کارآفرینی از جنس فناوری اطلاعات

کلان داده‌ها و انقلاب در زنجیره‌های تأمین

 

 

 

​​​​​​​​زنجیره‌های تأمین، زمانی که برای اولین بار در دهه ۱۹۸۰ توجه‌ها را به خود جلب کردند، فرآیندهای بسیار ساده‌تری بودند. زنجیره تأمین از دوران صنعتی وجود داشته است؛ اما امروزه تفاوت‌های اصلی بین عملیات و متعاقباً چگونگی سازمان‌دهی آن‌ها، منجر به پیچیدگی زنجیره‌های تأمین شده است. اغلب زنجیره‌های تأمین بومی یا داخلی بودند. بعدها، فناوری‌های جدید باعث شد اقتصاد بیش‌ازپیش به سمت جهانی‌شدن سوق یابد و درنتیجه زنجیره تأمین بیش از هر زمان دیگری به بخش‌های پویا و متحرک دست یابد. در اواخر دهه ۹۰ و اوایل دهه ۲۰۰۰، جهانی‌سازی موهبتی برای قیمت‌ها، اما نفرینی برای زنجیره‌های تأمین بود. با بزرگ‌تر شدن کلان داده و کاربرپسندتر شدن آن، زنجیره‌های تأمین مدرن دستخوش انقلابی شگرف شدند.

 

 

کلان داده (Big data ) چیست؟

کلان داده اساساً به مقادیر زیادی از داده‌ها، اعم از ساختاربندی‌شده و بدون ساختار اشاره دارد که به کسب‌وکارها کمک می‌کند تا روندها و الگوها را در رفتار و تعاملات انسانی ایجاد کنند. این امر به شرکت‌ها امکان می‌دهد تا از این اطلاعات برای تصمیم‌گیری بهتر استفاده کنند. تأثیر روزافزون تکنولوژی در استراتژی‌های شرکت‌ها، بنیادی است که فرآیندهای جدید مانند کلان داده، هوش مصنوعی و ML  (Machine Learning) را وارد عملیات کنند.

با تأثیر کلان داده‌ها بر روی رشد شرکت‌ها، زنجیره تأمین دیجیتال به بررسی این تغییر بر روی صنعت می‌پردازد.​

کلان داده، در حال حاضر یکی از داغ‌ترین موضوعات در صنعت زنجیره تأمین است و امکانات عظیم مکان‌یابی در کنار هوش مصنوعی ‏(AI)‏، یادگیری ماشین (ML) ‏و اتوماسیون را مهیا می‌سازد. شرکت‌ها در تلاش برای به دست آوردن مزیت رقابتی، به دلایل مختلف از کلان داده استفاده می‌کنند. از طریق کلان داده، کسب‌وکارها می‌توانند هزینه‌ها را کاهش، بهره‌وری را افزایش و درنهایت تصمیمات هوشمندانه‌تری بگیرند.

خلق ثروت از دانش مشترک

بزرگ‌ترین نیروی محرکه موج کلان داده مدرن این است که اکنون می‌توان آن را استخراج کرد، درک کرد و مورداستفاده قرار داد. به گفته فوربز، درحالی‌که تراکنش‌ها همیشه داده‌های به‌دست‌آمده بودند، ایجاد یک شبکه به اشتراک‌گذاری دانش براساس بینش‌های به‌دست‌آمده از تجزیه‌وتحلیل کلان داده‌ها به همان اندازه اهمیت یافته است. تراکنش‌ها قادر بودند چگونگی، زمان و مکان خرید افراد را ثبت کنند. ​

با افزودن تحلیل‌های زنجیره تأمین، تولیدکنندگان، خرده‌فروشان و توزیع‌کنندگان می‌توانند بهینه‌ترین روش برای رساندن محصولات به مصرف‌کنندگان را اتخاذ کنند. به لطف تجزیه‌وتحلیل نقشه‌برداری مسیرها، این کار می‌تواند هم سریع‌تر و هم با هزینه اثربخش‌تر انجام شود؛ چراکه زنجیره‌های تأمین می‌توانند مسیر توزیع خود را دوباره تصویرسازی ‌کنند. این امر منجر به افزایش ۴۲۵ درصدی کارایی در تحویل سفارش در زمان مناسب و افزایش ۲۶۰ درصدی در بهره‌وری شده است.​

