5 Alat Teratas untuk Mengelola Risiko Rantai Pasok Berbasis Permintaan

Saat menganalisis risiko rantai pasok, manajer logistik cenderung fokus pada gangguan yang meluas seperti bencana alam dan pandemi. Memang, inilah peristiwa yang paling langsung mempengaruhi konsumen akhir dan menarik perhatian media berita utama.

Namun, ada perubahan yang kurang terlihat tetapi tidak kurang kuat yang sama dapat meruntuhkan rantai pasok yang tidak siap. Di antaranya adalah gangguan rantai pasok yang dipicu oleh permintaan, ditentukan oleh perubahan tiba-tiba dalam perilaku konsumen. Dalam ekonomi rantai pasok yang dipicu oleh permintaan saat ini, jenis gangguan ini sama pentingnya untuk direncanakan.

Meskipun berbeda dalam sifatnya, risiko yang dipicu oleh permintaan dapat dipengaruhi oleh risiko pasokan. Sebagai akibat dari pandemi COVID-19, misalnya, pasar konsumen telah melihat aliran masker wajah desainer, pemurni udara HEPA dan hand sanitizer.

Bagaimana konsumen makan, dan dari siapa mereka membeli makanan mereka, juga telah berubah sebagai akibat dari lockdown. Menurut studi terbaru oleh EIT, kebiasaan makan berubah pada 2020, dengan lebih banyak orang makan di rumah, memesan pengiriman atau membeli belanjaan online. Mereka yang makan di luar di kota memilih restoran lokal independen daripada rantai yang lebih besar. Untuk belanja tatap muka, banyak yang memilih toko yang lebih kecil daripada supermarket.

Banyak manajer logistik terbiasa dengan risiko yang dihadapi sumber pasokan setelah bencana alam. Apa yang mungkin mereka abaikan adalah efek dari peristiwa tersebut terhadap permintaan konsumen jangka panjang. Di hadapkan pada kenyataan perubahan iklim, banyak pembeli memilih produk dan layanan yang lebih berkelanjutan. Pelanggan saat ini bertanya pada diri mereka sendiri apakah ada versi yang lebih berkelanjutan dari produk yang mereka inginkan, apakah mereka benar-benar membutuhkan barang itu besok, atau apakah mereka membutuhkan produk sama sekali.

Salah satu cara tercepat permintaan dapat berubah adalah melalui budaya pop. Influencer selebritas dapat mengubah jenis pakaian atau kosmetika yang diinginkan konsumen dalam sekejap, saat difoto di jalan atau di acara merah. Jika merek yang mendapatkan keuntungan dari eksposur ini belum merencanakan dengan baik untuk lonjakan penjualan, mereka dapat menghadapi backlog dan kehilangan bisnis ke pesaing yang lebih siap.

Meskipun tren-tren ini tidak selalu mudah untuk diforek — siapa yang tahu bahwa fidget spinners akan berhasil? — beberapa insider industri telah belajar untuk membaca pasar dan dapat melihat perubahan datang lebih awal dari kebanyakan.

Untungnya, risiko yang dipicu oleh permintaan lebih mudah untuk diforek daripada risiko pasokan, karena pilihan luas sumber data yang tersedia dan teknologi analitik yang dirancang untuk memproses data tersebut. Terkait maturitas rantai pasok Anda, Anda mungkin perlu melakukan perubahan pada proses dan orang Anda untuk secara efektif menggunakan alat-alat ini. Berikut adalah lima pendekatan penting untuk diintegrasikan ke dalam strategi mitigasi risiko Anda.

Mengambil Input Permintaan Baru

Forecast permintaan biasanya melihat ke depan sekitar 30–90 hari. Tetapi jendela yang besar ini terlalu luas untuk menangkap wawasan yang dapat digunakan. Dengan melacak riwayat penjualan jangka pendek dan causals permintaan terkait, perusahaan dapat mendapatkan wawasan hampir waktu nyata dalam sebulan untuk membuat forecast yang lebih relevan.

Bisnis juga harus memaksimalkan volume dan variasi sumber data yang mereka kumpulkan. Detail seperti sentimen sosial, point-of-sale (POS), inventaris dan ketersediaan rak semuanya membantu meningkatkan visibilitas permintaan jangka pendek.

