소매 공급망 운영의 야수 길들이기

소매 공급망 경영진은 디지털 시대에 소비자가 요구하는 원활한 옴니채널 경험을 지원해야 한다는 강한 압박을 받고 있습니다.

소비자는 더 많은 제품 다양성, 더 빠른 배송, 경제성, 모든 채널을 통한 픽업 및 반품을 원합니다. 이러한 기대를 충족시키는 것은 신속하고 정확하게 대응할 수 있는 비용 효율적인 공급망을 운영하는 소매업체에 달려 있습니다. 우수한 고객 경험을 제공하는 데 있어 이는 개인화된 프런트 엔드 마케팅만큼 중요합니다.

소매 공급망 경영진에게 힘든 시기입니다. 매일 또 다른 세간의 이목을 끄는 차질이나 실패에 대한 뉴스를 가져오는 것처럼 보이기 때문에 위험은 하늘을 찌를 정도로 높습니다.

소매 공급망은 길들이기 어려운 복잡한 짐승입니다. Sapio Research의 최근 연구에 따르면 다음과 같습니다.

<울>

소매업체의 94%는 공급망 성과에 영향을 미치는 이벤트에 대한 엔드 투 엔드 가시성이 부족합니다.

71%는 공급망 가시성의 부족이 비즈니스에 부정적인 영향을 미친다고 말합니다.

87%는 실시간 업데이트와 함께 완전히 가시적인 공급망이 경쟁 우위를 제공할 것이라고 믿습니다.

이러한 결과는 불행히도 놀라운 일이 아닙니다. eyefortransport의 연구에 따르면 소매업체와 제조업체의 거의 3분의 2가 여전히 공급망 계획에 Excel을 사용합니다. 그리고 46%는 시간이 많이 소요되는 수동 공급망 프로세스에 의존합니다.

로이터 보고서는 "이제 그 어느 때보다 효율적인 공급망이 소매업체와 제조업체 모두에게 중요한 성장 동력이 될 것"이라고 말했습니다. "Excel 스프레드시트 및 제한된 기능의 기존 계획 솔루션과 같은 기존 계획 도구는 더 이상 오늘날의 복잡한 공급망 문제를 해결하는 데 적합하지 않습니다."

반창고가 충분하지 않을 때

소매 공급망은 고객 요구 사항을 더 잘 충족하기 위해 혁신하고 있습니다. 한 가지 예는 라스트 마일 배송을 가속화하기 위해 수요가 많은 지역에 위치한 팝업 창고입니다. 이러한 기업은 소비자 픽업 장소로 두 배로 사용하거나 제한된 소매 선택을 제공할 수도 있습니다. 또한 소매업체는 매장에서 배송되는 모델을 활용하여 실제 매장을 임시 주문 처리 센터로 전환하고 있습니다.

두 모델 모두 소비자에게 더 빨리 상품을 제공하지만 마진을 줄이는 추가 비용이 발생할 수 있습니다. 이는 공급망 비효율성의 근본 원인인 사일로화된 애플리케이션, 빠르게 증가하는 데이터 볼륨, 내재된 인간의 한계를 해결하지 않는 반창고 솔루션입니다.

ERP(전사적 자원 관리), 창고 보관, 재고, 판매 운영 및 물류 시스템의 데이터를 사용하는 Excel 기반 계획 및 기존 수요 예측 도구는 따라갈 수 없습니다. 데이터 볼륨과 애플리케이션 복잡성은 소비자의 기대만큼 빠르게 증가하고 있습니다.

결과적으로 소매업체는 수요 변화에 신속하게 대응할 수 없습니다. 리드 타임을 몇 달 전에 미리 설정하면 한 영역에서 수요가 급증하지만 다른 영역에서는 수요가 감소하거나 전자 상거래 매출이 예상을 초과하는 경우 적응 속도가 느립니다. 종종 그들은 재고 과잉에 의존하여 높은 운송 비용과 판매가 부족할 경우 판매되지 않은 제품의 위험을 감수합니다.

오늘날의 실시간 공급망의 다양한 역학을 관리하는 것은 인적 계획 수립자에게 사실상 불가능한 것으로 판명되었습니다. 너무 많은 데이터, 너무 많은 애플리케이션, 너무 많은 변수를 설명할 수 없습니다. 한편, 구식 소매업체는 인공 지능과 같은 차세대 기술을 사용하여 공급망과 소비자 경험을 최적화하는 Amazon과 같은 디지털 네이티브에게 입지를 잃고 있습니다.

