Como transformar a complexidade da cadeia de suprimentos em um ótimo serviço

Se a Amazon se materializasse hoje do nada, poucas pessoas sãs se sentiriam confiantes em poder administrá-la de maneira lucrativa.

Globalmente, a empresa vende mais de 3 bilhões de produtos em 11 mercados de países diferentes. Só nos EUA, a Amazon lançou 208 milhões de novos produtos em 2018 - a maioria dos quais são produtos lentos ou de "cauda longa". No entanto, apesar de sua extrema complexidade e escala, os lucros de julho de 2018 da Amazon dobraram as expectativas dos acionistas, gerando um lucro trimestral de colossais US $ 2,5 bilhões.

O sucesso da Amazon pode parecer um golpe de sorte impossível de replicar. No entanto, quando você analisa isso, Jeff Bezos se torna o ser humano mais rico do mundo, descobrindo como fazer três coisas aparentemente contraditórias ao mesmo tempo:fornecer níveis de serviço excepcionais, com o menor custo possível, e gerenciar a complexidade. Eu defendo que alcançar todos os três com verdadeiro sucesso é difícil para qualquer empresa sem recursos de tecnologia avançada.

Primeiro, mude sua mentalidade. Infelizmente, em um mercado de crescente volatilidade de demanda e expectativas de serviço mais altas, muitas empresas ficam presas a processos tradicionais e a uma conhecida espiral descendente. Incapazes de prever com segurança um número crescente de combinações de SKUs, eles se acumulam para acomodar a demanda irregular e de cauda longa. Isso invariavelmente leva a problemas como custos extras de frete e estoque em excesso e obsoleto que precisa ser baixado ou vendido com um grande desconto. Os planejadores estão continuamente em modo reativo e ineficiente de “combate a incêndios”, gastando a maior parte do tempo mudando os reabastecimentos sugeridos e manipulando os níveis de serviço em vez de impulsionar o desempenho.

Os problemas da cadeia de suprimentos costumam ser os mais difíceis de consertar porque têm soluções contra-intuitivas. Se você deseja alcançar o sucesso “amazônico”, a primeira coisa que você deve fazer é sair do seu próprio caminho e tentar uma nova abordagem. Como diz o velho ditado, o sinal certo de insanidade é fazer a mesma coisa repetidamente e esperar resultados diferentes.

O segredo do planejamento orientado a serviços é a previsão de probabilidade e a otimização do mix de estoque. A maneira de gerenciar a complexidade e alcançar altos níveis de serviço é primeiro romper a barreira de precisão da previsão:em vez de prever um número, entenda a gama de possibilidades de demanda em sua previsão. Este método é chamado de previsão de probabilidade. Usando essa abordagem, você ainda obtém um número que está associado ao resultado mais provável. No entanto, agrupado em torno desse número, você obtém uma gama de outros resultados possíveis, cada um com uma probabilidade diferente anexada. É uma alternativa à previsão tradicional de "um número", que se baseia na média dos números agregados do histórico de pedidos.

A previsão de probabilidade é ideal para cadeias de suprimentos que incluem um grande número de itens de cauda longa e enfrentam variabilidade de demanda e incerteza devido ao grande número de fatores que não são capazes de modelar adequadamente. Como a guru da cadeia de suprimentos Lora Cecere concluiu em seu blog Previsão Probabilística:Adequação Certa para o Seu Negócio ?:“Para perfis de demanda difíceis, a previsão probabilística é uma técnica nova e poderosa. É um tipo de motor. A previsão envolve uma matemática melhor e o ajuste do modelo de dados para gerar resultados ”.

Sua cadeia de suprimentos não precisa ficar muito complexa antes de se beneficiar da previsão de probabilidade. Aqui está um exemplo simplificado demais para ilustrar. Digamos que você queira prever a demanda por SKU de um pneu de carro específico. Um sistema de previsão de número único examinaria o histórico de vendas de quatro unidades por mês desse pneu e identificaria a demanda média como um pneu por semana. Como essa previsão não aborda os clientes substituindo todos os quatro pneus de uma vez, ela proporia continuamente a previsão errada e, portanto, os níveis de estoque para atender aos níveis de serviço desejados.

Para o planejamento de estoque, você precisa saber a probabilidade de cada quantidade de pedido de linha - para um pneu, dois pneus, três pneus, quatro pneus, etc. A previsão probabilística fornece exatamente essas informações, identificando os padrões de pedido (por exemplo, tamanho do pedido, pedido frequência) que o estoque pode usar para atender à demanda.

