马萨诸塞州弗雷明汉(Framingham)最近发表的一项研究表明,总部位于美国的市场研究和咨询公司IDC强调了该公司的十大预测和潜在驱动因素,该公司预计这些预测和驱动因素将在2022年和未来几年对制造商的IT投资产生最大影响。
从顶层看预测看到它们解决了远程操作、供应链管理、产品和服务创新、安全性、数据和应用程序共享、B2B商务、低代码/无代码以及可持续性。
与我们的行业相关的最贴切的预测可能是第二个预测:“到2023年,50%的供应链预测将使用人工智能实现自动化,准确性将提高5个百分点。”
考虑到供应链从2020年3月大流行爆发以来所经历的一切,这一点确实引起了我的注意。虽然情况不平衡,但公平地说,这场大流行确实突出了在供应链弹性、需求规划、库存管理、设备和劳动力可用性等诸多方面进行更好的供应链预测的必要性。
IDC对改进预测需求的分析毫不留情地解释说,制造商已经经营了几个世纪的供应链,几乎在整个时期,这是他们一直在苦苦挣扎的事情,用这句话来完成这个有效的论点:“任何预测唯一普遍正确的是,它将是错误的。”
也许这有点刺耳(和幽默),但也不是不正确。
IDC进一步观察到,供应链规划分为三类:短期的,侧重于运营规划;中期,侧重于战术规划;长期的,专注于战略规划
报告指出,这些类别的基本主题是,它们都在决定诸如产能、供应商和库存等驱动因素方面发挥作用,同时需要注意的是,随着供应链越来越接近特定事件,它会提高精度,但也不会达到100%的准确度。
这导致了IDC的一个有趣观察:“供应链满足意外需求的能力最终取决于规划周期早期做出的决策。过于严格地依赖于预测的供应链将发现自己无法对预测之外的材料变化做出反应——因为缺乏能力、材料或广泛的灵活性。我们过去曾说过,供应链“倾向”到“脆弱”的地步。
更重要的是,这有助于推动制造商“跳出框框”,寻找IDC所描述的创新、技术支持的新方法来应对补给挑战,比如人工智能,而不仅仅是寻找“下一个最佳算法”。
IDC供应链战略项目副总裁西蒙•埃利斯(Simon Ellis)在接受采访时明确表示了这一点。
当被问及需要做些什么才能让制造商在2023年之前使用人工智能实现供应链预测自动化时,埃利斯指出,人们普遍认为,目前的预测方式,尤其是短期预测方式,是行不通的。
他说:“对许多公司来说,他们今天的预测准确性比一段时间以来都要差。”“这主要是由于需求的巨大波动,很难预测。所以,让我们停止这样做吧。并非所有公司都有他们需要的销售点(或可比较的数据),但它们大多都在那里,因此需要更广泛的数据收集工作。此外,企业也需要认识到,它们的响应能力可能不足。”
Ellis表示,数据管理在整个组织中都是标准化和衡量的,决策自动化工具是实时和全面部署的,用于战术任务替换和流程增强。
至于制造商如何应对预测变得“脆弱”的概念,如果他们无法对预测之外的材料变化做出反应,埃利斯直截了当地说,如果他们无法做出反应,那么他们就无法做出反应。
他说,原因是严格按照预测来校准供应链不再是最佳做法。
"企业若要抵御需求波动,就需要在预测和反应性(或敏捷性)之间取得平衡,"他表示。“这是否意味着灵活的库存,或制造能力的灵活性。”
他还提供了一些与此相关的想法:
就像许多其他事情一样,可以说供应链预测是一门不精确的科学。也就是说,在未来提高准确性和预测的道路上,我们可以做一些事情来缩小差距。它会在2023年实现吗?现在下结论可能还为时过早,但IDC的研究肯定有助于说明为什么应该这么做。