하이브리드 수요 감지:불확실한 시기에 대비한 공급망

오늘날의 공급망은 제품 라인 확산, 제품 수명 주기 축소, 복잡성 증가, 방대한 양의 데이터로 인해 어려움을 겪고 있습니다. 그 목록에 추가하기 위해 고객은 점점 더 까다로워지고 예측할 수 없게 되었습니다. 인터넷을 기반으로 하는 트렌드는 한 푼도 없이 변하고 있으며 판촉 및 판매는 날씨, 신제품 출시 및 경제 상황에 따라 달라질 수 있습니다.

내일의 변화에 ​​대비하기 위해 기업은 공급망의 변화가 수요에 미치는 영향을 이해해야 합니다. 그래야만 고객이 원하는 제품을 적시에 제공할 수 있습니다.

수요 감지는 이름에서 알 수 있듯이 본질적으로 소비자가 원하는 것을 더 잘 예측하기 위해 단기 추세를 즉시 파악하는 기술이자 과학입니다. 수요는 무한한 알려진 변수와 알려지지 않은 변수의 영향을 받기 때문에 완벽하게 예측할 수 없습니다. KPMG와 이코노미스트 인텔리전스 유닛(Economist Intelligence Unit)의 연구에 따르면 기업 예측의 22%만이 5% 포인트 이내로 정확했습니다. 평균적으로 예측은 13% 빗나갔고 주가에 상당한 영향을 미쳤습니다.

가중 평균 및 이해하기 쉬운 기타 전통적인 방법을 사용하는 예측 접근 방식을 고수하는 순수주의자가 많이 있습니다. 이 접근 방식은 편안하고 접근 가능하다고 느낄 수 있지만 과거 수요 패턴을 기반으로만 예측을 산출할 수 있습니다. 수요와 수요에 영향을 미치는 요소에 대한 거의 실시간 보기를 제공할 수 있는 중요한 온라인 및 외부 데이터가 부족합니다.

오늘은 더 나은 방법이 있습니다. 날씨를 예측하는 것과 마찬가지로 지능형 수요 감지 시스템을 훈련하여 소비자 수요의 혼돈처럼 보이는 것을 높은 정확도로 예측하는 것이 가능합니다. 이러한 하이브리드 수요 감지 시스템은 여러 예측 기술과 데이터 유형을 적용합니다.

하이브리드 수요 감지는 단순한 예측 대안보다 더 강력하고 안정적이며 지속 가능합니다. 다양한 계획 접근 방식을 적용함으로써 이점을 얻을 수 있을 뿐만 아니라 추가 인간 인텔리전스와 데이터 세트가 고려됨에 따라 더욱 강력하고 반응성이 높아집니다.

수요 감지의 큰 이점은 예측에 단기 추세를 즉시 통합한다는 것입니다. 계획자는 60일 또는 90일 창에서 동일한 예측을 사용하는 대신 최신 판매 데이터를 사용하여 예측을 지속적으로 미세 조정할 수 있는 통찰력을 얻습니다. 요구 변화에 더 빠르고 더 자주 대응할 수 있는 이러한 능력은 더 높은 수익과 서비스 수준을 제공하고 낭비를 줄입니다.

다음은 수요 감지가 기업이 통찰력을 수익성 있는 조치로 전환하는 데 도움이 되는 몇 가지 예입니다.

타이어 교체 유통업체인 TireHub는 로컬 PoS 데이터를 기계 학습으로 강화된 수요 감지 모델에 통합합니다. SKU 확산과 계절성이라는 두 가지 문제로 인해 TireHub가 재고를 최적으로 배치하는 것이 어려웠습니다. 오늘날, 예측 가능한 수요 변동(예:겨울에 스노우 타이어 판매가 최고조에 달함)뿐만 아니라 지역 및 지역에서 판매되는 다양한 자동차 모델의 수를 고려하여 현지 수요의 복잡성에 대해서도 계획합니다. 이 모델을 사용하여 TireHub는 보충 계획의 많은 부분을 완전히 자동화하고, 비즈니스 성과를 개선하고, 단 18개월 만에 70,000개의 배송 지점을 제공할 수 있는 능력을 구축할 수 있었습니다.

수요를 감지하는 방법에는 여러 가지가 있으며, 각각의 새로운 통찰력은 반응 시간을 단축하고 수익을 높일 수 있습니다. 수요 감지 프로세스의 가장 큰 수익은 다음 세 가지 영역에 있습니다.

판매량 데이터를 사용한 단기 예측. 기업이 수요 감지를 시작하는 가장 쉬운 방법은 사용 가능한 가장 세부적인 과거 데이터를 사용하는 것입니다. 여기에는 일반적으로 짧은 시간 범위를 사용하여 일일 판매/납품 수요 데이터를 분석하고 그에 따라 예측을 조정하는 작업이 포함됩니다. 이러한 유형의 수요 감지 요인은 출하 내역에서 대부분의 공급망 계획 또는 ERP(전사적 자원 관리) 시스템에서 쉽게 사용할 수 있습니다. 일부 계획 도구에는 지속적인 수요 변화에 대한 예측 응답성을 개선하기 위한 단기 통계 예측이 포함됩니다.

매진 데이터를 통합합니다. 수요를 감지할 때 예측을 개선할 수 있는 모든 가능한 유용한 데이터 소스를 브레인스토밍하는 것이 중요합니다. 예를 들어 고객, PoS 또는 채널 데이터와 같은 다운스트림 판매 인텔리전스는 수요 추세를 식별하고 문제에 대한 조기 경고를 제공하며 계획과 공급망에서 실제로 일어나는 일 사이의 격차를 줄이는 데 도움이 될 수 있습니다.

외부 데이터 및 수요 인과 관계를 추가합니다. 수요 감지는 수요 상관 변수를 통합하여 알려진 것에서 알 수 없는 것까지 광범위한 미래 이벤트에 대응할 수 있는 강력한 예측을 생성할 수 있고 또 통합해야 합니다. 여기에는 주식 시장 변동, 경쟁업체 프로모션, 바이럴 소셜 미디어 동향, 신제품 소개, 날씨 및 기타 외부 요인이 포함됩니다.

관련 수요 캐주얼과 함께 판매 및 판매 데이터의 세 가지 요소를 모두 통합하면 가능한 가장 완벽하고 결합된 수요 그림을 얻을 수 있습니다. 또한 계획자가 비즈니스 지식을 적용하여 예측 및 고객 서비스를 더욱 개선할 수 있도록 하는 고도로 자동화된 수요 감지의 기반을 마련합니다.

수많은 내부 및 외부 변수가 수요 변동성에 영향을 미치며, 이는 앞으로 닥칠 거대한 변화 기간에만 증가할 것입니다. 변동성을 관리하기 위한 최고의 도구 및 높은 서비스를 보장하는 것은 재고입니다. 수요 감지는 기업이 재고를 최대한 최적으로 사용할 수 있도록 도와줍니다. 노이즈에서 중요한 신호를 추출하여 예측 정확도를 높이고 단기 수요 가시성을 개선하며 재고를 최소화하는 동시에 고객에 대한 서비스를 개선합니다. 수요 감지 기능을 향상시키기 위해 도구, 프로세스 및 기술에 오늘 투자하는 기업은 내일의 어떤 일에도 진정으로 대비할 수 있습니다.

Robert Kaufholz는 ToolsGroup의 솔루션 디자인 이사입니다.