Hybrid Demand Sensing:Menyiapkan Rantai Pasokan untuk Waktu yang Tidak Pasti

Rantai pasokan saat ini ditantang oleh proliferasi lini produk, siklus hidup produk yang menyusut, peningkatan kompleksitas, dan data dalam jumlah besar. Untuk menambah daftar itu, pelanggan menjadi lebih menuntut dan tidak dapat diprediksi; tren yang dipicu oleh internet berubah dengan cepat, dan promosi serta penjualan bergantung pada cuaca, pengenalan produk baru, dan ekonomi.

Agar siap menghadapi apa yang mungkin terjadi besok, perusahaan harus memahami bagaimana perubahan dalam rantai pasokan memengaruhi permintaan. Hanya dengan begitu mereka dapat memastikan bahwa produk yang diinginkan pelanggan tersedia pada waktu yang tepat.

Penginderaan permintaan, seperti namanya, pada dasarnya adalah seni dan ilmu menangkap tren jangka pendek dengan segera, untuk memprediksi dengan lebih baik apa yang diinginkan konsumen. Permintaan tidak mungkin diprediksi dengan sempurna karena dipengaruhi oleh variabel yang diketahui dan tidak diketahui dalam jumlah tak terbatas. Menurut sebuah studi oleh KPMG dan Economist Intelligence Unit, hanya 22% dari perkiraan perusahaan yang akurat dalam lima poin persentase. Rata-rata, perkiraan turun sebesar 13%, menyebabkan pengaruh yang signifikan terhadap harga saham.

Ada banyak puritan yang tetap berpegang pada pendekatan peramalan yang menggunakan rata-rata tertimbang dan metode tradisional lainnya yang mudah dimengerti. Pendekatan ini mungkin terasa nyaman dan mudah diakses, tetapi hanya dapat menghasilkan prediksi berdasarkan pola permintaan historis. Ini tidak memiliki data online dan eksternal penting yang dapat memberikan tampilan permintaan yang hampir real-time dan apa yang memengaruhinya.

Hari ini, ada cara yang lebih baik. Seperti halnya prakiraan cuaca, dimungkinkan untuk melatih sistem penginderaan permintaan yang cerdas untuk memprediksi kekacauan permintaan konsumen dengan tingkat akurasi yang tinggi. Sistem penginderaan permintaan hibrida ini menerapkan beberapa teknik peramalan dan tipe data.

Penginderaan permintaan hibrida lebih kuat, andal, dan berkelanjutan daripada alternatif peramalan sederhana. Ini tidak hanya diuntungkan dari penerapan pendekatan perencanaan yang berbeda, tetapi juga menjadi lebih kuat dan lebih responsif karena kecerdasan manusia tambahan dan kumpulan data diperhitungkan.

Manfaat besar dari penginderaan permintaan adalah ia segera memasukkan tren jangka pendek ke dalam perkiraan. Daripada harus menggunakan prakiraan yang sama dalam jangka waktu 60 atau 90 hari, perencana mendapatkan wawasan yang memberdayakan mereka untuk terus menyempurnakan prakiraan menggunakan data penjualan terbaru. Kemampuan untuk bereaksi lebih cepat dan lebih sering terhadap perubahan yang menuntut menghasilkan keuntungan dan tingkat layanan yang lebih tinggi, serta lebih sedikit pemborosan.

Berikut adalah beberapa contoh bagaimana pendeteksian permintaan membantu perusahaan mengubah wawasan menjadi tindakan yang menguntungkan:

• Rampingkan perencanaan hulu dengan mengekstrak data PoS secara langsung. Penginderaan permintaan memungkinkan untuk mengekstrak informasi yang relevan secara langsung dari data point-of-sale (PoS). Ini membantu produsen meningkatkan akurasi perkiraan penjualan tanpa harus menunggu masukan dari distributor dan pengecer.
• Meningkatkan efisiensi perencanaan produksi . Penginderaan permintaan memberikan masukan yang lebih sering ke operasi produksi dan pasokan. Hal ini memungkinkan untuk menyesuaikan rencana produksi dengan mempercepat atau mengurangi pesanan, misalnya.
• Selalu sempurnakan inventaris hulu. Deteksi permintaan membantu mengoptimalkan inventaris secara dinamis dan menyeimbangkan jaringan dengan mempertimbangkan inventaris yang tersedia di gudang regional, bersama dengan perkiraan permintaan pelanggan, berdasarkan lokasi.
• Menutup celah masuk/keluar. Tim masuk ingin mengisi gudang hingga kapasitas; tim keluar berusaha untuk mengosongkannya dengan mengirimkannya ke pengecer dan pelanggan. Deteksi permintaan menyinkronkan kedua grup ini dengan menampilkan satu gambaran global tentang permintaan.
• Perkirakan permintaan musiman dengan lebih akurat. Meningkatkan visibilitas jaringan distribusi adalah kunci untuk respons rantai pasokan yang lebih baik. Ini sangat penting untuk mendapatkan barang musiman yang mungkin hanya dijual dalam satu jendela waktu tahunan. Penginderaan permintaan memungkinkan, misalnya, untuk segera mengetahui kapan pengecer utama kehabisan stok. Demikian pula, saat item tidak terjual seperti yang diharapkan, produsen dapat merespons dengan cepat dengan menyesuaikan produksi dan inventaris untuk menghindari keusangan.
• Inventaris ukuran yang tepat untuk pengenalan produk baru. Karena siklus hidup produk terus memendek, mengelola supersesi item merupakan tantangan yang berkelanjutan. Deteksi permintaan membantu perusahaan menentukan tingkat inventaris yang optimal dari versi produk baru dan sebelumnya untuk memenuhi tingkat layanan pelanggan.
• Tingkatkan kinerja promosi. Penginderaan permintaan dapat mempertimbangkan data penjualan seperti atribut promosi dan detail produk dan pasar, untuk membantu perencana memahami faktor di balik peningkatan promosi. Ini membantu perencana memperkirakan dampak promosi di masa mendatang dengan lebih baik.

