Hybrid Demand Sensing: Memberdayakan Rantai Pasok untuk Berkembang di Tengah Ketidakpastian

Rantai pasok saat ini ditantang oleh proliferasi garis produk, siklus hidup produk yang sempit, kompleksitas yang meningkat, dan sejumlah besar data. Untuk menambah daftar ini, pelanggan semakin menuntut dan tidak dapat diprediksi; tren yang dibakar internet berubah dalam sekejap, dan promosi dan penjualan tunduk pada cuaca, perkenalan produk baru dan ekonomi.

Untuk siap untuk apa yang mungkin dibawa esok hari, perusahaan harus memahami bagaimana perubahan dalam rantai pasok mempengaruhi permintaan. Hanya dengan demikian mereka dapat memastikan bahwa produk yang diinginkan pelanggan tersedia pada waktu yang tepat.

Demand sensing, seperti namanya menyarankan, esensialnya adalah seni dan ilmu untuk menangkap tren jangka pendek segera, untuk lebih baik memprediksi apa yang akan diinginkan konsumen. Permintaan tidak dapat diprediksi dengan sempurna karena dipengaruhi oleh jumlah variabel yang diketahui dan tidak diketahui yang tak terhitung. Menurut studi oleh KPMG dan Economist Intelligence Unit, hanya 22% perkiraan perusahaan yang akurat dalam lima persen poin. Rata-rata, perkiraan keluar 13%, menyebabkan dampak signifikan pada harga saham.

Ada banyak puristen yang menempel pada pendekatan peramalan yang menggunakan rata-rata tertimbang dan metode tradisional lainnya yang mudah dipahami. Pendekatan ini mungkin terasa nyaman dan dapat diakses, tetapi hanya dapat menghasilkan prediksi berdasarkan pola permintaan historis. Ini kurangnya data online dan eksternal yang krusial yang dapat memberikan tampilan hampir real-time dari permintaan dan apa yang mempengaruhinya.

Saat ini, ada cara yang lebih baik. Seperti dalam peramalan cuaca, memungkinkan untuk melatih sistem demand sensing yang cerdas untuk memprediksi kemacetan konsumen yang tampaknya dengan tingkat akurasi yang tinggi. Sistem demand sensing hybrid ini menerapkan beberapa teknik dan jenis data peramalan.

Demand sensing hybrid lebih kuat, andal dan berkelanjutan daripada alternatif peramalan sederhana. Ini tidak hanya mendapat manfaat dari penerapan pendekatan perencanaan yang berbeda, tetapi juga semakin kuat dan responsif seiring masuknya kecerdasan manusia dan set data tambahan.

Manfaat besar dari demand sensing adalah bahwa segera mengintegrasikan tren jangka pendek ke dalam peramalan. Sebaliknya harus menggunakan peramalan yang sama dalam jendela 60 atau 90 hari, perencana mendapatkan wawasan yang memberdayakan mereka untuk terus menyesuaikan peramalan menggunakan data penjualan terbaru. Kemampuan ini untuk bereaksi lebih cepat dan lebih sering terhadap perubahan permintaan mengarah pada keuntungan dan tingkat layanan yang lebih tinggi, dan lebih sedikit limbah.

Berikut adalah beberapa contoh bagaimana demand sensing membantu perusahaan mengubah wawasan menjadi tindakan menguntungkan:

• Menyederhanakan perencanaan upstream dengan mengekstrak data PoS secara langsung. Demand sensing memungkinkan untuk mengekstrak informasi yang relevan secara langsung dari data point-of-sale (PoS). Ini membantu produsen meningkatkan akurasi peramalan penjualan tanpa harus menunggu masukan dari distributor dan eceran.
• Meningkatkan efisiensi perencanaan produksi. Demand sensing memberikan masukan yang lebih sering ke operasi produksi dan pasokan. Ini memungkinkan untuk menyesuaikan rencana produksi sesuai dengan itu, misalnya dengan mempercepat atau memperlambat pesanan.
• Menyesuaikan ulang inventaris upstream secara berkelanjutan. Demand sensing membantu mengoptimalkan inventaris secara dinamis dan menyeimbangkan jaringan dengan mempertimbangkan inventaris yang tersedia di gudang regional, bersama dengan permintaan pelanggan yang diprediksi, menurut lokasi.
• Menutup celah inbound/outbound. Tim inbound ingin mengisi gudang hingga kapasitas; tim outbound berusaha mengosongkannya dengan mengirimkan ke eceran dan pelanggan. Demand sensing menyinkronkan kedua kelompok ini dengan menunjukkan satu gambar global dari permintaan.
• Memperamalan permintaan musiman dengan lebih akurat. Meningkatkan visibilitas jaringan distribusi adalah kunci untuk responsivitas rantai pasok yang lebih baik. Ini terutama penting untuk mendapatkan yang tepat dengan item musiman yang mungkin hanya terjual dalam satu jendela waktu tahunan. Demand sensing memungkinkan, misalnya, untuk mengetahui segera saat eceran utama kehabisan stok. Sama seperti, saat item tidak terjual seperti yang diharapkan, produsen dapat bereaksi dengan cepat dengan menyesuaikan produksi dan inventaris untuk menghindari obsoletensi.
• Menyesuaikan ulang inventaris untuk perkenalan produk baru. Seiring siklus hidup produk terus menyempit, mengelola penggantian item adalah tantangan berkelanjutan. Demand sensing membantu perusahaan menentukan tingkat inventaris optimal untuk versi produk baru dan sebelumnya untuk memenuhi tingkat layanan pelanggan.
• Meningkatkan kinerja promosi. Demand sensing dapat mempertimbangkan data sell-in seperti atribut promosi dan detail produk dan pasar, untuk membantu perencana memahami faktor di balik kenaikan promosi. Ini membantu perencana lebih baik memprediksi dampak promosi di masa depan.

