2019年似乎是不可预测的一年,其中最重要的是世界主要经济体似乎在不断变化的对外贸易政策。 有趣的是,正是这种外贸政策的不可预测性,成为了2020年供应链预测的跳板。

以下是对全球全球供应链将产生重大影响的前五项预测。

数字化供应链双胞胎崛起,应对“非正常”现象

从历史上看,供应链的数字化转型是通过针对其自身范围内的各种功能孤岛进行的。 这种方法缺乏评估供应链决策的相互关联性质的能力。

算法智能和云计算能力的兴起使得渲染供应链的数字模型成为可能。 Gartner最近将数字供应链双胞胎确定为供应链的8大技术趋势之一。 “双胞胎”以“从农场到餐桌”的方式描述了供应链的水平性质,同时代表了设施的四个墙壁(例如生产线和生产中的机器)内供应链的垂直性质。设施。 数字双胞胎将提供创建场景和模拟现实世界事件的能力,以预测结果。 由数字供应链孪生产生的预测分析将日益成为战略决策的基础,因为它们突出了互连决策的含义。

人工智能的更多实际使用案例

高管们意识到,与竞争对手运行相同的打包应用程序通常并不等同于获得竞争优势。 关键在于将重点放在紧迫的业务挑战上,然后将数据科学的组件引入到企业规模的应用程序中,从而可以利用算法优势。

由创新的解决方案提供商构建的新兴平台包括数据科学的标准组件,组织将利用这些组件以企业规模的方式快速解决其独特的挑战。 以下是三个示例用例,其中动量将在2020年期间增加:

预测易变性定单模式:   AI和ML将使公司能够预测来自客户的不稳定,高度波动的订单模式。 由于领先的在线零售商的订单量增加,供应商社区正在看到需求信号的波动加剧。 同时,力量正在转移给在线零售商,他们要求更多的及时交货,以保持较低的营运资金并满足新兴的即日交货需求。

市场感知:   人工智能可以帮助利用外部因果数据的力量,例如天气,GDP,CPI,就业水平,工业生产等,以更好地预测市场变化和需求驱动力。 这将更好的感官能力带入供应链,产品组合,资本支出决策以及长期战略和能力计划。 对于上周进行的长期战略规划,销售订单的意义远比理解决定销售增长或下降的宏观经济驱动因素要重要得多。

减少拒付额:零售商因错过OTIF(按时,全额)交付而向品牌所有者收取巨额罚款。 深度学习算法允许筛选关键的发货数据,包括订单类型,时间,数量,位置和运输方式,以识别退款的根本原因并预测失败点,从而使品牌所有者可以避免被收取这些高额罚款。

尽管我们将看到其他独特的用例出现,但其中一些最具创新性的用例仍将出于竞争优势和先发优势而隐藏。

区域化和互联网

贸易战和经济民族主义使2019年的供应链对话更加活跃。考虑到全球经济的变化,对供应链的艰难战略决策和政策进行了更加动态的重新评估。 到2020年,随着splinternet趋势的发展,区域化工作将在物理供应链中继续进行,并将逐步转变为数字化形式。

贸易战开始时,由于中国工资上涨,约有50%接触中国的公司已经在寻找其他供应和制造业来源。 贸易战提高了C级领导人对潜在地缘政治风险和风险的认识,并将促使更多公司重新考虑其全球采购决策。

制造,仓储,履行和运输将继续实现自动化,从而降低了包含在某项工作中的人工成本所占的百分比。 随着项目资本成本份额的增加,劳动力成本的优势最终将得到缓解。 这将进一步减少对低成本劳动力的需求,因为工业4.0将成为制造业经济在所有地区蓬勃发展的均等因素。 随着陆上或近岸物料的组织数量不断增长,由于供应线较短,他们将能够对快速变化的客户偏好做出快速响应,从而从中受益。 这将导致库存和营运资金的减少,并将部分资金再投资到当地的基础设施中,随着现有能力的退出,这些基础设施将需要建设能力和制造能力。

考虑到数据隐私和所有权,欧盟的GDPR立法具有全球性的影响。 这不是一个孤立的事件。 当数据所有权在数字世界中变得至关重要时,它可以代替其他理事机构在全球范围内发布的类似政策。 GDPR和中国的“防火墙”导致事物的碎片化。 由于民族主义,政治和区域数据立法等因素,Internet急剧分裂。 我们将看到越来越多的国家/地区要求将数据存储在其国家/地区中,随之而来的是不同地区的数据中心的更多物理构建。 连同数据,我们将看到对在当地生产或增值服务的最低投资的要求,这些投资必须在当地进行,作为在该国开展业务的条件。

创新的生态系统合作伙伴关系将会增加

零售商正在努力解决人们进入实体店的人流量减少的问题,同时修改其直接面向消费者的模型。 今年, 科尔和亚马逊宣布了一项合作伙伴关系 ,这将使科尔在美国各地的商店都能在其实体店接受亚马逊的退货。 当客户要求亚马逊返回Kohl's时,他们通常会在店内购物时获得25%的优惠券。 这一趋势将使我们看到2020年这些战略伙伴关系有所增加。

缩小数字时代的技术差距

在日益数字化的世界中竞争所需的技能与组织中可用的技能之间的差距正在扩大,并将以更快的速度继续发展。 机器人技术和算法智能的兴起将继续接管许多以前属于供应链专业人员任务的活动。 为了弥合技能差距并将其转变为竞争优势,更多组织将通过在线平台和持续学习计划来提高员工的技能水平。 公司将增加对认知自动化的投资,以充分利用结构化和非结构化数据,从而可以以为新一代业务领导者提供预测分析的方式对其进行分析,处理和结构化。 随着AI / ML和云系统的广泛采用,更多的组织将意识到他们需要更少的具有狭窄和深入技能的超专业专家。 公司将通过轮换不同职能的高潜力员工来促进协作和更广泛的端到端思维。 随着公司创造更多的实习和合作职位,具有供应链敏锐性的公民数据科学家的需求将比以往任何时候都更多,并且新人才将在招聘周期的早期被瞄准。

这些是公司在管理数据驱动的供应链时会从现有员工和新员工那里寻求的主要特征:

  • 深入了解数据并知道如何与数据有效通信
  • 拥有公正的思维–在为人们构建解决方案时,高情商变得至关重要
  • 深度潜水数据技能–这是一个数据密集的地方,您现在需要熟悉数据以及如何使用它来制定决策
  • 领导力和成果导向
  • 激情与魅力

此外,包括驾驶员和仓库工作人员在内的实际物流工作也面临短缺,将越来越多地利用零工经济来填补工作岗位并在一定程度上缓解短缺问题。

结论

通过确保其各自的组织认真考虑这五个预测在2020年期间对其供应链的影响,可以为执行领导者提供良好的服务。最终,那些充满朝气和卓越的算法,人力和地缘政治变革的公司将是那些在来年肯定会成为竞争最激烈的全球市场之一的国家蓬勃发展。

上一篇

2020年的自动化知识:人工智能和机器学习的期望

下一篇文章

Data Natives 2019的AI趋势精选