایع  به خاطر آن مجبور شوند در مدل زنجیرهٔ بین المللی تأمین خود بازنگری و تحول ایجاد کنند.

اما، زنجیرهٔ تأمین در سال‌های آینده چگونه به این تحولات واکنش نشان می دهد و تکامل خواهد یافت؟ در حال حاضر شرکت‌ها مدام شیوهٔ عملکرد سیستم‌های خود را با دقت بررسی می‌کنند  تا بتوانند از طریق استقرار شیوه‌های مناسب در شرایط پس از کرونا به موفقیت دست یابند. آنها روابط، رویه‌ها و رویکردهای مختلفی را در کسب‌وکار خود آزمایش می‌کنند. ممکن است شرکت‌های متفاوت، برنامه‌های متفاوتی را پیگیری کنند، اما همگی آنها تنها به مجموعهٔ مشترکی از منابع متکی خواهند بود: هرکدام، به‌نوبهٔ خود، به نحوی به استفادهٔ استراتژیک از داده (strategic use of data) متکی خواهند بود. در ادامه پیش‌بینی‌های خودم را در مورد زنجیره‌های تأمین در سال ۲۰۲۱،  یک‌به‌یک برمی‌شمارم.

پیش‌بینی اول: داده به زنجیره تأمین کمک می‌کند تا در شوک‌های آینده خود را ترمیم کند

به دنبال شیوع کووید ۱۹ در ماه‌های اسفند و فروردین سال 98، زنجیره‌های تأمین در سراسر دنیا، دستخوش تلاطمی مهیب شدند. در طیف گسترده‌ای از محصولات، از تجهیزات ایمنی شخصی گرفته تا ضدعفونی‌کنندهٔ دست، حتی برای آرد نانوایی و دوچرخه نیز، تقاضا به اوج خود رسید. از سوی دیگر، سقوط میزان موجودی منابع به دلیل تعطیلی کارخانه‌ها، مصرف‌کنندگان را وحشت‌زده کرد و همچنین، سبب زمین‌گیر شدن زنجیرهٔ تأمین در بسیاری از صنایع شد. حادثه آن‌قدر ناگهانی و گسترده بود که ماه‌ها طول کشید تا سیستم توانست خود را با آن همراه کند.

اما به‌زودی، حتی شاید تا قبل از پایان سال ۲۰۲۱، زنجیره‌های تأمین با شوک‌های بزرگ دیگری رودررو خواهند شد. شوک‌های جدید، در صورت وقوع، تأثیر زیادی بر زنجیره‌های تأمین خواهند گذاشت، اما توزیع‌کنندگان (distributors) و خرده‌فروشان (retailers)، با استفاده از استراتژی داده، توان بیشتری برای تحمل شوک‌های جدید خواهند داشت. استفادهٔ هدفمند از داده کمک می‌کند تا آنها بتوانند شوک‌ها را با دقت بیشتری پیش‌بینی کنند و عوارض آن‌ها را با سرعت بیشتری ترمیم کنند. همچنین، انتظار می‌رود تولیدکنندگان فرایندهای برنامه‌ریزی فروش و عملیات (sales and operations (S&OP) planning) خود را به‌منظور شفافیت در موجودی، زمان‌بندی  تولید کارخانه (factory production schedules) و زمان تحویل (delivery times)،  فشرده‌تر کنند؛ و از سوی دیگر کیفیت تصمیم‌گیری را در مورد اقلامی که  باید به‌صورت متمرکز تولید شود، بهبود بخشند.

استفاده از تحلیل داده با نگاه به داده‌های بلادرنگ (real-time data) مربوط به فرایندهای فعلی زنجیرهٔ تأمین، شبکهٔ توزیع و شیوه‌های حمل‌ونقل به کشف تهدیدها و فرصت‌ها کمک خواهد کرد. در نتیجه، می‌توان زنجیرهٔ تأمین را به شکل فعال، بیش از اینکه مشکلی در آن به وجود بیاید، دائماً بهبود بخشید. با نگاه به وضعیت کنونی و پیش‌بینی‌های انجام شده در مورد زمان تحویل محصول (delivery lead-times)، هزینهٔ لجستیک (logistics expenses) و فهرست موجودی، نقاط دادهٔ (data points) خوبی  برای بهبود کارایی و اثربخش شدن تصمیمات داده‌محور به دست خواهد آمد. هرچه شفافیت و همکاری میان سطوح مختلف زنجیرهٔ تأمین بیشتر باشد، سازمان‌ها بهتر از پس برآورده کردن تقاضا‌ها برخواهند آمد.

