Intervju: Varför är Supply Chain Analytics verkligen viktigt?
I följande video diskuterar Hakan Andersson varför Supply Chain Analytics verkligen är viktigt.
De viktigaste slutsatserna:
Utmaningarna med att förstå sig på stora datamängder
Fyra svårigheter med dataanalys av försörjningskedjan
Typer av dataanalys av försörjningskedjan som behöver göras
Varför är det svårt att förstå sig på stora datamängder?
Först vill jag säga att det är fantastiskt att ha big data. Nu har vi data, data på djup nivå, vi har datorkraften att bearbeta data. Det innebär att vi faktiskt kan fastställa vad som är verklighet, i nära anslutning till när saker och ting inträffar. Vi behöver inte förlita oss på etablerade sanningar som ofta visar sig inte vara sanningar, utan snarare myter.
Risken här är att med alla dessa vackra data tillgängliga, är det mycket lätt att ryckas med. Det finns också en risk att uppgifterna är tillgängliga för många människor. Alla som har tillgång till dem kan dra sina egna slutsatser. Det är därför som uppgifterna måste kureras, de måste hanteras av någon som har expertis och kunskap om verksamheten. Annars kan de slutsatser som alla som har tillgång till uppgifterna drar mycket väl vara felaktiga, och då jämför man äpplen med ananas.
Vi vet från Establish-Davis Database, där vi har följt upp logistikkostnader och tjänster i nästan fyrtio år, att man verkligen måste veta vad som är jämförbart och vad som inte är det.
Det är inte rättvist att jämföra logistikkostnaden för en artikel med högt värde och låg vikt, som läkemedel, med en bransch som stålindustrin, där artiklarna har lågt värde och hög vikt. Det är en stor skillnad, och det kan ge dig problem om du arbetar med leveranskedjan i företaget, för då kommer du att vara i försvarsställning hela tiden och försöka förklara varför saker är rätt eller fel, och du måste ha kontroll över vad som är viktigt och vad som är rätt.
Svårigheter med analys av data från leveranskedjan
En svårighet med att sortera igenom uppgifterna är för det första att uppgifterna aldrig - jag skulle säga nästan aldrig - är rena. Bara det faktum att du har en massa data och att de ser ut att vara mycket korrekta och giltiga betyder inte att de är det, så du måste känna till och identifiera svagheterna i data, var masterfilerna har uppdaterats och var de inte har det och var du bara har en platshållare och var det är riktiga grejer.
En annan svårighet med rena data är att även om data är korrekta kan de innehålla extremvärden och outliers som snedvrider resultaten av den analys du gör. Därför är det ett första steg att rensa data, identifiera extremerna och känna till de svagheter där du kan använda data och där de inte är giltiga.
Du måste bestämma dig för vad som är viktigt. Här är det lätt att gå vilse i en massa analyser, och du måste veta vad som verkligen är meningsfullt och var du får ut något av analysen.
Du måste göra uppgifterna jämförbara. Till exempel måste man göra dem jämförbara över tiden så att man vet när verksamheten har förändrats, och man måste göra justeringar av trenderna. Trendanalys är det bästa sättet att övervaka och identifiera var dina åtgärder för att förbättra effektiviteten, till exempel, lönar sig och var du behöver ta en närmare titt.
Med big data vill du också göra benchmarking mellan dina enheter och benchmarking externt. Sedan måste man göra uppgifterna jämförbara mellan enheterna.
Ett uppenbart och kanske litet exempel är när det gäller anläggningar. Det kostar att förvara inventarierna i lager där du kanske äger en del av anläggningarna själv och du kanske hyr en del av anläggningarna. Den faktiska kostnaden som du bör använda kan vara densamma, men den ägda anläggningen kan komma ut mycket gynnsamt i dessa jämförelser. Här kan det vara bra att skapa en fiktiv hyra för att jämna ut spelplanen.
Vilka typer av dataanalyser för försörjningskedjan behöver göras och varför?
Detta beror naturligtvis på behoven. I vilket skede befinner ni er? Ska du vända ett företag? Håller du bara ett öga på ett välfungerande företag? Har ni haft några fusioner och så vidare?