مدیریت ریسک و ایجاد چابکی

مطالعات اخیر نشان می‌دهد که ۶۱% از شرکت‌های پیشرو در مدیریت زنجیره تأمین، برای ریسک اهمیت به سزایی قائل هستند. براساس داده‌های جمع‌آوری‌شده از مسیرهای تأمین، تحویل موفق و مشکلاتی که گزارش شده‌اند، زنجیره‌های تأمین مجهز به داده‌هایی شده‌اند که آن‌ها را قادر می‌سازد تا مشکلات بالقوه را قبل از بروز آن تشخیص دهند و به‌طور مداوم به مسیرهای بالقوه در سیستم توزیع خود بپردازند. همچنین این مسئله به انعطاف‌پذیری زنجیره تأمین مدرن اشاره دارد. با این دانش افزوده، مسیرها را می‌توان تغییر داد تا مسائلی که پس از آغاز فرآیند تحویل مطرح می‌شوند را نیز در نظر گرفت.

مشتریان: افزایش نگهداری و رضایت

همه ما عبارت “همیشه حق با مشتری است” را شنیده‌ایم، بنابراین اگر یک مشتری سفارش خود را یک‌شبه یا حتی پس از تحویل کالا تغییر دهد، انتظار دارد که تأمین‌کنندگان نیازهایش را هر چه سریع‌تر برآورده کنند. هرچند که این امر مشکل به نظر می‌رسد، اما طی تحقیقات، ۹۰% از مشتریانی که شرکت نتوانسته تقاضاهای آن‌ها را برآورده کنند، مراودات و خرید خود را از آن شرکت قطع کرده‌اند.

با در نظر گرفتن این درصد، تأمین‌کنندگان باید هر کاری که می‌توانند انجام دهند تا مصرف‌کنندگان و مشتریان خود را راضی کنند. به لطف کلان داده‌ها و تحلیل‌های آن، تأمین‌کنندگان نه‌تنها قادر خواهند بود سفارش دیگری را به‌طور مؤثر پوشش دهند، بلکه این فرصت را نیز دارند تا افزایش تقاضا را براساس سفارش‌های قبلی و روندهای بازار پیش‌بینی کنند. ​

مثال‌هایی از زنجیره تأمین دیجیتال

در سال ۲۰۰۱، داگ لانی، معاون سابق و تحلیلگر برجسته مرکز تحقیقات و مشاوره شرکت گارتنر، 3V را معرفی کرد که خصوصیات یا ابعاد کلان داده را تعریف می‌کند. ایده 3V ها؛ حجم، تنوع و سرعت می‌باشد و چالش مدیریت کلان داده جهت سرعت بخشیدن به هر سه مقوله است، نه صرفاً حجم. در سال‌های بعد، V های دیگر، مانند تغییرپذیری و ارزش نیز ایجاد شد. ​

​​​​​​​​ در ذیل سه شرکتی که کلان داده را در عملیات خود اجرا کرده‌اند و نیز نگاهی دقیق‌تر به زنجیره تأمین دیجیتال ارائه می‌دهد بیان شده است:

 

آمازون

غول‌های تجارت الکترونیک از کلان داده برای رفع نیازهای مشتری استفاده می‌کنند. با تجزیه‌وتحلیل آنچه اخیراً یک مشتری خریده است، آیتم‌های کارت خرید و محصولاتی که یک مشتری جستجو کرده است، کلان داده آمازون را قادر می‌سازد تا حتی در انتخاب محصول و تصمیم‌گیری خرید به مشتری پیشنهاد دهد.​

برای ایجاد درآمد بیشتر، سیستم “پیشنهاد شخصی‌سازی‌شده” ۳۵% از فروش سالانه شرکت را به خود اختصاص می‌دهد. آمازون دارای یک هیجان برای تحویل سریع‌تر سفارش‌های خود به مشتریان نسبت به رقبایش نیز هست. در سال ۲۰۱۹، گامی فراتر از راه‌اندازی سیستم تحویل یک‌روزه برداشته شد. همچنین جهت کاهش هزینه‌ها، همکاری تنگاتنگی با تولیدکنندگان برای پیگیری موجودی خود قبل از دریافت سفارش جهت انتخاب نزدیک‌ترین انبار به فروشنده و مشتری ایجاد کرد که باعث کاهش هزینه 10 تا 40 درصدی شد.