پیش‌بینی دوم: رفته‌رفته زنجیره‌های تأمین و مصرف ادغام خواهند شد

اگر کسی مجبور باشد زنجیرهٔ تأمین کامل و به‌دردبخوری طراحی کند، این کار را باید بدون ایجاد اصطکاک با دیگر افرادی انجام دهد که در این زنجیره همکاری دارند. این زنجیره باید آن‌قدر هوشمند  و پویا باشد که بتواند محصولات را همان لحظه که مصرف‌کننده به چیزی نیاز دارد، به وی تحویل دهد. زنجیرهٔ مصرف و تأمین باید به‌منظور ایجاد یک حلقهٔ بازخورد دائم (continuous feedback loop) ادغام شوند.

در سال ۲۰۲۰، تجارت دیجیتال ۳۲ درصد رشد داشته است؛ بنابراین، بعید به نظر می‌رسد که در سال  ۲۰۲۱، زنجیره‌های تأمین بتوانند در جوامع مختلف، به همین رشد دست یابند، اما احتمالاً گام‌های بلند زیادی در این مسیر برداشته خواهد شد. در آینده خواهیم دید که مصرف‌کنندگان بیشتر به سفارش آنلاین (digital ordering) روی خواهند آورد و سرمایه‌گذاری خرده‌فروشان در زمینهٔ تحلیل داده، هوش مصنوعی (AI) و اینترنت اشیاء (IOT) دوچندان خواهد شد.

مصرف‌کنندگانی که ممکن بود به‌صورت پراکنده تنها برای خرید هدیه به آمازون مراجعه کنند، در طول همه‌گیری به خرید آنلاین روی آوردند، به این دلیل ساده که آنها مجبور بودند. با ازمیان‌رفتن شمار زیادی از تراکنش‌های فیزیکی (physical transactions) و به طبع آن، کم شدن فاصله میان عرضه و تقاضا بود که سفارش  خواربار، غذا، لباس و انواع خدمات از طریق اینترنت رشد کرد. مرزهای سنتی ترسیم شده در صنعت ها، هنگامی فرو‌ریخت که بازیگران اجرایی جدیدی ظهور کردند که  هدفشان  فقط اجرای آخرین مرحله زنجیره یعنی تحویل به مشتری نهایی  بود، به عنوان مثال، امروزه این امکان وجود دارد که محصول خریداری شده از داروخانه‌‌های زنجیره‌ای والگرینز (Walgreens) را  پیک محصولات غذایی دوردش (DoorDash) به شما تحویل دهد.

در چند سال آینده، باید منتظر اتفاقات بیشتری ازاین‌دست بود. همه‌گیری، شیوه‌های خرید مردم را دگرگون کرد و آنها را تشویق کرد به دنبال راه‌های دیگری باشند. چقدر باید تحولات جامعه گسترده باشد که مصرف‌کنندگان، سیستم‌های سفارش و ارسال خودکار کالاهای اساسی را، مانند سفارش نان، آب و شیر، بپذیرند؟ یا بپذیرند از یخچال هوشمندی استفاده کنند که مجهز به اینترنت اشیاء (IOT) است و تمام شدن گوشت را به صاحبش یادآوری می‌کند و به شکل خودکار برای او گوشت سفارش می‌دهد؟

توزیع‌کنندگان و خرده‌فروشان در حال حاضر از اینترنت اشیاء برای جمع‌آوری دادهٔ مصرف (usage data) و از هوش مصنوعی در کارهای مختلف، مانند پیش‌بینی تقاضا استفاده می‌کنند. با پیشرفت فناوری، تأمین‌کنندگان، دیگر نه‌تنها، قفسهٔ فروشگاه‌ها را بر اساس نیاز‌های اساسی مشتریان پرمی‌کنند، بلکه ارتباط مستقیم  با مصرف‌کنندهٔ نهایی را گسترش می‌دهند. مصرف‌کنندگان بی‌واسطه با برندها ارتباط برقرار خواهند کرد و از برندها خواهند خواست که هم اقلام مورد نیاز را همیشه موجود داشته باشند و هم چیزی برای خرید پیشنهاد دهند که سبک زندگی مصرف‌کننده را بهبود بخشد.

جمع‌بندی

در آیندهٔ نه‌چندان دور، هم شاهد خواهیم بود که حلقه‌های مختلف تأمین بیشتر در هم گره خواهند خورد و جهش بی‌سابقه‌ای در پیوستگی بین خدمت، مصرف و تأمین خواهیم دید. داده‌های درلحظه، حکم تسهیل‌کننده را برای رسیدن به زنجیرهٔ تأمین مدرن، هم در سطح لبه (edge) و هم در سطح ابر (cloud)، خواهند داشت. کمربندهای زنجیره‌های تأمین را محکم کنید، سفر تازه آغاز شده است.

 

 منبع Dataversity

دیدگاه شما