COVID-19 beschleunigt Analytics-getriebenes Supply Chain Management

Von Engpässen bei persönlicher Schutzausrüstung bis zu einer breiten Palette von Consumer Goods hat die COVID-19 Pandemie globale Supply Chains in erwarteten und unvorhergesehenen Weisen disruptet. Experten schätzen, dass eine volle Recovery viele Monate dauern könnte.

Um schneller zu rebounden, wenden sich Supply Chain Leader fortgeschrittenen Technologien zu – IoT Data, Analytics und Machine Learning – um Echtzeit-Einblick in erratische Supply und Demand Patterns zu gewinnen.

„Die richtigen Machine Learning und AI Tools zu haben, befähigt Firmen, Markt-Dynamiken zu verstehen und ihre Supply Chains effektiver zu managen“, sagte George Bailey, Director des Digital Supply Chain Institute.

Die Disruption begann in China, der weltweiten Fertigungsmacht. Bis 2010 hatte China die USA in Fertigungsoutput überholt. Während die SARS Epidemie 2002-2003 China bei 4,3 % des globalen BIP hatte, merkt MIT Professor David Simchi-Levi an, dass es nun 16 % ausmacht.

Globalisierung wie wir sie kannten ist vorbei

Unternehmen, die stark auf chinesische Supplier angewiesen waren, spüren den Impact akut. Laut 2020 Statista Data beziehen einige Retailer mehr als die Hälfte ihres Inventars aus China. Die gleiche Survey fand, dass 44 % der Retailer Supply-Chain-Delays erwarten, 40 % Inventory Shortages antizipieren, und über die Hälfte der Elektronikhersteller bis zu vier Wochen Disruption vorsehen – ein inakzeptabler Lag im Zeitalter Zwei-Tage-Liefer-Erwartungen.

Während viele Firmen scramble, ihre Netzwerke zu reassessieren, war Risk Management historisch niedrige Priorität. Das Institute for Supply Management's jüngste Survey revealed, dass nahezu drei Viertel der Unternehmen Disruptions reporteten, doch 44 % hatten keinen formalen Mitigation Plan.

„Die Dringlichkeit zu diversifizieren und Redundanzen aufzubauen ist nun Realität“, sagte Alex Capri, Senior Fellow an der NUS Business School. „Die Ära globalisierter Supply Chains wie wir sie kannten ist vorbei.“

Analytics ins Supply Chain Management bringen

Hersteller sehen kaskadierende Disruptionen – von Supplier Plant Closures und Inventory Shortages bis Transportation Delays und Workforce Absences. Tier-1, Tier-2 und Tier-3 Supplier erfahren alle Setbacks, doch viele Firmen fehlt Visibility in diese Ripple Effects.

„Weil so viele Hersteller von China abhängen – direkt oder durch multiple Tiers – haben Factory Shutdowns und Understaffing Kapazität verknappt“, erklärte Bailey. Eine 2018 Statista Survey indizierte, dass 21 % der Supply Chain Professionals Visibility als signifikante organisatorische Herausforderung sehen.

„Heute verlassen sich die meisten Unternehmen noch auf Excel für Scenario Modeling“, sagte Bailey. Während Excel nützlich ist, können sophisticated Tools größere Accuracy liefern. Eine 2022 Supply Chain Quarterly Study fand, dass über 90 % der Manager Excel für Analytics nutzen, während 82 %, die advanced Tools einsetzen, markante Verbesserung sehen.

Successful AI Deployment erfordert ample Data. „Ein AI System muss mit comprehensive Datasets gefüttert werden, um zu lernen, wie zu respondieren“, noted Bailey. Ralf W. Seifert und Richard Markoff, in „Demand for AI in Demand Planning“, argumentieren, dass inkonsistente Forecasts across Sales und Operations AI Outcomes biasen können.

AI in Demand Planning

Bailey betonte, dass Demand Planner shifting Demand Patterns während Krisen verstehen und beeinflussen müssen. IoT Sensor Data hilft z. B. Reifenherstellern, Druck und Tread Wear zu monitoren, proaktiv Kunden zu alerten und Inventory Needs zu informieren.

„Technologie und Analytics sind essenziell, um zu verstehen, was Demand treibt, und für AI, zukünftige Bedarfe zu forecasten“, sagte Bailey. Während manche Firmen in neue Tech und Talent investieren müssen, können Overall Labor Costs sinken, da Automation Planners Arbeit supplementiert.

Gartner prognostiziert, dass bis 2023 mindestens 50 % der globalen Unternehmen AI-getriebene Transformationen in Supply Chain Operations deployen werden.

Jedoch müssen viele Organisationen erst ihre Daten cleanen und standardisieren. „Viele Daten sind unvertrauenswürdig – misformatted, inaccurate, oder biased – so geht considerable Effort in making it usable“, warnte Bailey.

Data Quality bleibt das größte Hindernis für AI in Demand Planning, beobachteten Seifert und Markoff. Im Short to Medium Term werden Supply Chain Manager stark auf Analytics lehnen, um Scarcity und Uncertainty zu navigieren.

Bailey schlug vor, dass Unternehmen ihre SKU Portfolios verengen müssen, fokussierend auf High-Value Customers und fact-based Priorisierungsentscheidungen treffend. „Wenn Sie 100 Units eines Produkts haben, aber 500 brauchen, müssen Sie entscheiden, welche Kunden Sie zuerst bedienen“, erklärte er.

Strategic Sourcing wird sich auch verschieben. „Überkonzentration in China ist nicht mehr viable“, sagte Bailey. Risiko und Opportunity über geografische Locations zu balancieren, ist paramount geworden.

Letztlich zwingt die Pandemie Firmen, Technologien und Praktiken zu adoptieren, die sie postponed hatten, aber nun für Supply Chain Resilienz umarmen müssen.

„COVID-19 ist ein Katalysator für Change, den viele Unternehmen ohnehin unternommen hätten“, schloss Bailey. „Die gute Nachricht: Diese Changes sind jetzt inevitable.“