TireHub, distributor ban pengganti, menggabungkan data PoS lokal ke dalam model pendeteksi permintaannya, yang disempurnakan dengan pembelajaran mesin. Tantangan kembar dari proliferasi dan musiman SKU telah mempersulit TireHub untuk memposisikan inventarisnya secara optimal. Saat ini, ia tidak hanya merencanakan fluktuasi permintaan yang dapat diprediksi (seperti penjualan ban salju yang memuncak di musim dingin), tetapi juga kompleksitas permintaan lokal, dengan mempertimbangkan berapa banyak model mobil yang berbeda yang dijual secara lokal dan regional. Dengan menggunakan model ini, TireHub dapat sepenuhnya mengotomatiskan sebagian besar perencanaan pengisian ulang, meningkatkan hasil bisnis, dan membangun kapasitas untuk melayani 70.000 titik pengiriman hanya dalam 18 bulan.

Ada sejumlah cara untuk merasakan permintaan, dan setiap wawasan baru dapat mempercepat waktu reaksi dan meningkatkan keuntungan. Hasil terbesar dari proses pendeteksian permintaan ada di tiga area:

Perkiraan jangka pendek dengan data penjualan. Cara termudah bagi perusahaan untuk mulai merasakan permintaan adalah dengan menggunakan data historis paling terperinci yang tersedia. Ini biasanya melibatkan analisis data penjualan harian/pengiriman ke permintaan menggunakan cakrawala waktu singkat dan menyesuaikan perkiraan yang sesuai. Jenis faktor penginderaan permintaan ini dalam riwayat pengiriman, yang sudah tersedia di sebagian besar sistem perencanaan rantai pasokan atau perencanaan sumber daya perusahaan (ERP). Beberapa alat perencanaan mencakup peramalan statistik jangka pendek, untuk meningkatkan respons prakiraan terhadap perubahan permintaan yang sedang berlangsung.

Memasukkan data yang terjual habis. Saat merasakan permintaan, penting untuk melakukan brainstorming semua kemungkinan, sumber data berguna yang dapat meningkatkan perkiraan. Kecerdasan penjualan hilir seperti data pelanggan, PoS, atau saluran, misalnya, dapat membantu mengidentifikasi tren permintaan, memberikan peringatan dini masalah, dan menutup kesenjangan antara rencana dan apa yang sebenarnya terjadi dalam rantai pasokan.

Tambahkan data eksternal dan permintaan kausal. Penginderaan permintaan dapat dan juga harus mengintegrasikan variabel yang berkorelasi dengan permintaan untuk membuat perkiraan yang kuat yang mampu merespons berbagai peristiwa di masa depan, dari yang diketahui hingga yang tidak dapat diketahui. Ini termasuk fluktuasi pasar saham, promosi pesaing, tren media sosial yang viral, pengenalan produk baru, cuaca, dan faktor eksternal lainnya.

Menyatukan ketiga bagian itu — data penjualan dan penjualan bersama dengan permintaan kasual yang relevan — memberikan gambaran permintaan yang paling lengkap dan terpadu. Ini juga meletakkan dasar untuk pendeteksian permintaan yang sangat otomatis, yang membebaskan perencana untuk menerapkan pengetahuan bisnis guna lebih meningkatkan perkiraan dan layanan pelanggan.

Variabel internal dan eksternal yang tak terhitung jumlahnya memengaruhi variabilitas permintaan, dan ini hanya akan meningkat dalam periode perubahan besar yang ada di depan. Alat terbaik untuk mengelola variabilitas dan menjamin layanan yang tinggi adalah persediaan. Penginderaan permintaan membantu perusahaan menggunakan inventaris seoptimal mungkin. Ini mengekstrak sinyal penting dari kebisingan untuk mempertajam akurasi perkiraan, meningkatkan visibilitas permintaan jangka pendek dan meminimalkan inventaris — semuanya sambil meningkatkan layanan kepada pelanggan. Perusahaan yang berinvestasi hari ini pada alat, proses, dan keterampilan untuk meningkatkan kemampuan pendeteksian permintaan mereka dapat benar-benar siap untuk apa pun yang mungkin terjadi di masa depan.

Robert Kaufholz adalah direktur desain solusi di ToolsGroup.