TireHub, distributor ban pengganti, menggabungkan data PoS lokal ke dalam model demand sensingnya, yang ditingkatkan dengan pembelajaran mesin. Dua tantangan proliferasi SKU dan musim telah membuat sulit bagi TireHub untuk memosisikan inventaris mereka secara optimal. Kini, tidak hanya merencanakan fluktuasi permintaan yang dapat diprediksi (seperti penjualan ban salju yang puncak di musim dingin), tetapi juga kompleksitas permintaan lokal, dengan mempertimbangkan berapa banyak dari berbagai model mobil yang dijual secara lokal dan regional. Menggunakan model ini, TireHub telah dapat mengotomatisasi sebagian besar perencanaan penambahan stok, meningkatkan hasil bisnis, dan membangun kapasitas untuk melayani 70.000 titik pengiriman dalam waktu 18 bulan.

Ada sejumlah cara untuk merasakan permintaan, dan setiap wawasan baru dapat mempercepat waktu respons dan meningkatkan keuntungan. Pengembalian terbesar dari proses demand sensing ada di tiga area:

Peramalan jangka pendek dengan data sell-in. Cara termudah bagi perusahaan untuk mulai merasakan permintaan adalah dengan menggunakan data historis yang paling granular yang tersedia. Ini biasanya melibatkan menganalisis data sell-in/ship-to harian dengan jendela waktu pendek dan menyesuaikan peramalan sesuai dengan itu. Jenis demand sensing ini mempertimbangkan riwayat pengiriman, yang mudah tersedia dalam sebagian besar sistem perencanaan rantai pasok atau enterprise resource planning (ERP). Beberapa alat perencanaan mencakup peramalan statistik jangka pendek, untuk meningkatkan responsivitas peramalan terhadap perubahan permintaan yang berkelanjutan.

Gabungkan data sell-out. Saat merasakan permintaan, penting untuk brainstorm semua sumber data yang mungkin berguna yang dapat meningkatkan peramalan. Contohnya, intelijen sell-out downstream seperti data pelanggan, PoS atau saluran dapat membantu mengidentifikasi tren permintaan, memberikan peringatan dini tentang masalah, dan menutup celah antara rencana dan apa yang sebenarnya terjadi dalam rantai pasok.

Tambahkan data eksternal dan variabel penyebab permintaan. Demand sensing dapat dan harus juga mengintegrasikan variabel yang berkorelasi dengan permintaan untuk membuat peramalan yang kuat yang dapat bereaksi terhadap berbagai peristiwa di masa depan, dari yang diketahui hingga yang tidak diketahui. Ini termasuk fluktuasi pasar saham, promosi pesaing, tren media sosial yang viral, perkenalan produk baru, cuaca dan faktor eksternal lainnya.

Menggabungkan ketiga komponen ini — data sell-in dan sell-out bersama dengan variabel penyebab permintaan yang relevan — memberikan gambaran yang paling lengkap dan terintegrasi tentang permintaan yang mungkin. Ini juga membentuk dasar untuk demand sensing yang terotomatisasi tinggi, yang membebaskan perencana untuk menerapkan pengetahuan bisnis untuk meningkatkan peramalan dan pelayanan pelanggan lebih lanjut.

Tak terhitung variabel internal dan eksternal mempengaruhi variabilitas permintaan, dan ini hanya akan meningkat dalam periode perubahan besar yang akan datang. Alat terbaik untuk mengelola variabilitas dan menjamin layanan tinggi adalah inventaris. Demand sensing membantu perusahaan menggunakan inventaris secara optimal mungkin. Ini mengekstrak sinyal penting dari kebisingan untuk memacu akurasi peramalan, meningkatkan visibilitas permintaan jangka pendek dan meminimalkan inventaris — sambil meningkatkan pelayanan kepada pelanggan. Perusahaan yang berinvestasi saat ini dalam alat, proses dan keterampilan untuk meningkatkan kemampuan demand sensing mereka benar-benar siap untuk apa pun yang mungkin dibawa esok hari.

Robert Kaufholz is director of solution design at ToolsGroup.