로이터 보고서는 "소매 공급망의 증가하는 속도에 대처하기 위해 디지털화해야 할 필요성이 점점 더 커질 것"이라고 말했습니다. "미래를 생각하는 소매업체의 경우 과거를 분석하고 이해하는 것뿐만 아니라 미래를 위해 더 나은 결정을 내리기 위해 새로운 분석 기술을 사용하는 방법에 대해 생각하는 것이 중요합니다."

AI 기반 인지 자동화

AI는 우리 소비자의 삶에 침투하여 제품을 선택하고 교통 체증을 피하고 의료 치료법을 선택하는 데 도움이 되었습니다. 이제 더 빠르고 가시적이며 저렴한 공급망을 운영할 수 있는 획기적인 기능을 기업에 제공하여 기업 규모에서도 동일한 작업을 수행하고 있습니다.

AI는 딥 머신 러닝(ML) 분석을 공급망 운영에 도입하는 인지 자동화의 기반 기술입니다. AI 기반 인지 자동화 플랫폼은 모든 관련 애플리케이션에서 하루에 수천 번 데이터 크롤링을 수행하여 해당 정보를 단일 인지 데이터 계층으로 집계합니다.

예를 들어 재고 재할당, 비용 절감 또는 배송 시간 단축과 같은 목표에 따라 AI 및 ML 알고리즘이 상황을 분석하고 결과를 예측하며 최적의 조치를 권장하는 데 적용되기 때문에 인지 계층이라고 합니다.

기존의 방법과 달리 이러한 분석적 통찰력은 몇 주 또는 몇 달이 지난 데이터를 사용하지 않습니다. 거의 실시간 정보를 기반으로 합니다. 인지 자동화는 신속한 개입을 가능하게 하기 위해 전개되는 추세와 문제를 찾아냅니다. 또한 인지 자동화가 트랜잭션 시스템에 연결되어 있기 때문에 사람이 프로세스를 수정하기 위해 시스템에 로그인할 필요 없이 시정 조치를 자동으로 실행할 수 있습니다.

인지 자동화는 이미 CPG, 제약 및 제조 회사의 공급망 운영에 수백만 달러의 개선을 제공하고 있습니다. 소규모로 시작하여 규모를 확장하는 소매업체는 다음과 같은 다양한 보상을 받을 수 있습니다.

더 나은 예측. 인지 자동화는 여러 애플리케이션, 채널 및 지역에 걸쳐 고도로 세분화된 SKU 수준 데이터를 통합합니다. 판매 동향, 인구 통계, SKU 품종 및 기타 변수에 대한 AI 분석은 적시에 적소에 적절한 제품을 제공하는 정확도를 높입니다.

민첩한 인벤토리 재할당. 인지 자동화는 기존 도구로는 불가능한 속도와 범위로 실시간 재고 및 판매 데이터를 지속적으로 분석합니다. 조건이 변경되면 재고를 재할당하도록 권장하거나 덜 팔린 상품에 대한 판촉을 제안할 수 있습니다.

통합 계획 코그너티브 자동화는 광범위한 데이터를 활용함으로써 소매업체가 생산, 재고, 마케팅, 머천다이징, 판촉, 물류 및 일반적으로 고립되어 있는 기타 영역 전반에 걸쳐 조정하는 데 도움이 됩니다. 판매자는 정보에 입각한 추측에 의존하지 않고 전체 수명 주기에 걸쳐 데이터 기반 결정을 내릴 수 있습니다.

운송 및 물류 개선. 인지 자동화는 소매업체가 보유 재고, 수요 변동, 운송업체 가용성, 운임 비용, 리드 타임 등과 같은 실시간 변수를 분석하여 주문 처리를 가속화하고 비용을 최소화할 수 있도록 합니다. 중단이 발생하면 AI가 목표를 달성하기 위한 대안을 추천합니다.

소매 환경 전반에 걸친 혼란은 2020년 이후에도 계속될 것입니다. 기술 혁신이 성공하는 소매업체와 뒤처진 소매업체를 구분하는 요소임이 분명해지고 있습니다. 데이터 기반 결정을 내리고 프로세스를 조정하기 위해 기술에 현명하게 투자하는 소매업체는 빠르게 변화하는 산업에서 생존하고 번성할 수 있는 장비를 갖추게 될 것입니다.

Arnaud Morvan은 Aera Technology의 고객 참여 수석 이사입니다.