Цепочка поставок как экономические ставки в рыночном мире

Joannes Vermorel

За последние два десятилетия я наблюдал, как «управление цепочками поставок» собирает модные слова быстрее, чем реальные результаты. Мы говорим о цифровых двойниках, контрольных башнях, интегрированном бизнес-планировании, ощущении спроса, устойчивости, устойчивом развитии. Однако если внимательно взглянуть на балансовые отчёты и отчёты о прибылях и убытках, многие компании не продвинулись далеко в том, как они превращают рабочий капитал, мощности и сложность в экономическую отдачу.

В моей книге Введение в управление цепочками поставок, я попытался переосмыслить управление цепочками поставок как строгую экономическую дисциплину, сосредоточенную на том, как компании распределяют ограниченные ресурсы в условиях неопределенности. Книга содержит больше деталей, чем я могу изложить здесь, но центральная идея проста: каждый раз, когда мы решаем, что купить, произвести, переместить или установить цену, мы делаем небольшую экономическую ставку с неопределенными результатами. Современная цепочка поставок должна оцениваться по качеству этих ставок и долгосрочным финансовым последствиям, которые они создают.

Это эссе излагает перспективу «ставок» и исследует вытекающие из неё последствия: как мы определяем эффективность, как относимся к прогнозам и планам, какую технологию действительно необходимо использовать и какую роль люди должны играть, когда пыль оседает.

Цепочка поставок как портфель ставок

Повседневная деятельность цепочки поставок на первый взгляд кажется обыденной. Кто-то решает купить еще одну единицу этого товара для того склада, с датой получения на конкретный день. Кто-то переносит начало производственной партии, откладывает её или отменяет. Кто-то корректирует цену для данного артикля в определенном канале на завтра.

Каждое из этих решений потребляет что-то ограниченное: наличные, мощности, место на полке, внимание людей, доверие со стороны клиентов или поставщиков. Каждое решение также создаёт риск столкновения с рядом возможных будущих сценариев. Единица может быть продана вовремя по полной цене, продана с опозданием со скидкой или вовсе не продаться и устареть. Производственная партия может восполнить прибыльную нишу или задействовать мощности, которые могли бы оказаться более ценными в другом месте.

По отдельности большинство из этих ставок малы. В совокупности они определяют профиль риска компании и её экономический результат. То, что мы называем «эффективностью цепочки поставок», — это просто долгосрочный финансовый результат миллионов таких ставок, принятых в условиях неопределенности.

Именно поэтому, на мой взгляд, цепочка поставок в основе своей является экономической дисциплиной. Её суть заключается в распределении ограниченных ресурсов в условиях неопределенности. Её единицей учета, нравится нам это или нет, являются деньги. Деньги — не всё, но именно в этих единицах компания расплачивается по своим обязательствам и измеряет выживаемость. Если мы серьёзно настроены на улучшение цепочек поставок, нам необходимо серьёзно относиться к экономике этих ставок.

Что именно мы пытаемся оптимизировать?

Если убрать жаргон, большинство компаний заявляют, что оптимизируют «эффективность». Но эффективность — это скользкое понятие.

Один из естественных подходов — сравнительный и долгосрочный. Можно проанализировать группу аналогичных компаний за десятилетие и задаться вопросом: какие компании действительно улучшили свои позиции в плане роста, операционной маржи, оборачиваемости запасов и отдачи на капитал? Некоторые аналитики называют это «эффективной границей»: многомерной кривой, за которую аналогичные компании труднее всего выжать дополнительные показатели. Компания, которая быстро растёт, но теряет маржу, не является отличной. Компания, которая сокращает запасы, но при этом теряет рыночную долю, тоже не является отличной. Отличие проявляется там, где эти показатели улучшаются вместе или, по крайней мере, хорошо сбалансированы.

Этот подход полезен, потому что он заставляет нас столкнуться с компромиссами. Недостаточно просто достигать внутренних KPI уровня обслуживания, если при этом неосознанно размывается маржа или запасы растут. Со временем табло неумолимо показывает результаты.

