后COVID-19世界中的汽车供应链。

在新冠肺炎疫情后驾驭汽车供应链

2020年5月18日 5 最小阅读
本文继续我们的博客文章“汽车行业:后COVID-19世界的导航,本文重点关注汽车供应链——面临的挑战和一些可能的缓解策略。

供应链变得越来越复杂和全球化。然而,许多公司并没有意识到这一点。在我们之前的文章中,我们提到全球80%的汽车供应链以某种方式与中国有联系。许多原始设备制造商在实际受到供应中断打击时可能已经意识到了这种联系。

大多数情况下,供应链的效率是通过应用精益方法和相关的“及时”库存策略来实现的。虽然这些方法在大多数正常运行条件下都能很好地工作,但在发生重大破坏性事件时,它们不能很好地响应。

COVID-19是一个破坏性事件,以前所未有的速度影响全球需求和供应。企业正面临供应链的严重冲击,并将在未来几个月和几个季度继续如此。
 
  • 第一次冲击发生在中国制造业陷入停滞时,因为COVID-19在武汉肆虐。
  • 随着汽车需求萎缩,而社会正在采取严厉措施来抗击COVID-19,第二次冲击仍在继续。许多较小的供应商面临破产的风险。这增加了进一步中断的可能性。
从长远来看,汽车公司如何有效应对这种颠覆?

在COVID之后,我们预测高管层将重新关注供应链战略领域。展望未来,该行业可能不得不专注于建立灵活和有弹性的供应链,使企业能够快速重新定位和应对中断。这可以通过将风险缓解作为供应链的一个组成部分以及成本和质量来实现。

在这里,我们将讨论该领域的三个关键功能:

1)深度供应链意识:对供应链的详细认识,超越了一二线供应基础。
 
  • 这是一项资源密集型练习,从物料清单(BOM)开始,并将供应链映射到原材料级别。
  • 许多公司不执行此活动,因为它需要花费时间和精力。COVID-19已经表明了这种意识的价值。在疫情之前投资绘制其供应链图的少数公司为回应做好了更充分的准备。
  • 供应链地图侧重于最高创收产品中使用的关键组件。目标是尽可能多地深入供应链,以识别任何隐藏的关键供应商。
  • 该地图应包括有关主要供应站点执行的活动、供应商拥有的可以执行该活动的任何替代站点以及将业务转移到辅助站点所花费的时间的信息。
要实现这种意识,企业需要管理其供应链许多方面的大量数据。创建和维护地图需要强大的跨职能数据模型。
 
2)早期检测能力:能够从从各种来源捕获的数据中摄取,处理和生成见解,以对潜在的中断事件提供早期预警。
 
  • 公司必须从新闻提要、分析师报告和社交媒体中获取数据,其中包括结构化和非结构化文本和多媒体数据。
  • 配置为处理事件流的分类模型——如决策树、自组织图 (SOM) 等——的集合可以帮助识别潜在事件并向公司发出警报。这需要复杂的信息建模和数据科学功能,以及大规模部署高级分析的能力。
在继续之前,让我们考虑一下供应链中风险建模的传统方法。

供应链风险建模:传统方法

传统的风险建模方法依赖于两个关键数据点,这些数据点涉及可能破坏公司运营的潜在事件:1)事件发生的可能性,以及2)造成的影响程度。这适用于常见的供应链中断,其中有历史数据来量化风险(例如,供应商绩效不佳、预测错误、供应商财务偿付能力等)。这种方法不适用于像COVID-19这样的低概率、高影响事件,因为历史数据是不存在的。

这就引出了我们的第三种能力。

3)先进的供应链风险建模能力:一种低概率、高影响的事件建模和场景规划工具,专注于供应链中的潜在故障点。这允许公司量化事件的影响,而不管它发生的概率如何。该工具是可自动化的,这一点至关重要,因为它必须支持快速更新和近乎实时的执行,因为供应链在中断期间处于不断变化之中。

为了建立这种能力,公司必须使用来自其深度意识能力的数据——结合通过其早期检测能力识别的潜在事件——并运行优化模型来生成供应链中节点的风险敞口指数评分。该分数允许经理快速查明风险最高(与风险较低)的节点,并实施缓解措施。

高级供应链风险建模概述

  • 绘制分销网络(经销商、仓库等)并将其与供应链地图相结合:
    • 集成来自供应链多个层级的数据,包括供应信息、物料清单、运营和财务措施、库存水平(包括运输中和现场)以及每种产品的需求预测。
    • 以最精细程度呈现供应链。这实现了向下和向上钻取的功能,从而可以识别供应链中隐藏的依赖关系。
  • 确定节点在操作受到中断事件损害时恢复所需的时间。

结论

所有这三项功能都要求汽车公司安全地大规模管理和分析不同类型的数据。

Teradata通过大规模数据和分析的力量,帮助供应链转型,使其更加灵活和有弹性,以便各行各业能够为这种颠覆性情况做好更充分的准备。

关于我们 Udiptya Pal

Udiptya Pal brings more than two decades of diverse experience in the areas of consulting, Analytics, digital transformation, process re-engineering, strategy, business development & sales. He has spent significant time with Tata Motors in various leadership roles in Business Analytics, CRM, large technology-led transformation projects and business development. Previously he also worked with Larsen & Toubro in India. Currently, he leads the Automotive Industry Consulting practice for APAC at Teradata where he leads consultative selling in the Automotive industry in areas of connected vehicles, electric mobility, supply chain, customer experience, finance transformation, aftersales excellence. Udiptya holds a post-graduate degree from XLRI, Jamshedpur in the area of General Management and a Bachelor’s degree in Electrical Engineering from Jadavpur University, Kolkata. He is also an alumnus of IIM Ahmedabad. He resides in and works from Mumbai. 查看所有帖子 Udiptya Pal

关于我们 Danesha Marasinghe

Danesha Marasinghe is an experienced supply chain, logistics & procurement professional with more than 15 years of industry experience. He has diverse global experience spanning Asia, Middle East, Europe & North America across a range of industries. He has spent time at PwC, Amway & DELL. Danesha is a strong believer in the transformative power of data in supply chain. He holds a bachelor’s degree in Information’s Systems from the Manchester Metropolitan University, UK and a master’s in supply chain management from the Ross School of Business from the University of Michigan, Ann-Arbor.
  查看所有帖子 Danesha Marasinghe

随时了解情况

订阅 Teradata 的博客,获取每周向您提供的见解



我同意作为本网站提供商的Teradata天睿公司可能偶尔向我发送Teradata市场沟通电子邮件,其中包含有关产品、数据分析、活动和网络研讨会邀请的信息。我了解我可以随时通过点击我收到的任何电子邮件底部的取消订阅链接取消订阅。

您的隐私很重要。您的个人信息将根据Teradata全球隐私政策收集、存储和处理,您可以通过单击此隐私链接阅读和打印。

从 Teradata 查看更多信息