Modeling Permintaan

Model permintaan membantu memprediksi perilaku pelanggan di masa depan berdasarkan pengalaman di masa lalu. Semakin banyak sumber eksternal yang Anda gabungkan ke dalam model Anda, semakin akurat dan prediktif modelnya. Sumber eksternal dapat mencakup feed media sosial, informasi persaingan, ramalan cuaca dan data POS. Digabungkan dengan sumber data internal seperti riwayat penjualan, promosi dan perkenalan produk baru, informasi ini dapat menggambarkan gambaran yang jauh lebih akurat tentang perilaku masa lalu dan tren masa depan.

Forecasting Probabilistik

Ketika forecasting didasarkan pada banyak variabel, pendekatan deterministik "satu angka" lama terlalu sederhana. Sebaliknya, proses forecasting probabilistik, atau stokastik, mempertimbangkan ketidakpastian untuk membantu mengelola risiko. Dengan forecasting probabilistik, algoritma canggih menganalisis banyak variabel permintaan untuk menghitung probabilitas setiap kemungkinan hasil, lalu menentukan yang paling mungkin terjadi. Ini menawarkan cara yang jauh lebih andal untuk membuat prediksi saat pola permintaan bervariasi, riwayat pesanan terbatas (seperti, misalnya, dengan produk baru), atau faktor seperti musiman masuk permainan.

Perangkat Lunak Forecasting Permintaan

Memilih perangkat lunak yang tepat adalah kunci untuk menganalisis data yang Anda kumpulkan dengan efektif. Perangkat lunak forecasting permintaan yang menggunakan pendekatan probabilistik secara otomatis memodelkan permintaan bottom-up untuk item individual. Ini menganalisis baris pesanan untuk memodelkan kuantitas permintaan historis dan frekuensi permintaan, untuk memberikan estimasi yang akurat tentang volatilitas. Sistem yang tepat akan memahami perbedaan antara pemesanan massal 20 unit dan menjual unit tunggal dari produk yang sama 20 kali. Ini juga menangani permintaan "long-tail" intermiten untuk produk yang bergerak lebih lambat, yang sulit untuk diforek. Ini merencanakan faktor pasar seperti tren atau musiman, serta faktor organisasi seperti promosi yang membentuk permintaan, produk baru, bias forecast dan efek bullwhip.

Wawasan Manusia dan Perencanaan Lintas Fungsi

Setelah Anda menghasilkan forecast probabilitas dasar, Anda memerlukan orang di bisnis untuk menyempurnakannya dengan menambahkan pengetahuan dan keahlian mereka. Faktor permintaan yang kompleks, seperti kontradiksi dalam perilaku konsumen, paling baik diuraikan oleh seluruh tim analis manusia.

Ambillah contoh dari industri fashion. Pembeli Gen Z cenderung memprioritaskan keberlanjutan dan menyukai pakaian secondhand "upcycled". Mereka juga demografi yang paling mungkin untuk membeli dari perusahaan "fast-fashion" untuk mengikuti tren yang berubah. Untuk memahami kontradiksi seperti ini, pembeli fashion yang menganalisis tren perlu membandingkan catatan dengan merchandiser yang lebih dekat pada angka penjualan aktual. Dalam setiap rantai pasok, semakin banyak orang yang dapat Anda terlibat dalam menyempurnakan forecast permintaan di seluruh finance, marketing, sales, operations dan mitra channel Anda, semakin akurat forecast ini akan menjadi seiring waktu.

Seperti yang dikatakan oleh guru rantai pasok Martin Christopher sekali, "Bisnis individu tidak lagi bersaing sebagai entitas mandiri, melainkan sebagai rantai pasok." Pernahkah perasaan ini lebih benar daripada hari ini? Perusahaan yang rantai pasok mereka paling baik dalam merasakan dan bereaksi terhadap variabilitas permintaan tidak hanya akan paling tahan terhadap risiko; mereka juga akan dapat memastikan hasil bisnis terbaik secara keseluruhan.

David Barton adalah general manager, Amerika, di ToolsGroup.