Retail Supply Chain meistern: Nahtlose Omnichannel-Erlebnisse liefern

Retail-Supply-Chain-Führungskräfte stehen unter enormem Druck, die nahtlosen Omnichannel-Erlebnisse zu unterstützen, die Konsumenten im digitalen Zeitalter fordern.

Konsumentenerwartungen als Treiber

Konsumenten wollen mehr Produktvielfalt, schnellere Lieferung, Erschwinglichkeit sowie Abholung und Rückgabe über jeden Kanal. Diese Erwartungen zu erfüllen, hängt davon ab, dass Händler eine kosteneffiziente Lieferkette betreiben, die schnell und präzise reagieren kann. Wenn es um ein überlegenes Kundenerlebnis geht, ist das genauso wichtig wie personalisiertes Frontend-Marketing.

Zeiten sind hart für Retail-Supply-Chain-Entscheider. Die Einsätze sind extrem hoch, da fast täglich Nachrichten über prominente Rückschläge oder Fehlschläge hereinkommen.

Mangelnde Transparenz als Kernproblem

Die Retail-Lieferkette ist ein komplexes Biest, das sich schwer zähmen lässt. Eine aktuelle Studie von Sapio Research ergab:

• 94 % der Händler fehlt Ende-zu-Ende-Transparenz über Ereignisse, die die Supply-Chain-Performance beeinflussen.
• 71 % sagen, dass mangelnde Supply-Chain-Transparenz das Geschäft negativ beeinflusst.
• 87 % glauben, dass eine vollständig transparente Lieferkette mit Echtzeit-Updates Wettbewerbsvorteile brächte.

Diese Ergebnisse sind leider nicht überraschend. Fast zwei Drittel von Händlern und Herstellern nutzen noch Excel für die Supply-Chain-Planung, laut einer Studie von eyefortransport. Und 46 % verlassen sich auf manuelle, zeitaufwändige Supply-Chain-Prozesse.

„Nie war eine effiziente Lieferkette so kritisch als Wachstumstreiber für Händler und Hersteller“, heißt es im Reuters-Bericht. „Legacy-Planungstools wie Excel-Tabellen und traditionelle Planungslösungen mit begrenzter Leistungsfähigkeit sind nicht mehr geeignet, um die komplexen Supply-Chain-Herausforderungen von heute zu lösen.“

Wenn Pflaster nicht mehr reichen

Retail-Lieferketten innovieren, um Kundenbedürfnisse besser zu erfüllen. Ein Beispiel sind Pop-up-Lager in nachfragestarken Gebieten, um die Last-Mile-Lieferung zu beschleunigen. Diese können auch als Abholorte für Konsumenten dienen oder eine begrenzte Retail-Auswahl anbieten. Zudem nutzen Händler Ship-from-Store-Modelle und wandeln physische Läden in ad-hoc-Fulfillment-Zentren um.

Beide Modelle bringen Güter schneller zum Konsumenten, können aber zusätzliche Kosten einführen, die Margen schmälern. Sie sind Pflaster-Lösungen, die die Ursache von Supply-Chain-Ineffizienz nicht angehen: siloartige Applikationen, schnell wachsende Datenmengen und inhärente menschliche Limitierungen.

Excel-basierte Planung und konventionelle Demand-Forecasting-Tools, die Daten aus ERP-, Warehousing-, Inventar-, Sales-Operations- und Logistik-Systemen nutzen, kommen nicht mehr hinterher. Datenvolumen und Applikationskomplexität wachsen genauso schnell wie Konsumentenerwartungen.

Dadurch können Händler nicht schnell auf Nachfrageänderungen reagieren. Mit Lieferzeiten, die Monate im Voraus festgelegt sind, passen sie sich langsam an, wenn die Nachfrage in einem Gebiet explodiert und in einem anderen einbricht, oder wenn E-Commerce-Verkäufe Prognosen übertreffen. Oft greifen sie auf Überbestände zurück, was hohe Lagerhaltungskosten und unverkaufte Ware riskiert, wenn der Absatz hinter den Erwartungen zurückbleibt.

Die vielen Dynamiken der heutigen Echtzeit-Lieferkette zu managen, erweist sich für menschliche Planer als praktisch unmöglich. Es gibt einfach zu viele Daten, zu viele Applikationen und zu viele Variablen. Gleichzeitig verlieren traditionelle Händler Boden an Digital Natives wie Amazon, die Next-Gen-Technologien wie künstliche Intelligenz nutzen, um Supply Chain und Kundenerlebnis zu optimieren.

