在新冠病毒大流行時期，科技在提升應變能力方面發揮了重要作用，但它也遇到了對手（絕不僅僅是衛生紙供不應求）。
文／Sharon Goldman 譯／Kururu
我們現在都親眼目睹了，在基本、量大之家用必需品需求突然急遽增加時（不管是出於真實或想像的理由）所可能發生的狀況。像這次疫情，每當商場補貨時，購物者都會搶購Charmin衛生紙和Cottonelle衛生紙；再加上持續供應短缺的謠言和網路瘋傳的囤積照，更助長了愈演愈烈的恐慌性搶購風潮。
但專家們表示，衛生紙問題只是零售商在COVID-19危機時期所已然面臨之基本供應鏈挑戰中最引人注目的明顯例子。事實上，許多與冠狀病毒相關的零售業者挑戰都與供應鏈問題有關，根據芝加哥電子商務市場研究公司 Digital Commerce 360 的最新調查指出。
「這是許多零售供應鏈所無法規劃因應的『黑天鵝事件』，」Ferrari Consulting and Research 顧問服務公司董事總經理 Bob Ferrari 指出：「某些商品的需求量甚至達到3個月、6個月甚或12個月之多的正常供應量，這麼大量的供應商品甚至在幾天內就搶購一空。」【Black Swan event─極不可能發生，實際上卻又發生的事件。】
[ 下載 2020-21 CIO大調查報告，掌握最新企業IT導入趨勢 ]
通常，在「大量採購」(Pantry Loading)促銷後，好比說，當某一商品開始銷售時，購物者會暫時不會再採買該商品。但是，在長期居家隔離的時期裡，出於對供應短缺的擔憂，以及家庭消費確實上升等因素，消費者的購買行為持續不斷，專為零售業及民生消費性用品(CPG)公司提供AI導向分析服務的Fractal公司合夥人兼戰略分析實務負責人 Lana Klein 指出。「孩子們都被迫待在家裡，並且吃的更多，致使某些商品的總消費量也在增加，這實在很不尋常，」她表示。
在供應面上，還出現了「長鞭效應」(Bullwhip Effect)，Ferrari補充指出。也就是消費者需求的大幅波動衝擊著整個供應鏈，零售商、經銷商、批發商和製造商因而訂購更多商品，進而造成骨牌效應，導致物資短缺或市場失效的狀況。
「這是當前企業所共同面臨的複雜挑戰，」AI決策平台供應商 Symphony AI 行銷長 Kevin Sterneckert 表示：「當今大多數供需預測系統都是圍繞著觸發感測器構建的，這些觸發感測器有助於了解消費者的行為，並對可能的需求量提供相關的洞察見解，甚至提供能弄清楚如何達到最佳供應量結果的方法。」然而，現在在各種類別中都有巨大的需求，因此要滿足這些需求確實需要付出很大的心力。
專門研究零售和CPG供應鏈問題的諮詢公司Cognizant協理 Siva Venkataramani 表示，從歷史上來看，感恩節和聖誕節一直被視為終極需求場景。「這一刻，一切都被打破了，」他表示，雖然它確實創建了可以在未來使用的新資料點(Data Point)。
大型零售商大力支持供應鏈技術
近年來，大型零售商投資現代技術來支援其供應鏈，包括基於雲端的全通路(Omnichannel)平台、AI人工智慧導向分析和物聯網(IoT)感測器，這些當代技術能降低預測誤差、提供機器功能即時洞見，並追蹤整個供應鏈資產及實現訂單的準確性。
從2012年到2014年，這些技術的採用已成為庫存管理、需求規劃、供應商管理/開發以及銷售與經銷等領域的主流，以因應包括通曉科技且追求便利性的消費者對零售購物體驗之需求不斷增加的宏觀趨勢。如今，像是「當日到貨」(Same-day delivery)、「線上購買+店內取貨」(Buy Online, Pick up in Store, BOPIS)和其他功能已然成為大多數零售商的籌碼。
「許多大賣場零售商(Big-box Retailer)都已經做好了充分的技術準備，尤其是沃爾瑪(Walmart)、Target和數位原生(Digital-Born)的亞馬遜(Amazon)，」Venkataramani指出：「從營運效率的角度來看，這些公司大多都已經準備就緒。」
[CIO都在讀： 電動車/自駕車 三個全新的獲利模式 ]
Sterneckert也認為，已經展開數位化轉型之旅的公司現在確實擁有明顯的優勢，但他補充表示，在1-5的數位化成熟度中，大多數零售商都處於中間位置。他指出：「那些較早進入市場的企業較有優勢，因為他們可以透過幾近即時的更新，開始了解自己的庫存狀況以及每個銷售點的供需情況。」他進一步解釋說，基於AI的系統允許公司標記特殊的高需求事件，以便在事件結束時將其恢復為正常模型，如此一來之後便不會出現商品供過於求的狀況。
零售諮詢公司 The Navio Group 董事總經理 Carlos Castelán 表示，那些擁有數位技術來支援諸如配送到店(Ship-to-Store)、訂單取貨(Order Pickup)和店舖配送(Ship-from-Store)等彈性履約選項的零售商，也將在激烈的市場競爭中處於領先地位。「假如你也許在國內某個地方有庫存，而在另一地區出現需求時，那麼零售商可以發貨給這些客戶，但仍以全價出售商品；他們不必打折，也不會承受利潤的損失，」他表示。
