需要主導型のリスク管理のための5つのツール

サプライチェーンのリスクを分析する場合、ロジスティクス管理者は環境災害やパンデミックなどの広範囲にわたる混乱に焦点を当てる傾向があります。実際、これらのイベントがエンドユーザーに最も直接的な影響を与え、主流のニュースメディアの注目を集めています。

ただし、準備が整っていないサプライチェーンを同様に狂わせる可能性のある、目立たないが強力な変更はありません。これらの中には、消費者行動の突然の変化によって決定される、需要主導のサプライチェーンの混乱があります。需要主導型のサプライチェーン経済では、この種の混乱を計画することも同様に重要です。

性質は異なりますが、需要主導のリスクは供給リスクの影響を受ける可能性があります。たとえば、COVID-19のパンデミックの結果として、消費者市場では、デザイナーのフェイスマスク、HEPA空気清浄機、手指消毒剤が流入しています。

封鎖の結果、消費者の食生活や食品の購入者も変化しました。 EITによる最近の調査によると、2020年には食生活が変化し、家で食事をしたり、配達を注文したり、オンラインで食料品を購入したりする人が増えました。都市で外食した人々は、より大きなチェーンよりも地元の独立したレストランを選びました。対面での買い物では、多くの人がスーパーマーケットではなく小さな店を選びました。

多くのロジスティクス管理者は、環境災害の結果として供給源にもたらされるリスクに精通しています。彼らが見落としているかもしれないのは、そのような出来事が長期的な消費者の需要に与えている影響です。気候変動の現実に直面して、多くのバイヤーはより持続可能な製品とサービスを選択しています。今日の顧客は、自分たちが望む製品のより持続可能なバージョンがあるのか​​、明日本当にそのアイテムが必要なのか、それとも製品がまったく必要なのかを自問しています。

需要が変化する可能性のある最も速い方法の1つは、大衆文化を介することです。有名人のインフルエンサーは、路上やレッドカーペットのイベントで写真を撮るときに、消費者がダイムに求める服や化粧品の種類を変えることができます。この露出の恩恵を受けているブランドが売り上げの急増を前もって計画していなかった場合、バックログに直面し、より準備の整った競合他社とのビジネスを失う可能性があります。

これらの傾向を予測するのは必ずしも簡単ではありませんが、ハンドスピナーが離陸することを誰が知っていましたか？ —特定の業界関係者は市場を読むことを学び、ほとんどの場合よりも早く変化を見ることができます。

幸いなことに、利用可能なデータソースの幅広い選択と、そのデータを処理するように設計された分析テクノロジーにより、需要主導のリスクは供給リスクよりも予測が容易です。サプライチェーンの成熟度によっては、これらのツールを効果的に利用するために、プロセスと人員に変更を加える必要がある場合があります。以下は、リスク軽減戦略に組み込むための5つの重要なアプローチです。

新しい需要入力をキャプチャします。 需要予測は通常、約30〜90日先を見越しています。しかし、これほど大きなウィンドウは広すぎて、有用な洞察を得ることができません。短期的な販売履歴と関連する需要の原因を追跡することで、企業は1か月以内にほぼリアルタイムの洞察を得て、より適切な予測を行うことができます。

企業はまた、収集するデータソースの量と種類を最大化する必要があります。社会的感情、POS（point-of-sale）、在庫、在庫状況などの詳細はすべて、短期的な需要の可視性を向上させるのに役立ちます。

デマンドモデリング。 需要モデルは、過去の経験に基づいて将来の顧客の行動を予測するのに役立ちます。モデルに組み込む外部ソースが多いほど、モデルはより正確で予測可能になります。外部ソースには、ソーシャルメディアフィード、競合情報、天気予報、POSデータなどがあります。販売履歴、プロモーション、新製品の紹介などの内部データソースと組み合わせると、この情報により、過去の行動や将来の傾向をより正確に把握できます。

確率的予測 。予測が複数の変数に基づいている場合、古い「1つの数値」の決定論的アプローチは単純すぎます。対照的に、確率論的または確率論的な予測プロセスでは、リスクの管理に役立つ不確実性が考慮されます。確率的予測では、高度なアルゴリズムが複数の需要変数を分析して、考えられる各結果の確率を計算し、次に発生する可能性が最も高いものを判別します。これにより、需要パターンが変動する場合、注文履歴が制限される場合（たとえば、新製品など）、または季節性などの要因が関係する場合に、はるかに信頼性の高い予測方法が提供されます。

需要予測ソフトウェア 。適切なソフトウェアを選択することは、収集したデータを効果的に分析するための鍵です。確率論的アプローチを採用した需要予測ソフトウェアは、個々のアイテムのボトムアップ需要を自動的にモデル化します。注文ラインを分析して、過去の需要量と需要頻度の両方をモデル化し、ボラティリティの正確な推定値を提供します。適切なシステムは、20ユニットの一括注文と、同じ製品の1ユニットの20回の販売の違いを理解します。また、予測が難しい動きの遅い製品に対する断続的な「ロングテール」需要にも対応します。トレンドや季節性などの市場要因、および需要形成プロモーション、新製品、予測バイアス、ブルウィップ効果などの組織的要因を計画します。

人間の洞察と部門の枠を超えた計画。 ベースラインの確率予測を生成したら、ビジネスの人々が知識と専門知識を追加してそれを改善する必要があります。消費者行動の矛盾などの複雑な需要要因は、人間のアナリストのチーム全体が最もよく解き明かします。

ファッション業界の例を見てみましょう。 Z世代のバイヤーは、持続可能性を優先し、「アップサイクルされた」古着を好む傾向があります。彼らはまた、変化するトレンドに追いつくために「ファストファッション」企業から購入する可能性が最も高い人口統計です。このような矛盾を理解するために、トレンドを分析するファッションバイヤーは、実際の売上高に近いマーチャンダイザーとノートを比較する必要があります。どのサプライチェーンでも、財務、マーケティング、販売、運用、チャネルパートナー全体の需要予測を精緻化するために関与できる人が多ければ多いほど、これらの予測は時間の経過とともにより正確になります。

サプライチェーンの第一人者であるマーティン・クリストファーがかつて言ったように、「個々の企業はもはや独立した実体としてではなく、サプライチェーンとして競争している」。この感情が今日ほど真実であったことはありません。サプライチェーンが需要の変動を最もよく感知して対応できる企業は、リスクに対して最も回復力があるだけではありません。また、全体として最高のビジネス成果を保証することもできます。

David Bartonは、ToolsGroupのAmericasのゼネラルマネージャーです。