„Die Notwendigkeit zu digitalisieren, um mit der zunehmenden Geschwindigkeit der Retail-Lieferkette Schritt zu halten, wird nur wachsen“, so der Reuters-Bericht. „Für zukunftsorientierte Händler ist es essenziell, damit zu beginnen, darüber nachzudenken, wie neue Analytics-Technologie nicht nur dazu genutzt wird, die Vergangenheit zu analysieren und zu verstehen, sondern um bessere Entscheidungen für die Zukunft zu treffen.“

KI-gestützte Cognitive Automation

KI hat Einzug in unser Konsumentenleben gehalten – bei Produktauswahl, Stauvermeidung, sogar bei Gesundheitsentscheidungen. Jetzt tut sie dasselbe auf Enterprise-Ebene, indem sie Unternehmen bahnbrechende Fähigkeiten verleiht, schnellere, transparentere und kostengünstigere Lieferketten zu betreiben.

KI ist eine fundamentale Technologie in der sogenannten Cognitive Automation, die Deep-Machine-Learning-Analytics in Supply-Chain-Operationen einbringt. Eine KI-gestützte Cognitive-Automation-Plattform crawlt tausende Male täglich alle relevanten Applikationen und aggregiert diese Informationen in eine einzige kognitive Datenschicht.

Sie heißt kognitive Schicht, weil hier KI- und ML-Algorithmen angewendet werden, um Situationen zu analysieren, Ergebnisse vorherzusagen und Empfehlungen für optimale Aktionen basierend auf Zielen zu geben – etwa Bestandsumverteilung, Kostensenkung oder Beschleunigung der Lieferzeit.

Im Gegensatz zu konventionellen Methoden basieren diese analytischen Insights nicht auf Daten, die Wochen oder Monate alt sind; sie basieren auf Near-Realtime-Informationen. Cognitive Automation erkennt Trends und Probleme, während sie sich entfalten, und ermöglicht schnelles Eingreifen. Und weil Cognitive Automation mit transaktionalen Systemen verbunden ist, können Korrekturmaßnahmen automatisch ausgeführt werden, ohne dass Menschen sich in Systeme einloggen müssen, um Prozesse zu modifizieren.

Messbare Vorteile

Cognitive Automation liefert bereits Verbesserungen im multimillionen Dollar-Bereich in Supply-Chain-Operationen bei CPG-, Pharma- und Fertigungsunternehmen. Händler, die klein anfangen und skalieren, können vielfache Vorteile ernten:

Bessere Prognosen

Cognitive Automation konsolidiert hochgranulare SKU-Level-Daten über mehrere Applikationen, Kanäle und Geografien. KI-Analyse von Verkaufstrends, Demografie, SKU-Vielfalt und anderen Variablen verbessert die Genauigkeit, das richtige Produkt zur richtigen Zeit am richtigen Ort zu haben.

Agile Bestandsumverteilung

Cognitive Automation analysiert kontinuierlich Echtzeit-Bestands- und Verkaufsdaten mit einer Geschwindigkeit und Reichweite, die mit traditionellen Tools nicht möglich ist. Sie gibt Empfehlungen zur Bestandsumverteilung, wenn sich Bedingungen ändern, oder schlägt Promotions für schlecht laufende Waren vor.

Integrierte Planung

Indem sie auf ein breites Datenspektrum zugreift, hilft Cognitive Automation Händlern, über Produktion, Inventar, Marketing, Merchandising, Promotionen, Logistik und andere typischerweise siloartige Bereiche zu koordinieren. Händler können datengetriebene Entscheidungen über volle Lebenszyklen treffen, statt auf educated guesses zu vertrauen.

Verbesserungen in Transport und Logistik

Cognitive Automation befähigt Händler, Fulfillment zu beschleunigen und Kosten zu minimieren, indem sie Echtzeit-Variablen wie Vorratsbestände, Nachfrageschwankungen, Carrier-Verfügbarkeit, Frachtkosten, Lieferzeiten und mehr analysiert. Tritt eine Störung auf, empfiehlt KI Alternativen, um Ziele zu erreichen.

Disruption im Retail wird 2020 und darüber hinaus anhalten. Es wird kristallklar, dass technologische Innovation trennt, was gewinnende Händler von Nachzüglern unterscheidet. Händler, die klug in Technologie investieren, um datengetriebene Entscheidungen zu treffen und Prozesse zu orchestrieren, werden gerüstet sein, in einer sich schnell wandelnden Branche zu überleben und zu gedeihen.

Arnaud Morvan ist Senior Director of Customer Engagement bei Aera Technology.