SKU數(shù)量龐大且需求不穩(wěn)定
汽車后市場(chǎng)的訂單量取決于零散的、隨機(jī)的市場(chǎng)需求,且汽車零配件產(chǎn)品種類多。在使用頻率方面,非標(biāo)品和長(zhǎng)尾件多,單個(gè)SKU消費(fèi)頻次低,產(chǎn)品的需求更加難以預(yù)測(cè)。
庫(kù)存成本壓力大
零配件的供應(yīng)和配送受到季節(jié)性、周期性和區(qū)域性的影響。如果經(jīng)銷商和廠商保有大量庫(kù)存以應(yīng)對(duì)可能的零配件需求,則會(huì)導(dǎo)致大量的庫(kù)存積壓,庫(kù)存成本高;反之,如果經(jīng)銷商和廠商不保有零配件庫(kù)存,則會(huì)導(dǎo)致客戶維修服務(wù)周期過(guò)長(zhǎng),導(dǎo)致客戶流失。
整體供應(yīng)和配送網(wǎng)絡(luò)較為復(fù)雜
零配件的供應(yīng)和配送網(wǎng)絡(luò)涉及從經(jīng)銷商和OEM廠商發(fā)出訂單需求,到實(shí)際的配件配送過(guò)程,其中涉及到眾多主體和信息交互。汽車后市場(chǎng)的交貨期隨機(jī)性強(qiáng)、時(shí)限短,部分零部件產(chǎn)品工藝及原材料相對(duì)復(fù)雜,產(chǎn)品供應(yīng)能力受產(chǎn)能及外部中斷的影響度高,供應(yīng)商交期不穩(wěn)定。
基于數(shù)據(jù)治理、數(shù)據(jù)探索、模型訓(xùn)練、策略應(yīng)用等全周期數(shù)據(jù)價(jià)值挖掘流程等優(yōu)勢(shì),神州數(shù)碼通過(guò)對(duì)供應(yīng)商生產(chǎn)、供應(yīng)鏈物流、庫(kù)存流轉(zhuǎn)等全流程進(jìn)行數(shù)據(jù)采集和KPI監(jiān)控,幫助車企構(gòu)建汽車零配件供應(yīng)鏈的數(shù)據(jù)解決方案。
神州數(shù)碼通過(guò)零配件的生命周期、業(yè)務(wù)屬性等,對(duì)零配件進(jìn)行分類,并進(jìn)行分類預(yù)測(cè)及優(yōu)化。首先,使用機(jī)器學(xué)習(xí)及人工智能算法預(yù)測(cè)配件需求,根據(jù)其零配件的不同類別,選取模型算法庫(kù)中的適用模型,并經(jīng)過(guò)業(yè)務(wù)規(guī)則調(diào)整等形成最終預(yù)測(cè)結(jié)果;隨后,將需求預(yù)測(cè)結(jié)果與企業(yè)經(jīng)營(yíng)戰(zhàn)略約束、業(yè)績(jī)指標(biāo)約束、采購(gòu)約束等條件相結(jié)合,制定與企業(yè)適配的配件庫(kù)存策略,把控降低庫(kù)存與提高滿足率之間的平衡;最后,使用KPI指標(biāo)監(jiān)控模型效果及企業(yè)庫(kù)存指標(biāo),及時(shí)了解并且調(diào)整模型策略。
對(duì)某汽車配件售后服務(wù)部,關(guān)于汽車配件分銷倉(cāng)庫(kù)訂單預(yù)測(cè)和各級(jí)庫(kù)存進(jìn)行模型優(yōu)化,庫(kù)存預(yù)測(cè)精確度從92%提升至97%,助力數(shù)十萬(wàn)零配件庫(kù)存優(yōu)化;
優(yōu)化后的配件庫(kù)存水位遠(yuǎn)高于現(xiàn)狀,確保了零配件一次滿足率保持在95%,顯著提升了客戶滿意度和服務(wù)響應(yīng)速度;
針對(duì)預(yù)測(cè)精度、庫(kù)存水平、WHO、服務(wù)水平等關(guān)鍵指標(biāo),建立了KPI指標(biāo)監(jiān)控體系,當(dāng)出現(xiàn)異常時(shí),及時(shí)報(bào)警和進(jìn)行根源分析,并采取相應(yīng)的策略;
通過(guò)配件分銷倉(cāng)庫(kù)訂單預(yù)測(cè)和各級(jí)庫(kù)存模型優(yōu)化,實(shí)現(xiàn)安全庫(kù)存動(dòng)態(tài)調(diào)優(yōu),采用MIN-MAX補(bǔ)貨策略,一旦小于最小值即可自動(dòng)觸發(fā)補(bǔ)貨。