Relex Solutions / Best Practices for Managing Grocery Retail Supply Chains
Taze gıda perakendesi; sürdürülebilirliği (makul fiyat, az atık), tazeliği ve bulunurluğu birlikte sağlamalıdır. Dayanıklı ürünlerde öncelik verimli olmakken taze ürünlerde talebe duyarlı olmaktır. Yok satmamak için stok arttığında beraberinde bozulma riski gelir. Çok faktörlü, çok veri girişi gerektiren, belirsizliği neredeyse yok sayan ve yapay zeka destekli tahmin sistemleriyle mağaza-ürün-gün bazında tahmin yapılması öneriliyor. Üstelik bu tahmin yapısı kullanıcılar tarafından anlaşılır-yorumlanabilir-müdahale edilebilir ancak yine de otomatik olacak!? Nasıl?
Katılımcıların %33 ü tahmin kullanmıyormuş. Tahmin sayesinde işgücü – siparişler/satın almalar – indirimler/promosyonlar daha iyi planlanacağı söyleniyor. Ancak tahminlerin hem detaylı hem de doğru olması kritik önemliymiş!? Nasıl sağlayacaksınız?
Çok ürünlü, çok mağazalı, çok tedarikçili büyük bir tedarik zincirinde bu kapsamdaki operasyon elbette kişilere veya excele bırakılamaz. 2020 Kuzey Amerika anketinde katılımcıların %52 si bu detayda tahmin yapıyormuş, diğerleri de yapmak istiyormuş ama ellerinden gelmiyormuş. Üstelik yapay zekalı tahmin sistemini önerenler tahmin sistemleriyle ilgili temel uyarıların (bulanık veriyle, çok değişken ortamda, fazla detaylı ve uzun vadeli tahminlerde hata yüksek olur) farkındalar.. Yani çok yoğun verinin doğru ve güncel olarak sisteme beslenmesi kullanıcının sorumluluğunda!!!
Daha makul ölçekte, daha normal şartlarda çalışan bir tedarik zincirinde elde edilen sonuçlarda önemli bir fark görülmemiş, olumlu sonuçlar ortam karmaşıklaştıkça belirginleşiyormuş. Sağlanması gereken verileri hafife almayın; yeni ürün girişleri, ürün iptalleri, promosyon başlangıç/bitişleri, benzer ürün gruplamaları, benzer mağaza gruplamaları, ürün bazında tedarikçiler ve bunların terminleri, yıl içinde değişen ve değişecek fiyatları, planogram, yerleşim planı, mağazadaki promosyon aktiviteleri, rakiplerin promosyonları – mağaza açılışları – kapanışları – yeni ürün çıkışları, hava durumu, maçlar – konserler,…… aklınıza ne gelirse…. Yapabilecek misiniz? Aynı ankette katılımcıların %70 i yapamadıklarını söylemiş ama isterlermiş…
Promosyondan olumlu etkilendiyse ne kadar? Hangi dönemde? Bu arada bununla birlikte olumlu etkilenenler hangi ürünler? Peki bundan olumsuz etkilenenler hangi ürünler? Acaba hava durumu – etkinlik – vb dış faktörler sonuca etki etti mi? Sebepsiz yere talebi dalgalanan ürünlerde ne olduğunu nasıl bileceğiz? İşte bu gibi ayrıntılar için uzman planlama ekibiniz yapay zekalı sistemi yakından izlemeli, “öğrenebilmesi” için müdahale etmeliler… İyi sonuçlar sistemin marifeti ve kötü sonuçlar sisteme yeterli-doğru veri besleyemeyen, etkin izleyemeyen, etkin müdahale edemeyen planlamacıların, yani sizin hatanız olacak….
Anket katılımcılarının %69 u geleneksel min-max/Ekonomik sipariş miktarı uyguluyormuş ve sadece %24 ü talebe duyarlı mağaza tamamlaması yapabilmiş, ancak %7 si yaygın uygulamaya geçebilmiş. Neden acaba? Sizce de önerilen yöntemler çok karmaşık – çok yoğun veri içerikli – asimetrik (sevap sistemin günah kullanıcının), gelir artışı yerine verim – tasarruf odaklı değil mi?
Geleneksel yöntemlerle işleyen Kuzey Amerika perakendecileri ankette bozulan ürünlerin yıllık değeri için 70 milyon USD demişler.. Yok satmamak için, asgari sipariş miktarı – teşhir stoku – düşük birim fiyat için büyük partilerle satınalım – tahmin hataları derken aşırı stoklar oluşuyor, bekleyen ürünler bozuluyor… Önerilen sistemler stok taşıma maliyeti ve ürün bozulma maliyeti arasında optimizasyon yapıyor, bulanık veriye ve suni fiyatlara dayalı bir vazgeçiş zorlamasıdır, sonunda optimum miktarda zarar edeceksiniz…
Sistem sabit bir emniyet stoku yerine dinamik emniyet stoku öneriyor, bunu da FR100 ün sade algoritması yerine yapay zekalı tahmin ve optimizasyonla yapıyor. Maalesef yaygın olarak karmaşık sorunların, karmaşık çözümler gerektirdiğine inanıyoruz. Einstein sadeliğe inanırdı…
Ürün tamamlamaları için belli günler seçilmesini öneriyor. Bunu bile verim (lokal optima) için yapıyor. FR100 içinde ürün bazında tamamlama yapılacak gün seçebiliyorsunuz.
Ankete katılanların %31 i depo stoklarını tamamlamak için depo çıkışlarını esas alan tahminler kullanıyormuş. Firmanın kendi iç stok hareketlerini “gerçek satış” gibi yorumlamayı yanlış değerlendiriyor, mağazaların satış adetlerini esas almak gerektiğini söylüyor. Zaten FR100 kurulumunda başlangıç tamponunu belirlemek için size depo çıkışı değil, depodan beslenen mağazalardaki ürün satışı soruluyor.
Mağazadan depoya, depodan tedarikçiye birbirinin çıktısını
kullanan entegre tahmin sistemi anlatılıyor, her alt sistemdeki tahmin
hatasının bir üst sistemdeki hatayla daha da büyüyeceği, kamçı etkisine aday
olduğu tuhaf bir yapıyı övüyor. Diğer taraftan ankette
yatırımı engelleyen ana faktörler arasında mevcut sistemden vazgeçemeyiş,
yetersiz bütçe, yeni sistemlerin çok karmaşık olması sayılmış. Katılımcıların
%81 i tahmin sistemlerini, %85 i tamamlama sistemlerini iyileştirmek istemiş. Kolayı varken zoru için pahalı – İngilizce – kullanımı zor –
sonucu şüpheli (ama tahminli, optimizasyonlu, yapay zekalı, görünürlüğü
sağlayan, şık grafikleri olan, tasarruf iddialı) bir yola girmek ister
miydiniz?
Hiç yorum yok:
Yorum Gönder