Det första området du vill titta på är kostnads- och effektivitetsområdet. Vi brukar börja med att titta på logistikkostnaderna och strukturen per artikel, per kund och per leverantör, och vi tittar på orderstrukturen. Det vi försöker titta på är vad som driver kostnaderna. Genom att tillämpa vissa tumregler eller detaljerad kunskap som vi har från andra analyser kan vi identifiera vilka artiklar som är lönsamma, vilka kunder vi ska fokusera på, vilka leverantörer vi har avtal med som gör att den landade kostnaden blir högre än vi trodde att den skulle vara.
Om vi vet det kan vi sedan lägga upp strategier för hur vi hanterar kunderna. Det kan vara så, vilket ofta är fallet, att vi har en orderstruktur där vi har många små order. Hanteringskostnaden kan vara straffande för varje order, så de små orderna gör hela verksamheten olönsam. Om vi vet det kan vi hitta olika sätt att automatisera orderhanteringen, ha fria fraktgränser eller ha en hanteringsavgift.
Det finns många sätt att använda den här kunskapen på. Om man tittar på leverantörerna ser man ofta att de är lite ofokuserade, pekar åt alla håll och har många små leverantörer. Då kan det vara vettigt att ha någon som är lite dyrare, men där logistiken är mycket effektiv och gynnsam för dig.
När vi tittar på effektivitet fokuserar vi naturligtvis på hanteringskostnaden och anläggningskostnaden, vi tittar på plockning, mottagning, administration. I det här fallet vill vi göra trendanalyser, vi vill göra interna jämförelser mellan olika enheter och olika anläggningar, vi vill titta på om det finns något geografiskt område eller land som är mer gynnsamt och mer effektivt.
När vi har fått ordning på detta är det mycket intressant att göra en extern benchmarking. Var finns era konkurrenter? Jag nämnde tidigare Establish-Davis Database, som är kostnadsfri så att du kan få ett bra grepp om hur du ligger till i förhållande till dina konkurrenter.
Ett specifikt område är transportkostnaderna. Detta är en kostnadspost som i de flesta företag till största delen är extern, vilket innebär att det är pengar som hamnar på sista raden. Genom att analysera transporterna och behoven av transportsätt kan man upptäcka att man ofta kan använda billigare transportsätt, man kan hitta potentiella konsolideringsområden, vilket vi vet sparar mycket pengar och, återigen, påverkar slutresultatet.
Det finns trendanalyser som är möjliga nu som inte var möjliga för ett antal år sedan med, säg, med transporterna. Förr var det omöjligt att göra en detaljerad analys av hur den faktiska fraktfaktureringen såg ut jämfört med avtalen, men nu är det möjligt.
Vad vi vet är att ett företag i genomsnitt överfaktureras med 2 till 4 procent när man jämför den faktiska leveransen med avtalet och att ständigt övervaka detta och följa upp kan vara något som du lägger ut, men det finns också lättillgängligt i transporthanteringssystem för logistikkontrolltorn, eller så kan du i vissa fall göra det själv utan dessa analysverktyg.
Om du tittar på en mer strategisk nivå berörde vi analysen när det gäller leverantörer, orderstruktur, kunder, artiklar, sortimentsanalys, men ett mycket lukrativt område att titta på är analys av distributionsnätverk. Vad man gör är att titta på... lagrar jag rätt mängd av varje artikel för att nå en viss servicenivå? Lagrar jag varorna där det är mest fördelaktigt kostnadsmässigt? Lagrar jag dem där det är enklast och billigast att skicka till kunderna? Allt detta är möjligt att göra med data som är lättillgängliga.
Slutsats
Sammanfattningsvis erbjuder de analyser av leveranskedjan som är möjliga att göra nu en fantastisk möjlighet för dig som supply chain manager att sätta dig i förarsätet. Det här är ett område som är mycket kvantifierbart, och du kan sätta siffror på det. Om du har data kan du ta ansvar, du kan definiera vad som är viktigt och du kan driva och övervaka effektiviteten, och du kan också vara en bra kund till de leverantörer som hjälper dig.
Tack så mycket för att jag fick komma, och jag ser fram emot att prata med er igen.