 

استارباکس

با ۹۰ میلیون تراکنش هفتگی در بیش از ۲۵۰۰۰ فروشگاه، استارباکس خود را به یک برند معروف در سراسر جهان تبدیل کرده است. معرفی برنامه‌های کاربردی از طریق دستگاه‌های تلفن همراه به شرکت این امکان را داده است که نسبت به رفتار هزینه‌های مشتریان خودآگاهی پیدا کند. برنامه تلفن همراه استارباکس در میان مشتریان با بیش از ۱۷ میلیون کاربر فعال، بسیار محبوب است، همچنین برنامه جایزه آن در حدود ۱۳ میلیون کاربر فعال دارد. این برنامه‌ها مقدار زیادی اطلاعات در مورد نوشیدنی‌های موردعلاقه مشتریان خود به استارباکس ارائه می‌دهند و آن‌ها را به استفاده از این اپلیکیشن از طریق نوشیدنی‌های جایزه دار تشویق می‌کند. روش دیگری که استارباکس مشتریان را حمایت می‌کند، بازاریابی هدفمند و شخصی است. این کار با فرستادن یک ایمیل به مشتری که اخیراً از فروشگاه بازدید نکرده است و تبلیغ یک محصول جدید، شبیه به چیزی که قبلاً سفارش داده بودند، برای تعامل مجدد با شرکت انجام می‌شود.​

 

امریکن اکسپرس

بانک امریکن اکسپرس از کلان داده برای پیگیری رفتار مشتری استفاده می‌کند. با بیش از ۱۱۰ میلیون امریکن اکسپرس کارت در بخش عملیات و بیش از ۱ ترلیون تراکنش پردازش‌شده، این بانک حدود ۲۵% فعالیت کارت‌های اعتباری آمریکا را کنترل می‌کند. همان‌طور که در مورد سایر بانک‌های دارای فن‌آوری‌های نوین نیز صادق است، امنیت سایبری به‌عنوان اولویت اصلی در نظر گرفته می‌شود و درنتیجه امریکن اکسپرس، تجزیه‌وتحلیل داده‌ها و ML را در قلب استراتژی شرکت برای مبارزه با حملات سایبری قرار داده است. این شرکت از یک مدل ML استفاده کرده است که مجموعه‌ای از منابع داده‌ای مختلف، مانند اطلاعات عضویت در کارت، اطلاعات خرج کردن و اطلاعات تجاری را ترکیب می‌کند تا رویدادهای مشکوک را به‌منظور تصمیم‌گیری در کسری از ثانیه و جلوگیری از تقلب شناسایی کند. امریکن اکسپرس به دنبال اتصال دارندگان خودرو به محصولات و خدمات است. برای دستیابی به این هدف، می‌تواند به مشتری رستورانی را توصیه کند که براساس داده‌های خرید قبلی از آن استفاده کرده‌اند.​

واضح است که تکنولوژی جدیدی مانند کلان داده در حال تغییر دادن نحوه عملکرد شرکت‌ها است. خلاصه‌سازی در تمامی صنعت زنجیره تأمین و فراتر از آن وجود دارد، بنابراین استفاده از آخرین فن‌آوری‌ها و فرآیندها در عملیات، بسیار حیاتی است. درنهایت، کلان داده تصمیم‌گیری‌های هوشمندانه‌تری را مقدور می‌سازد و آخرین گرایش‌های مصرف‌کننده را پیگیری می‌کند تا اطمینان حاصل شود که شرکت‌ها چیزی را از قلم نینداخته‌اند. همان‌طور که جهان در تکامل است، اعتماد به کلان داده و تجزیه‌وتحلیل نیز در حال رشد می‌باشد. این ابزاری است که رفتار مشتری را 24 ساعته و ۷ روز هفته رصد می‌کند و چشمی است که هرگز بسته نمی‌شود. عصر تحول دیجیتال این است: آینده، آینده‌ی دیجیتال است.

نویسنده: بهادر پارسیا

پژوهشگر حوزه مدیریت بازرگانی

0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگوها شرکت کنید؟
در گفتگو ها شرکت کنید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.