Мой собственный подход — единичный и предельный. Я сосредоточен на доходности с учётом риска от предельного решения. Если я покупаю ещё одну единицу продукта X для размещения в точке Y на неделю Z, с учётом того, что я знаю на данный момент, какова ожидаемая финансовая отдача? Сколько прибыли приносит эта дополнительная единица в среднем, если учесть:

• вероятность того, что он будет продан вовремя по полной цене,
• вероятность того, что он будет продан с опозданием со скидкой,
• шанс, что он вообще не продастся и станет устаревшим?

Как это соотносится с вложением той же единицы оборотного капитала в другой продукт, другое место или просто с отсутствием инвестиций?

Чтобы рассуждать об этом, нам нужна общая шкала. Все компромиссы, которые засоряют обсуждения в цепочке поставок — уровни обслуживания, использование ресурсов, транспортные расходы, устаревание, акции — должны выражаться в последовательных финансовых терминах. Недостаток не является «плохим» в абстрактном смысле; он обходится дорого с точки зрения утраченной маржи, потерянного будущего бизнеса и ущерба репутации. Избыточные запасы — это не просто «отходы»; это опция, которая может ещё окупиться или сгнить. Мощности, кажущиеся неиспользуемыми на дашборде, могут оказаться ценными в качестве буфера против волатильности, которая пока не отражена в исторических данных.

Эффективный фронтир и маржинальная доходность с учетом риска — два способа описать одно и то же базовое явление. Один рассматривает интеграл: долгосрочную, многолетнюю траекторию компании относительно конкурентов. Другой рассматривает производную: предельный эффект следующего решения. На практике нельзя слишком долго иметь хороший интеграл при плохой производной. Постоянное превосходство на фронтире в конечном итоге требует, чтобы ежедневные решения по тысячам товаров и локаций были экономически обоснованными в условиях неопределенности.

Прогнозы, планы и иллюзия определенности

Традиционные процессы планирования обычно начинаются с прогноза. Во многих организациях этот прогноз выражается одним числом за период и за товар: «наиболее вероятное» количество продаж. Это число становится якорем для производственных планов, планов закупок, планов перемещений, резервирования мощностей и так далее. Отклонения трактуются как ошибки, которые нужно объяснять задним числом.

Эта практика создает удобную иллюзию определенности. Мы берем хаотичное, неопределенное будущее и сводим его к одному числу — «ожидаемому спросу» для данного периода. Затем мы строим запасы безопасности и детерминированные планы вокруг этого числа, как будто погрешности — это лишь незначительные отклонения, а не основное событие.

На самом деле, информация, которая нам наиболее необходима, — именно та, которую этот подход отбрасывает: диапазон правдоподобных будущих сценариев и их вероятностей. Для любого товара важны следующие вопросы:

• Какова вероятность того, что продажи в следующем месяце составят половину обычного уровня?
• В два раза больше обычного уровня? Три раза больше?
• Как выглядят хвосты распределения? Они толстые, скошенные, мультимодальные?

Как только мы это принимаем, идея единого «консенсусного плана» становится менее убедительной. Вместо того чтобы спрашивать «Каков прогноз?» и затем договариваться о плане на его основе, следует спрашивать:

«Учитывая это распределение возможных будущих сценариев и эти финансовые последствия отсутствия запасов, избытка и задержек, какие решения имеют смысл?»

Одно и то же распределение спроса может оправдать совершенно разные решения по запасам или производству в зависимости от:

• структуры маржи,
• наличия заменителей,
• сроков поставки,
• стоимости мощностей и переналадки,
• контрактных ограничений и штрафов.

В своей работе я утверждаю, что прогнозы должны представлять собой распределения, а не отдельные числа. Вопрос заключается не в том, «Каков прогноз продаж на следующий месяц?», а в том, «Как выглядит вероятностное распределение возможных продаж?». Как только у нас появляются такие распределения, план перестает быть единым «консенсусным числом», согласованным на совещаниях, и превращается в серию решений, вычисляемых алгоритмами, которые оценивают затраты и возможности в условиях этих распределений.

