Cómo convertir la complejidad de la cadena de suministro en un gran servicio

Si Amazon se materializara hoy de la nada, pocas personas cuerdas se sentirían seguras de poder administrarlo de manera rentable.

A nivel mundial, la compañía vende más de 3 mil millones de productos a través de 11 mercados de países diferentes. Solo en los EE. UU., Amazon introdujo 208 millones de productos nuevos en 2018, la mayoría de los cuales son productos de lento movimiento o productos de cola larga. Sin embargo, a pesar de su extrema complejidad y escala, las ganancias de Amazon en julio de 2018 duplicaron las expectativas de los accionistas, generando una ganancia trimestral de la friolera de $ 2.5 mil millones.

El éxito de Amazon puede parecer una casualidad imposible de replicar. Sin embargo, cuando lo desglosas, Jeff Bezos se convirtió en el ser humano más rico del mundo al descubrir cómo hacer tres cosas aparentemente contradictorias a la vez:brindar niveles de servicio excepcionales, al menor costo posible, y gestionar la complejidad. Sostengo que lograr los tres con verdadero éxito es difícil de obtener para cualquier empresa sin capacidades de tecnología avanzada.

Primero, cambie su forma de pensar. Desafortunadamente, en un mercado de creciente volatilidad de la demanda y mayores expectativas de servicio, demasiadas empresas quedan atrapadas en procesos tradicionales y en una espiral descendente familiar. Al no poder pronosticar de manera confiable un número creciente de combinaciones de SKU, se cargan de inventario para adaptarse a la demanda errática y de cola larga. Esto invariablemente conduce a problemas como costos de flete adicionales e inventario excesivo y obsoleto que debe cancelarse o venderse con un gran descuento. Los planificadores están continuamente en modo de "extinción de incendios" reactivo e ineficiente, y pasan la mayor parte de su tiempo cambiando los reabastecimientos sugeridos y manipulando los niveles de servicio en lugar de impulsar el rendimiento.

Los problemas de la cadena de suministro suelen ser los más difíciles de solucionar porque tienen soluciones contradictorias. Si desea lograr el éxito “amazónico”, lo primero que debe hacer es salir de su propio camino y probar un nuevo enfoque. Como dice el viejo refrán, la señal segura de locura es hacer lo mismo una y otra vez y esperar resultados diferentes.

El secreto de la planificación basada en servicios es el pronóstico de probabilidad y la optimización de la combinación de acciones. La forma de gestionar la complejidad y lograr altos niveles de servicio es romper primero la barrera de precisión del pronóstico:en lugar de pronosticar un número, comprenda el rango de posibilidades de demanda en su pronóstico. Este método se llama pronóstico de probabilidad. Con este enfoque, aún obtiene un número que está asociado con el resultado más probable. Sin embargo, agrupado alrededor de este número, se obtiene una variedad de otros resultados posibles, cada uno con una probabilidad diferente adjunta. Es una alternativa a la previsión tradicional de "un número", que se basa en promediar los números totales del historial de pedidos.

El pronóstico de probabilidad es ideal para cadenas de suministro que incluyen una gran cantidad de artículos de cola larga y enfrentan variabilidad e incertidumbre de la demanda debido a la gran cantidad de factores que no pueden modelar adecuadamente. Como concluyó la gurú de la cadena de suministro Lora Cecere en su blog Pronóstico probabilístico:¿Adecuado para su negocio ?:“Para perfiles de demanda difíciles, el pronóstico probabilístico es una técnica nueva y poderosa. Es un tipo de motor. La previsión tiene que ver con mejores matemáticas y el ajuste del modelo de datos para generar resultados ".

Su cadena de suministro no tiene que volverse demasiado compleja antes de que pueda beneficiarse del pronóstico de probabilidad. Aquí hay un ejemplo simplificado para ilustrar. Supongamos que desea pronosticar la demanda del SKU de un neumático de automóvil específico. Un sistema de pronóstico de un solo número observaría el historial de ventas de cuatro unidades por mes de este neumático e identificaría la demanda promedio como un neumático por semana. Debido a que este pronóstico no se dirige a los clientes que reemplazan los cuatro neumáticos a la vez, continuamente propondría el pronóstico incorrecto y, por lo tanto, los niveles de inventario para cumplir con los niveles de servicio objetivo.

Para la planificación del inventario, necesita conocer la probabilidad de cada cantidad de orden de línea:para una llanta, dos llantas, tres llantas, cuatro llantas, etc. La previsión probabilística proporciona exactamente esa información, identificando los patrones de orden (p. frecuencia) que el inventario puede utilizar para atender la demanda.

