Transformando Complexidade da Cadeia de Suprimentos em Excelência de Serviço Superior

Se a Amazon materializasse hoje do nada, poucas pessoas sãs se sentiriam confiantes em administrá-la lucrativamente.

Globalmente, a empresa vende mais de 3 bilhões de produtos através de 11 marketplaces de países diferentes. Só nos EUA, a Amazon introduziu 208 milhões de novos produtos em 2018 – a maioria slow movers, ou itens de "cauda longa". Ainda assim, apesar de sua complexidade e escala extremas, os lucros da Amazon em julho de 2018 dobraram as expectativas dos acionistas, gerando lucro trimestral de impressionantes US$ 2,5 bilhões.

O sucesso da Amazon pode parecer um acaso impossível de replicar. No entanto, ao decompor, Jeff Bezos tornou-se o humano mais rico do mundo descobrindo como fazer três coisas aparentemente contraditórias ao mesmo tempo: entregar níveis de serviço excepcionais, ao menor custo possível, e gerenciar complexidade. Argumento que atingir os três com verdadeiro sucesso é difícil para qualquer empresa sem capacidades tecnológicas avançadas.

Mude Sua Mentalidade

Infelizmente, em um mercado de volatilidade de demanda crescente e expectativas de serviço mais altas, muitas empresas ficam presas a processos tradicionais e uma espiral descendente familiar. Incapazes de prever confiavelmente um número crescente de combinações de SKU, estocam inventário para acomodar demanda errática de cauda longa. Isso invariavelmente leva a problemas como custos extras de frete e excesso e inventário obsoleto que precisa ser baixado ou vendido com grande desconto. Planners ficam continuamente em modo reativo e ineficiente de "apagar incêndios", gastando a maior parte do tempo alterando reposições sugeridas e manipulando níveis de serviço em vez de impulsionar performance.

Problemas de supply chain são frequentemente os mais difíceis de corrigir porque têm soluções contra-intuitivas. Se você quer alcançar sucesso "amazoniano", a primeira coisa a fazer é sair do seu próprio caminho e tentar nova abordagem. Como diz o ditado batido, sinal certo de insanidade é fazer a mesma coisa repetidamente e esperar resultados diferentes.

O Segredo: Previsão Probabilística e Otimização de Mix de Estoque

O segredo do planejamento orientado a serviço é previsão probabilística e otimização de mix de estoque. A maneira de gerenciar complexidade e atingir altos níveis de serviço é primeiro romper a barreira da precisão da previsão: em vez de prever um número, entenda o intervalo de possibilidades de demanda em sua previsão. Esse método é chamado previsão probabilística. Usando essa abordagem, você ainda obtém um número associado ao resultado mais provável. No entanto, ao redor desse número você obtém um intervalo de outros resultados possíveis, cada um com probabilidade diferente. É uma alternativa à previsão tradicional de "um número", baseada em média de números de histórico de pedidos agregados.

Previsão probabilística é ideal para cadeias de suprimentos que incluem alto número de itens de cauda longa e enfrentam variabilidade e incerteza de demanda devido ao enorme número de fatores que não conseguem modelar adequadamente. Como concluiu a guru de supply chain Lora Cecere em seu blog Probabilistic Forecasting: Right Fit for Your Business?: "Para perfis de demanda difíceis, previsão probabilística é uma técnica nova e poderosa. É um tipo de motor. Previsão é toda sobre matemática melhor, e o ajuste do modelo de dados para impulsionar resultados."

Sua cadeia de suprimentos não precisa ficar muito complexa antes de se beneficiar da previsão probabilística. Aqui está um exemplo simplificado para ilustrar. Digamos que você queira prever demanda para SKU de um pneu de carro específico. Um sistema de previsão de número único olharia para o histórico de venda de quatro unidades por mês e identificaria demanda média como um pneu por semana. Como essa previsão não aborda clientes trocando todos os quatro pneus de uma vez, continuamente proporia previsão errada e, portanto, níveis de inventário para atingir níveis de serviço alvo.

Para planejamento de inventário, você precisa saber a probabilidade de cada quantidade de pedido por linha – para um pneu, dois, três, quatro, etc. Previsão probabilística fornece exatamente essa informação, identificando padrões de pedido (ex: tamanho do pedido, frequência) que o inventário pode usar para atender demanda.