Технологии: архитектура против движка

У большинства компаний имеется технологический стек, унаследованный от систем, создаваемых преимущественно для транзакционной эффективности: регистрации заказов, отгрузок, счетов и перемещений запасов. Эти системы интегрируют данные между различными функциями, но они не обязательно помогают компаниям принимать более обоснованные решения. Добавление большего количества дашбордов поверх такого стека не решает основную проблему. Это дает больше способов увидеть, что происходит, но не оказывает значительной помощи в определении дальнейших действий.

Сегодня ведется множество обсуждений об архитектурах, ориентированных «снаружи внутрь»: интеграция внешних сигналов спроса, создание более богатых таксономий, обеспечение почти в режиме реального времени видимости запасов и мощностей, а также предоставление более гибких аналитических инструментов. Всё это полезно. Однако, я считаю, что этому не хватает ключевой возможности.

Недостает не просто еще одного уровня интеграции или другого табло, а движка принятия решений.

Под этим я подразумеваю программное обеспечение, которое на регулярной основе:

1. принимает все релевантные данные и текущие ограничения,

2. применяет явную экономическую модель затрат и возможностей, и

3. предлагает или напрямую выдает конкретные решения:

   • какие заказы на закупку оформить,
   • какие производственные заказы запланировать,
   • какие перемещения выполнить,
   • какие цены скорректировать.

Такой движок должен быть:

• Программируемым людьми, которые понимают бизнес.
• Аудируемым, в том смысле, что он может объяснить, уже после факта, почему было принято то или иное решение, учитывая данные и оценки на тот момент.
• Достаточно быстрым и масштабируемым, чтобы справляться с миллионами решений в рамках сроков, установленных физическими ограничениями.
• Вероятностным, способным работать с распределениями, а не с точечными прогнозами.

«Снаружи внутрь» архитектуры полезны, потому что предоставляют лучшие входные данные для такого движка. Однако без самого движка они рискуют превратиться в более сложные системы отчетности. Вы будете видеть проблему яснее, с большим количеством цветов и метрик задержки, но всё равно будете зависеть от армий планировщиков, перемещающих цифры в таблицах и пытающихся вручную примирить противоречащие друг другу цели.

Мой акцент, следовательно, заключается в том, чтобы поставить движок принятия решений в центр, а архитектуру сделать ему на службу.

Организация, управление и роль S&OP

Большая часть организационных размышлений о цепочке поставок кристаллизовалась вокруг планирования продаж и операций (S&OP) и его производных. Эти процессы созданы для преодоления барьеров между подразделениями и для согласования функций. Именно там обсуждаются компромиссы, и где, как полагается, финансы, продажи, операции и цепочка поставок объединяются в единый план.

Я разделяю мнение, что изоляция подразделений является одной из главных причин разрушения ценности. Когда каждая функция оптимизирует свои собственные показатели — уровень сервиса здесь, загрузка там, точность прогнозов где-то еще — вся система страдает. Люди тратят колоссальные усилия на разрешение конфликтов между планами, которые никогда не были рассчитаны на совместимость.

Я расходлюсь с традиционными взглядами на S&OP в отношении того, какое центральное место заседание по планированию должно занимать в долгосрочной перспективе.

На мой взгляд, если мы правильно организуем технологическую сторону, основную часть оперативного планирования следует делегировать движку принятия решений, описанному выше. Этот движок питается самыми актуальными данными и текущими экономическими оценками (например, относительной стоимостью отсутствия товара по сравнению с излишком для конкретного элемента или стоимостью сокращения срока выполнения на один день для определённого направления). Он пересчитывает оптимальные решения по мере изменения условий гораздо чаще и последовательнее, чем любой человеческий процесс.

То, что остается для S&OP или интегрированного бизнес-планирования, — это не планирование, а управление.