Logramos una figura solitaria en el mundo de la cadena de suministro a principios de la década de 1990, cuando comenzamos a defender este enfoque como una alternativa a la previsión tradicional. Hoy, frente a la abrumadora complejidad de la cadena de suministro, existe una plataforma más ardiente para que las empresas la prueben. Invariablemente, los comentarios que recibimos son "¡Ojalá hubiéramos comenzado a hacer esto antes!"

En segundo lugar, la optimización de la combinación de existencias permite lo que llamamos "planificación impulsada por el servicio", al aprovechar la escala y la variabilidad (la complejidad) de su cartera de SKU en toda la red. En lugar de asignar el mismo nivel de servicio para cada SKU de un grupo, a cada ubicación de SKU en la cadena de suministro se le asigna su propio nivel de servicio que está optimizado para lograr los objetivos comerciales. Por ejemplo, en lugar de asignar a todos los SKU de una clase un nivel de servicio del 98 por ciento, se logra un objetivo global del 98 por ciento estableciendo de manera óptima los niveles de servicio de ubicación de SKU individuales en 99 por ciento, 97 por ciento, 99.5 por ciento, etc., logrando lo mismo. objetivo general de nivel de servicio al cliente con un gasto de inventario mucho menor.

El fabricante mundial de lentes recetados, Shamir Optical, aplicó el pronóstico basado en probabilidades para estar más orientado al servicio. En lugar de utilizar una política de inventario única para todos, Shamir analizó los patrones de demanda para crear una combinación de diferentes objetivos de nivel de servicio para cada SKU individual en cada ubicación. La empresa redujo los niveles de inventario en más del 25 por ciento en general, mientras lograba constantemente niveles de servicio superiores al 99 por ciento.

Los planificadores humanos no pueden ejecutar prácticamente la previsión probabilística con la suficiente rapidez. Para que funcione, debe automatizar el proceso de planificación con un sistema autoadaptable que utiliza tecnología de aprendizaje automático, una forma de inteligencia artificial. Para generar pronósticos de probabilidad, primero debe modelar su cadena de suministro. La mayoría de las empresas comienzan con un grupo de muestra de SKU para probar y escalar con el tiempo. En comparación con su modelo, debe tener en cuenta el impacto de una amplia gama de variables de demanda potencial. Estas pueden ser entradas tradicionales como el historial de pedidos, otras fuentes corporativas como los datos del sistema de gestión de relaciones con el cliente (CRM) e incluso fuentes externas como el clima, el mercado de valores y las tendencias de las redes sociales. Debido a que un modelo de cadena de suministro es un sistema "vivo", el aprendizaje automático aprende y ajusta continuamente los resultados a lo largo del tiempo, lo que le permite introducir nuevas fuentes de datos según sea necesario. Aplicar A.I. proporciona una visión profunda del comportamiento de la demanda y el inventario para mejorar los resultados.

Sin embargo, la buena noticia para los humanos es que los pronósticos de probabilidad son, por diseño, un punto de partida, no un juego final. Están diseñados para brindar a los planificadores los datos que necesitan a tiempo para tomar decisiones informadas sobre las políticas de servicio y los correspondientes niveles óptimos de inventario en sus cadenas de suministro.

Este pronóstico de probabilidad aumentado por IA representa la simbiosis ideal entre humanos y máquinas. El sistema se vuelve más inteligente con el tiempo al tener en cuenta la participación humana, y los humanos se vuelven más inteligentes al aprender de la tasa de éxito de los pronósticos de probabilidad. Esto libera a los planificadores para que se concentren en el servicio, trabajen en proyectos estratégicos y agreguen sus conocimientos comerciales al sistema.

Su negocio también puede prosperar gracias a la complejidad. La belleza del pronóstico de probabilidad es que mientras los niveles de servicio aumentan, los costos, el desperdicio y la ineficiencia disminuyen. Cientos de empresas como Shamir Optical han obtenido una amplia gama de beneficios, desde liberar capital de trabajo hasta reducir la obsolescencia, el transporte y acelerar los costos y rebajas. Muchas empresas informan que se vuelven más receptivas a los cambios del mercado y pueden tomar mejores decisiones estratégicas.

Para las personas casadas con el enfoque determinista de "un número", el pronóstico de probabilidad se sentirá contrario a la intuición. Sin embargo, a menos que esté en un negocio de productos básicos con pocos artículos y una demanda totalmente predecible, el enfoque de un solo número no será suficiente. Amazon no solo utiliza este método, sino que también ofrece una herramienta de pronóstico de probabilidad a los proveedores asociados. ¿No es hora de que lo pruebes?

Joseph Shamir es director ejecutivo de ToolsGroup.