Lima Alat untuk Manajemen Risiko Berdasarkan Permintaan
Saat menganalisis risiko rantai pasokan, manajer logistik cenderung berfokus pada gangguan yang meluas seperti bencana lingkungan dan pandemi. Memang, peristiwa inilah yang paling berdampak langsung pada konsumen akhir dan menarik perhatian media berita arus utama.
Namun, ada perubahan yang kurang terlihat tetapi tidak kalah kuatnya yang juga dapat menggagalkan rantai pasokan yang tidak siap. Di antaranya adalah gangguan rantai pasokan yang dipicu oleh permintaan, yang ditentukan oleh perubahan mendadak dalam perilaku konsumen. Dalam ekonomi rantai pasokan yang digerakkan oleh permintaan, jenis gangguan ini sama pentingnya untuk direncanakan.
Meskipun sifatnya berbeda, risiko yang disebabkan oleh permintaan dapat dipengaruhi oleh risiko penawaran. Sebagai akibat dari pandemi COVID-19, misalnya, pasar konsumen telah melihat masuknya masker wajah desainer, pembersih udara HEPA, dan pembersih tangan.
Cara konsumen makan, dan dari siapa mereka membeli makanan, juga berubah akibat penguncian. Menurut sebuah studi baru-baru ini oleh EIT, kebiasaan makan bergeser pada tahun 2020, dengan lebih banyak orang makan di rumah, memesan pengiriman, atau membeli bahan makanan secara online. Mereka yang makan di luar di kota memilih restoran lokal dan independen daripada rantai yang lebih besar. Untuk belanja langsung, banyak yang memilih toko yang lebih kecil daripada supermarket.
Banyak manajer logistik yang berpengalaman dengan risiko yang ditimbulkan untuk memasok sumber setelah bencana lingkungan. Apa yang mungkin mereka abaikan adalah efek peristiwa semacam itu terhadap permintaan konsumen jangka panjang. Menghadapi kenyataan perubahan iklim, banyak pembeli memilih produk dan layanan yang lebih berkelanjutan. Pelanggan saat ini bertanya pada diri sendiri apakah ada versi produk yang lebih berkelanjutan yang mereka inginkan, apakah mereka benar-benar membutuhkan barang tersebut besok, atau apakah mereka membutuhkan produk tersebut sama sekali.
Salah satu cara tercepat untuk mengubah permintaan adalah melalui budaya populer. Selebriti influencer dapat mengubah jenis pakaian atau kosmetik apa yang diinginkan konsumen dengan sepeser pun, ketika difoto di jalan atau di acara karpet merah. Jika merek yang diuntungkan dari paparan ini tidak merencanakan lonjakan penjualan sebelumnya, merek tersebut dapat menghadapi jaminan simpanan dan kehilangan bisnis karena pesaingnya yang lebih siap.
Meskipun tren ini tidak selalu mudah diprediksi — siapa yang tahu bahwa pemintal gelisah akan lepas landas? — orang dalam industri tertentu telah belajar membaca pasar dan dapat melihat perubahan datang lebih awal daripada kebanyakan orang.
Untungnya, risiko yang didorong oleh permintaan lebih mudah diramalkan daripada risiko pasokan, karena banyaknya pilihan sumber data yang tersedia dan teknologi analitik yang dirancang untuk memproses data tersebut. Bergantung pada kematangan rantai pasokan Anda, Anda mungkin perlu membuat perubahan pada proses dan orang-orang Anda untuk menggunakan alat ini secara efektif. Berikut adalah lima pendekatan penting untuk dimasukkan ke dalam strategi mitigasi risiko Anda.
Menangkap masukan permintaan baru. Perkiraan permintaan biasanya melihat ke depan sekitar 30-90 hari. Namun jendela sebesar ini terlalu luas untuk menangkap wawasan yang dapat digunakan. Dengan melacak riwayat penjualan jangka pendek dan penyebab permintaan terkait, perusahaan bisa mendapatkan wawasan hampir real-time dalam sebulan untuk membuat perkiraan yang lebih relevan.
Bisnis juga harus memaksimalkan volume dan variasi sumber data yang mereka kumpulkan. Detail seperti sentimen sosial, tempat penjualan (POS), inventaris, dan ketersediaan di rak, semuanya membantu meningkatkan visibilitas permintaan jangka pendek.