但是，現在的問題是，當代供應鏈管理以及背後支援的技術主要集中在「即時」(Just-in-Time, JIT)和精實生產(Lean Production)上，亦即「即時」生產和配送成品以供銷售。「那些效率最高、庫存最低、供應鏈整合度最高的公司受到的衝擊反而最大，」Klein表示。
此外，儘管先進多層式庫存管理系統可以提高供應鏈上下游的可見度，但大多數公司仍然存在斷鏈的狀況，也缺乏從貨架到生產的端到端供需可見度。
他們可能對一級供應商或主要商品供應商有良好的可見度與了解，但卻對較低級別供應商（如商品組成元件供應商）視而不見，Ferrari表示。
就以一家流行的洗手液品牌為例，其包括了實際商品、包裝用的玻璃瓶或分裝瓶，以及美國食品藥物管理局(FDA)要求用於密封瓶子的鋁蓋。據Ferrari指出，儘管這家品牌商最近曾表示，由於需求量激增，他們因而全天候 24×7 不間斷作業以彌補製造上的差異，但他們的鋁蓋已然用盡，這讓它們停下了腳步。「他們不得不改用不需要密封的噴霧式瓶蓋，這讓他們必須展開供應商爭奪戰不可，」他表示。
此外，通常利潤率較低的大多數地區性與小型家庭式雜貨(Mom-and-Pop)零售商都沒有錢投資於當今可以解決許多供應鏈問題的先進雲端數位技術。「大型民生消費性用品(CPG)品牌可能還有更大的迴旋餘地，因此像是寶僑(Procter & Gamble, P&G)和雀巢(Nestle)之類的公司能夠達成那樣的目標，至於設備製造商等利潤較高的企業則有更多的資金可供投資，」Ferrari表示：「當較小的零售商缺貨時，他們會依賴所有供應商來獲得這些能力。」
科技能為零售商做些什麼及其極限為何
目前，銷售高需求量商品的零售商將不得不承認，他們現今模型可能非常不準確，而且異常值偵測(Outlier Detection)技術可能無法接收到必要的訊號。「我認為，未來技術肯定會幫助更多的零售商，但是現在如果你是根據當前的促銷活動來進行價格敏感度模型預測的話，那就行不通了，」Klein指出：「除非零售商擁有複雜精細的AI系統，否則他們將需要手動進行干預。」
Steneckert表示，如果可能的話，零售商現在就應該為明天投資新軟體，以確保他們能開始對銷售量成長最快商品的真實需求有所了解。「在一個典型的雜貨店裡，多半會有一份銷售額成長最快的商品清單，」他指出：「那一類商品需要特別的維護與支援。」
以亞馬遜為例，為了滿足其日益成長的需求，該公司正在加緊腳步並招聘了10萬名新員工。「這是因為他們擁有基於AI的系統，能夠了解正在發生的事情，」他解釋指出：「他們還更改了商品的交貨時間，如此一來他們便可調整供應鏈，將重點放在有急迫性需要的商品上，而非次要的商品上。這就是你會從基於AI之零售功能集身上所期望到的智慧。」
[ 加入 CIO Taiwan 官方LINE，與全球CIO同步獲取精華見解 ]
Ferrari表示，毫無疑問的，即使是擁有最佳技術的零售商也面臨著嚴峻的供應鏈挑戰。他指出，在這個需求空前昌旺的時代裡，可供運輸和製造的商品就只有那麼多。他解釋說，該技術能從中協助未來發展的地方莫過於能提供預警機制，並在後續中斷發生時提高可見度。
「COVID-19所發生的一切，乃至機器學習技術納入供應鏈規劃之中，將不可避免地產生新的使用案例，」他表示：「當一切塵埃落定，以及公司開始談論該技術在哪些方面幫助它們時，我們將看到其中一些應用實例已開始發揮作用。」
他補充指出，我們已可從來自中國的數據中學到一些東西，例如包括阿里巴巴在內的公司如何利用供應鏈技術能力（包括追蹤貨物和卡車移動的感測器）來應對一切都被封鎖的情況。「雖然他們無法將貨物和卡車運送到湖北省所需的地方，」他指出：「但他們克服了這些挑戰，而且讓科技從中發揮作用。」
從短期來看，零售商莫不分秒必爭地增加庫存。「分析現在幫不了你，因為沒有時間，」Kleine表示：「你必須專注於真正暢銷的商品。您可能有200個SKU（Stock Keeping Unit，最小庫存單位）商品，但其中5個SKU的需求量很大。你可能不得不繞過配送中心，並且讓供應商直接去商店。」
讓我們再次回到衛生紙問題上：如果需求是製造能力的兩倍，零售商甚至可能無法找到新的供應來源。「即使我尋海外奧援，我也不確定這是否可行。」Venkataramani表示：「我真的會空運衛生紙嗎？即使你回到紙漿，他們能支援多少？公司不得不竭盡所能地處理好他們手中的王牌。」
Venkataramani表示，未來，公司將從新冠病毒大流行對供應鏈的影響中汲取教訓，並學習到如何透過先進技術來模擬支持bt的類似場景。「即使像我們這樣一個經驗豐富的國家，在第一次處理這樣的規劃仍然是個巨大的挑戰，」他表示：「歸根究底，每個人都需不斷地學習。」
（本文授權非營利轉載，請註明出處：CIO Taiwan）