Cortamos uma figura solitária no mundo da cadeia de suprimentos no início dos anos 1990, quando começamos a defender essa abordagem como uma alternativa à previsão tradicional. Hoje, diante da enorme complexidade da cadeia de suprimentos, há mais uma plataforma em chamas para as empresas experimentarem. Invariavelmente, o feedback que recebemos é "Eu só queria ter começado a fazer isso antes!"

Secundariamente, a otimização do mix de estoque permite o que chamamos de “planejamento orientado a serviços”, aproveitando a escala e a variabilidade - a complexidade - de seu portfólio de SKU em toda a rede. Em vez de atribuir o mesmo nível de serviço para cada SKU em um grupo, cada local de SKU na cadeia de suprimentos é atribuído a seu próprio nível de serviço, que é otimizado para atingir os objetivos de negócios. Por exemplo, em vez de atribuir a todos os SKUs em uma classe um nível de serviço de 98 por cento, uma meta global de 98 por cento é alcançada definindo de forma otimizada os níveis de serviço de localização de SKU individuais em 99 por cento, 97 por cento, 99,5 por cento, etc., alcançando o mesmo objetivo geral de nível de serviço ao cliente com muito menos despesas de estoque.

A Shamir Optical, fabricante global de lentes de prescrição, aplicou a previsão baseada em probabilidade para se tornar mais voltada para o serviço. Em vez de usar uma política de estoque de tamanho único, Shamir analisou os padrões de demanda para criar uma combinação de diferentes metas de nível de serviço para cada SKU individual em cada local. A empresa reduziu os níveis de estoque em mais de 25% no geral, ao mesmo tempo em que alcançou níveis de serviço superiores a 99%.

A previsão probabilística não pode ser praticamente executada com rapidez suficiente por planejadores humanos. Para fazer isso funcionar, você precisa automatizar o processo de planejamento com um sistema auto-adaptativo que usa tecnologia de aprendizado de máquina - uma forma de inteligência artificial. Para gerar previsões de probabilidade, primeiro você precisa modelar sua cadeia de suprimentos. A maioria das empresas começa com um grupo de amostra de SKUs para testar e aumentar ao longo do tempo. Em relação ao seu modelo, você precisa levar em consideração o impacto de uma ampla gama de variáveis ​​de demanda potencial. Podem ser entradas tradicionais, como histórico de pedidos, outras fontes corporativas, como dados do sistema de gerenciamento de relacionamento com o cliente (CRM), e até mesmo fontes externas, como clima, mercado de ações e tendências de mídia social. Como um modelo de cadeia de suprimentos é um sistema "vivo", o aprendizado de máquina continuamente aprende e ajusta os resultados ao longo do tempo, permitindo que você introduza novas fontes de dados conforme necessário. Aplicando I.A. fornece uma visão profunda do comportamento da demanda e do estoque para melhorar os resultados.

A boa notícia para os humanos, entretanto, é que as previsões de probabilidade são, por definição, um ponto de partida - não um jogo final. Eles são projetados para fornecer aos planejadores os dados de que precisam a tempo de fazerem julgamentos informados sobre as políticas de serviço e os níveis de estoque ideais correspondentes em suas cadeias de suprimentos.

Esta previsão de probabilidade aumentada I.A. representa a simbiose ideal entre humanos e máquinas. O sistema fica mais inteligente ao longo do tempo ao fatorar a entrada humana, e os humanos ficam mais inteligentes ao aprender com a taxa de sucesso das previsões de probabilidade. Isso libera os planejadores para se concentrarem no serviço, trabalhar em projetos estratégicos e adicionar seus insights de negócios ao sistema.

Sua empresa também pode prosperar com a complexidade. A beleza da previsão de probabilidade é que, enquanto os níveis de serviço aumentam, os custos, o desperdício e a ineficiência diminuem. Centenas de empresas como a Shamir Optical obtiveram uma ampla gama de benefícios, desde a liberação de capital de giro até a redução da obsolescência, transporte e agilização de custos e descontos. Muitas empresas relatam se tornar mais responsivas às mudanças do mercado e ser capazes de tomar melhores decisões estratégicas.

Para as pessoas casadas com a abordagem determinística de “um número”, a previsão de probabilidade parecerá contra-intuitiva. No entanto, a menos que você esteja em um negócio de commodities com poucos itens e demanda totalmente previsível, a abordagem de um número não vai funcionar. A Amazon não apenas usa esse método, mas também oferece uma ferramenta de previsão de probabilidade para fornecedores parceiros. Não é hora de você tentar?

Joseph Shamir é CEO da ToolsGroup.