Pemodelan permintaan. Model permintaan membantu memprediksi perilaku pelanggan di masa depan berdasarkan pengalaman masa lalu. Semakin banyak sumber eksternal yang Anda masukkan ke dalam model Anda, semakin akurat dan prediktif jadinya. Sumber eksternal dapat mencakup umpan media sosial, informasi persaingan, prakiraan cuaca, dan data POS. Digabungkan dengan sumber data internal seperti riwayat penjualan, promosi, dan pengenalan produk baru, informasi ini dapat memberikan gambaran yang jauh lebih akurat tentang perilaku masa lalu dan tren masa depan.
Perkiraan probabilitas . Ketika peramalan didasarkan pada banyak variabel, pendekatan deterministik "satu angka" yang lama terlalu sederhana. Sebaliknya, proses peramalan probabilistik, atau stokastik, memperhitungkan ketidakpastian untuk membantu mengelola risiko. Dengan peramalan probabilistik, algoritme lanjutan menganalisis beberapa variabel permintaan untuk menghitung probabilitas setiap hasil yang mungkin, lalu menentukan mana yang paling mungkin terjadi. Ini menawarkan cara yang jauh lebih andal untuk membuat prediksi saat pola permintaan berubah-ubah, riwayat pesanan terbatas (seperti, misalnya, dengan produk baru), atau faktor seperti musim ikut bermain.
Perangkat lunak peramalan permintaan . Memilih perangkat lunak yang tepat adalah kunci untuk menganalisis data yang Anda kumpulkan secara efektif. Perangkat lunak peramalan permintaan yang menggunakan pendekatan probabilistik secara otomatis memodelkan permintaan bottom-up untuk item individual. Ini menganalisis garis pesanan untuk memodelkan jumlah permintaan historis dan frekuensi permintaan, untuk memberikan perkiraan volatilitas yang akurat. Sistem yang tepat akan memahami perbedaan antara pemesanan massal 20 unit dan penjualan unit tunggal produk yang sama 20 kali. Ini juga menangani permintaan "ekor panjang" intermiten untuk produk yang bergerak lebih lambat, yang sulit untuk diperkirakan. Ini merencanakan faktor pasar seperti tren atau musim, serta faktor organisasi seperti promosi yang membentuk permintaan, produk baru, bias perkiraan, dan efek bullwhip.
Wawasan manusia dan perencanaan lintas fungsi. Setelah Anda membuat perkiraan probabilitas dasar, Anda membutuhkan orang-orang dalam bisnis untuk menyempurnakannya dengan menambahkan pengetahuan dan keahlian mereka. Faktor permintaan yang kompleks, seperti kontradiksi dalam perilaku konsumen, paling baik dibongkar oleh seluruh tim analis manusia.
Ambil contoh dari industri fashion. Pembeli Gen Z cenderung memprioritaskan keberlanjutan dan lebih memilih pakaian bekas yang “didaur ulang”. Mereka juga demografis yang paling mungkin untuk membeli dari perusahaan "fashion cepat" untuk mengikuti tren yang berubah. Untuk memahami kontradiksi tersebut, pembeli fesyen yang menganalisis tren perlu membandingkan catatan dengan pedagang yang lebih dekat dengan angka penjualan yang sebenarnya. Dalam rantai pasokan mana pun, semakin banyak orang yang dapat Anda libatkan dalam menyempurnakan perkiraan permintaan di seluruh keuangan, pemasaran, penjualan, operasi, dan mitra saluran Anda, semakin akurat perkiraan ini dari waktu ke waktu.
Seperti yang pernah dikatakan oleh guru rantai pasokan Martin Christopher, “Bisnis individu tidak lagi bersaing sebagai entitas yang berdiri sendiri, melainkan sebagai rantai pasokan.” Belum pernah sentimen ini lebih benar daripada sekarang. Perusahaan-perusahaan yang rantai pasokannya paling mampu merasakan dan bereaksi terhadap variabilitas permintaan tidak hanya akan menjadi yang paling tahan terhadap risiko; mereka juga dapat memastikan hasil bisnis terbaik secara keseluruhan.
David Barton adalah manajer umum, Americas, di ToolsGroup.
