热门搜索

历史搜索

广告

跳出速度与价格取舍

库存与销售的分析方式升级后,产品配送可以做到既快速,又低价。

在网络零售的初期,电商从为数不多、货品类似的大型仓储中心找到相应物品,满足顾客需求。零售商一边在尽可能少的几个地方存储小批量货物,一边尽力保持顾客所期望的服务水准。

这样做的目的在于利用大型物流中心具备的规模经济,降低库存成本。在那个时期,由于顾客愿意花时间等待物流配送,所以相比成本的节约,距离的邻近与速度显得不那么重要。

如今的顾客不仅希望运费低廉,还想要货物能快速送达。为了实现当天送达,零售商们正尝试全新的业务经营模式,包括借助第三方、众包、自助快递、无人机等

与此同时,包括亚马逊、梅西百货在内的许多零售商近年来也开始重新设计配送网络。越来越多的全渠道零售商借助实体店网络完成线上订单,而纯线上零售商也开始增加仓库,尤其是选择在大城市建设仓库。

各公司在建立供应链网络时,向来会考虑成本与响应时间的平衡。在过去,消费者要想立刻拿到货,就要为零售商管理本地库存或高速运输支付高得多的费用。

如今,这种状况已发生改变。越来越多的公司采用IT解决方案,将实时销售数据与库存情况向全公司开放,先进的算法使供应网能够快速应对经营环境的变化,做到敏捷配送。

提高配送系统的敏捷度总共需要三步:重新设计网络,集中信息,将库存与定价纳入订单履行决策。

1重新设计网络

要提高配送系统的敏捷度,首先就要重新设计实体配送网络和支持其运转的信息网络。以前扩大配送网络,一般会削弱规模经济,但现在库存信息能够全网实时显示,产品补货与订单履行也都实现了智能化,这就大大降低了扩网成本。

例如,菜鸟物流是阿里巴巴集团下的一家物流公司,日发货量超5,000万单,处于中国业内领先地位。它运用实时的大数据算法,计算不同仓库的库存可分配量,同时评估当天的交通及天气状况,以规划出最佳配送路线。

不仅如此,这些算法还可预测需求激增的情况,为送货人员提供信息。菜鸟物流利用从各个卖家、销售平台以及第三方物流公司收集到的大量数据,做出集中决策,提升了整个销售网络的效率。

2集中信息

随着物流网络的规模越来越大,越来越复杂,网络上的任何一个节点越来越可能因为缺货,引起变动,增加成本。要减小负面影响,数据分析系统就应该拥有预测与管理库存的功能

预测应包括以下内容:每小时的需求量、有关订单时间敏感性的信息、交通状况、劳动力需求和可能的缺勤率、产品退货信息以及顾客对价格的敏感度。

在一个订单履行中心订购物品时,一旦缺货,就可能使另一个订单履行中心的产品需求超出负荷,从而引发各仓库接连缺货的多米诺效应。

算法将网络作为一个整体进行检测,通过预测网络中可能发生的接连缺货,并相应进行订单排序,从而使问题得到缓解。

3将库存与定价纳入订单履行决策

提高配送系统敏捷度的最后一步,就是同时考虑整个组织的库存和定价。

例如,一个距某仓库较近的顾客订购了一个游戏机,要求五天内交货,而该仓库中的货物只剩最后一件,那应不应该从该仓库发货?

或者,你认识到有顾客可能要求当天送货,所以你是否把这件货留着给更心急的顾客,而以略高一些的成本,从较远的仓库调货来满足那个要求五天内交货的订单?

敏捷度高的配送系统,应当能够估测出在当前的系统库存水平下,某个时刻特定仓库中特定货物的价值,迅速做出决策

商店中存有太多库存时,管理员可采取另一种方式消灭库存。当库存量大于货品需求量时,零售商通常面临压力,为达到收益最大化而降低价格。

然而,在敏捷度高的网络中,定价和订单履行决策是联合制定的,网上订单可以在库存积压的商店中完成,从而减少降价的需求。

零售配送网络变得更敏捷后,关键优势就在于可以缓解响应度与效率之间历来存在的冲突。与此同时,这也能够让零售商既满足消费者对快速发货的要求,又保持低价

敏捷的配送网络带来的第二个好处,就是使网络更具弹性。有一定规模的网络一旦中断,要想恢复很困难。任何节点或链路的故障都可能导致网络的大部分出现中断,而敏捷的配送网络可以抵御市场因素(如罢工和材料成本增加)和非市场因素(如天气)所带来的风险。

我们发现,虽然基于规模的物流策略只能通过调整配送网络的设计来适应市场波动,但敏捷度高的策略可在规划和运营层面做出调整。加大网络密度可以缩小受影响的服务范围,从而防范网络中断的风险。敏捷度高的网络,即便是库存成本因素发生变动,也不需要做出太大调整。

作者简介:贾森·阿希莫维奇,宾夕法尼亚州立大学斯米尔商学院(Smeal College of Business, Pennsylvania State University)供应链管理助理教授。

迈克尔·李,首尔国立大学商学院(Seoul National University Business School)运营管理副教授。

马浩然,牛津大学赛德商学院(Sad Business School,University of Oxford)管理学副教授。

相关推荐

评论

评论共0