Cortamos figura solitária no mundo da supply chain no início dos anos 1990, quando começamos a defender essa abordagem como alternativa à previsão tradicional. Hoje, diante de complexidade avassaladora, há mais uma plataforma ardente para empresas tentarem. Invariavelmente o feedback que recebemos é "Só queria que tivéssemos começado a fazer isso antes!"

Otimização de Mix de Estoque

Secundariamente, otimização de mix de estoque permite o que chamamos de "planejamento orientado a serviço", aproveitando a escala e variabilidade – a complexidade – do seu portfólio de SKUs pela rede. Em vez de atribuir o mesmo nível de serviço para cada SKU em um grupo, cada localização de SKU na cadeia de suprimentos recebe seu próprio nível de serviço otimizado para atingir metas de negócio. Por exemplo, em vez de atribuir a todos SKUs de uma classe nível de serviço de 98%, uma meta global de 98% é atingida definindo otimamente níveis de serviço individuais em 99%, 97%, 99,5%, etc., atingindo o mesmo objetivo geral de serviço ao cliente com despesa de inventário muito menor.

Fabricante global de lentes de prescrição Shamir Optical aplicou previsão baseada em probabilidade para se tornar mais orientada a serviço. Em vez de usar política de inventário única para todos, Shamir analisou padrões de demanda para criar uma mistura de diferentes metas de nível de serviço para cada SKU individual em cada localização. A empresa reduziu níveis de inventário em mais de 25% no geral, enquanto consistentemente atingia níveis de serviço superiores a 99%.

Automação com Machine Learning

Previsão probabilística não pode ser executada rápido o suficiente na prática por planejadores humanos. Para funcionar, você precisa automatizar o processo de planejamento com sistema auto-adaptativo que use tecnologia de machine learning – uma forma de inteligência artificial. Para gerar previsões de probabilidade, primeiro precisa modelar sua cadeia de suprimentos. A maioria das empresas começa com grupo amostra de SKUs para testar e escalar ao longo do tempo. Contra seu modelo, então precisa considerar impacto de ampla gama de variáveis de demanda potenciais. Estas podem ser inputs tradicionais como histórico de pedidos, outras fontes corporativas como dados de CRM, e até fontes externas como clima, mercado de ações e tendências de mídia social. Como modelo de supply chain é um sistema "vivo", machine learning aprende e ajusta resultados continuamente ao longo do tempo, permitindo introduzir novas fontes de dados conforme necessário. Aplicar IA fornece insight profundo no comportamento de demanda e inventário para melhorar resultados.

A boa notícia para humanos, no entanto, é que previsões de probabilidade são, por design, um ponto de partida – não fim de jogo. Elas são projetadas para dar aos planejadores os dados que precisam a tempo para fazer julgamentos informados sobre políticas de serviço e níveis de inventário ótimos correspondentes em suas cadeias de suprimentos.

Esta previsão probabilística aumentada por IA representa a simbiose ideal entre humanos e máquinas. O sistema fica mais inteligente ao longo do tempo incorporando input humano, e humanos ficam mais inteligentes aprendendo com a taxa de sucesso das previsões. Isso libera planejadores para focar em serviço, trabalhar em projetos estratégicos e adicionar seus insights de negócio ao sistema.

Seu negócio pode prosperar na complexidade também. A beleza da previsão probabilística é que enquanto níveis de serviço sobem, custos, desperdício e ineficiência descem. Centenas de empresas como Shamir Optical obtiveram ampla gama de benefícios, desde liberar capital de giro até reduzir obsolescência, custos de transporte e expedição e markdowns. Muitas empresas relatam tornar-se mais responsivas a mudanças de mercado e capazes de tomar melhores decisões estratégicas.

Para pessoas apegadas à abordagem determinística de "um número", previsão probabilística parecerá contra-intuitiva. No entanto, a menos que você esteja em negócio de commodities com poucos itens e demanda totalmente previsível, a abordagem de um número não servirá. A Amazon não só usa esse método, como também oferece ferramenta de previsão probabilística a fornecedores parceiros. Não está na hora de tentar?

Joseph Shamir é CEO da ToolsGroup.