Вместо того чтобы тратить время на корректировку количеств в электронной таблице, руководители должны уделять время корректировке правил игры:

• финансовых оценок,
• ограничений,
• отношения к риску,
• структурных предположений, воплощенных в логике принятия решений.

Они должны анализировать, как решения движка переводятся в реальные результаты, и использовать эту обратную связь для уточнения экономических параметров и структурных предположений. Основные вопросы таковы:

• Нас устраивает текущий компромисс между уровнем сервиса и запасами в этой товарной группе?
• Правильно ли мы оцениваем риск на этом рынке?
• Реальны ли наши предположения о сроках поставки с учетом недавних сбоев?

Это тонкий, но глубокий сдвиг. Он превращает S&OP из коллективной попытки вручную создать единый «правильный» план в периодический обзор того, насколько эффективно работает автоматизированная система принятия решений с учетом целей компании. Человеческий фокус смещается от микроменеджмента количествами к калибровке стимулов и ограничений.

Откуда мы знаем то, что знаем?

Цепочка поставок — это сложная область с эпистемологической точки зрения. Эксперименты дороги, окружающая среда шумная, а число переменных ошеломляет. Легко спутать правдоподобные истории с надежными знаниями.

Исторически многие методы, которые до сих пор широко преподаются и применяются, обязаны своему существованию не столько эмпирической эффективностью, сколько вычислительным удобствам. Формулы страховочного запаса, основанные на героических предположениях, линеаризованные модели явно нелинейных явлений, упрощенные иерархии планирования, которые больше отражают организационные схемы, чем экономическую реальность — эти артефакты были понятны, когда вычислительные ресурсы были скудны и дороги. Сейчас их обоснование становится труднее.

Меня также беспокоят структуры стимулов. Продавцы программного обеспечения, консультанты, академики и внутренние участники имеют все основания предпочитать нарративы, оправдывающие крупные проекты, сложные рамки или постепенные корректировки. Существует сравнительно мало стимулов для доказательства того, что дорогостоящий метод на практике систематически приносит убытки.

На мой взгляд, ответ заключается в том, чтобы приблизить цепочку поставок к прикладной экономике с сильной эмпирической и вычислительной составляющей. Мы должны:

• явно формулировать наши предположения,
• закладывать их в алгоритмы,
• сопоставлять их с реальностью через финансовые результаты самой компании, и
• быть готовыми отказаться от политик, разрушающих ценность, независимо от того, насколько они элегантны или широко преподаются.

Нет вечных «лучших практик», ожидающих своего часа, чтобы их внедрили. Существуют только практики, которые работают в определённом контексте некоторое время, пока не изменятся условия или конкурентная среда.

К более честной практике

Если вы руководитель или практик, пытающийся освоить эти идеи, возможно, вам поможет мысль о слоях:

• На стратегическом и диагностическом уровне вас интересует ваше развитие по сравнению с коллегами: рост, маржа, оборачиваемость запасов и рентабельность капитала. Двигаетесь ли вы на самом деле к эффективной границе или просто переставляете внутренние ключевые показатели?
• На операционном и вычислительном уровне вас заботит, являются ли миллионы ежедневных решений — закупка, производство, перемещение, ценообразование — удачными ставками, учитывая неопределенность, с которой вы сталкиваетесь, и финансовые компромиссы, на которые вы пошли.
• На уровне управления вас интересует, отражают ли правила игры, закодированные в вашем механизме принятия решений, вашу реальную стратегию и склонность к риску, а также обновляются ли они по мере изменений в мире.

Эти уровни не являются альтернативами. Это разные точки зрения на одно и то же явление.

С моей точки зрения, суть вопроса можно выразить в одном предложении:

Цепочка поставок по своей сути является экономической дисциплиной, которую следует практиковать посредством программного обеспечения как искусство делать удачные ставки в условиях неопределенности.

Все остальное — процессы, архитектуры, панели мониторинга, даже модели зрелости — должно оцениваться по тому, насколько они помогают или мешают этой центральной задаче.