剑客
关注科技互联网

时尚行业(服饰)供应链(TOC)思路

时尚行业(服饰)供应链(TOC)思路

品牌公司、零售商、终端店铺每年对SKU实际销售量和预订数量进行比较—将会发现,实际销售比初始收到的预订数量变动范围更广泛。有些不同质地要求和色系的成衣,实际卖出比当初预订的数量多了一倍,同时其他的品类却低于预订数量的50%。这么广范围的波动现象,这样的落差,无关乎管理能力的差异,是否在这个行业具备多年的经验,是行业特性所决定。

时尚行业(服饰)是四季不间断的SKU。如果预测错误如此严重发生在整年中不同质地和色系的品类销售上,如果还是传统的思路,下个年度的数据也是必然。

即使零售商、店长对于本地市场有很深刻的了解,实际上也无法做出任何准确的预测,甚至那些常规销售的产品。由于连续不断的每季预测错误,品牌公司、零售商会一直遭遇高库存和缺货困扰。

以上的来源可能有一下两个假设来解释这样的现象(产品的选择重大失误)

1、所有品牌公司、零售商没有使用有效的“科学”预测工具,而是以“胆量”、或者说是任务作为基础做出了预测决策。

2、期望任何准确性的改善是徒劳的。预测零售商所在地区在某个订货季节里,预测服饰需求相关的SKU,从理论上说错误几率还是蛮高的,同时很多公司的订货人员不靠谱就另说了。

时尚行业(服饰)需求的相关SKU 在不同销售点具有复杂的特征,因此无法产生合理的预测准确性。经验老道的人就主张采用“聚集效应的预测”或者至上而下的预测。至上而下的预测(尝试利用聚集效应)或则之下而上的预测(利用许多局部参考性)或者两者相结合并无法产生更好的效果,因为你不得不在更长的周期内预测更大数量的SKU。即使聚集效应让预测看上去更好,当库存最终是以推压的方式被推到了出现错误最大的节点—零售终端,这样的聚集效应也立刻荡然无存。(通俗点解释:靠覆盖店铺数量来预测数据的准确性)

那么我们是否应该尝试去改善预测方法,其实重要的是大幅度地去缩短对实际市场需求的响应时间,这样我们就可以大幅度降低因为时间周期长预测错误所带来的失误。

由于供应链更快的响应时间,品牌公司、零售商或者终端大幅度降低预测错误所带来的影响。对零售商或者终端更短的反应订单和补货时间,公司能够更好地应对每个独立区域、零售商、甚至店铺的市场需求变化。

TOC中的动态缓冲管理DBM(用过去补货周期的销售速率然后和补货速度进行比较来持续动态调整SKU生产和库存数量)

如果有项SKU销缓慢,DBM 的规则就会让它在3-4个补货周期内被取代,同样如果有项SKU 销售很快,在1-2 个补周期内,库存设定将会调高。这样确保库存水平能够总是处于理想状态。补货时间对于零售商或者终端在品牌供应链体系中补货模式下大概是10-15天,相对于以前订货模式是6个月要远远的缩短了。相比之下在DBM 模式下响应速度是多倍的改变。

一、时尚行业(服饰)现状:

品牌公司、零售商或者店铺按照“春夏-秋冬订货会”的模式时,预测所产生的错误。每个季节后,总是会有某些滞销品积压导致库存过高。这意味着,随着时间的推移,我们可以预见,零售店持的平均库存在增加—这就解释了在销售点的库存转数只有1、2.如果1 是平均库存转数,我们实际上可以预期到一些SKU在货架上的时间肯定超过了1年。

在销售点很低的库存转数也真正意味着有大量的货架空间(同时也包括销售员的关注度)是被这些滞销品占据了。即使是打折促销期间清空货架,给新产品的货架空间总是有限的。同时,零售商、终端店铺因为很低的投资回报,购买新货品的能力也相当有限,甚至出现关闭店铺。(这大概是目前中国服饰行业的整体现状,全直营的店铺也有此现象)。

对于零售商、终端店铺来说,通过品牌公司的SKU组合来增加了他们的产品组合,并且不需要等待整个产品系列,这表示这店铺的产品更新速度的增加,保持店铺的新鲜感,顾客对门店的新品印象比以前会更佳。

品牌公司需要经历新的思维范式—不再总是需要通过开发新产品向门店导入新产品。 传统6个月的订货体系,零售商、终端店铺必须在特定的时间内从一大堆的新品当中去预测并选择订购新产品,因为SKU集中出现,许多SKU 新品并没有得到足够的重视。

这不仅仅是因为人们无法对在这么繁多的新品当中对每项SKU 给予有效的关注,而且零售商的库存转数只有很低(大概是2),他们能够投资在新品上的资金很有限。担心资金被套住就成为左右选择订购新产品的主要因素。所以传统中压任务成了一个常例,好一点的品牌公司可能会在压任务的同时增加一点福利政策。(同时也会考虑到市场新增店铺的预订数量,如果新增店铺出现问题,那么这批预订量讲会成为库存负担)

结合这个因素,再看看零售商或者终端所造成的预测错误。因此,即使品牌公司开发了新产品,也确实最终成为了畅销品(下少了),但是零售商、终端店铺也可能不会选上这些新品,同时他们还可能错误地选择了滞销品(下多了),订销偏差相信每个公司严重性都很大。

TOC针对时尚(服饰)行业供应链的关键是快速响应而不是追求准确的预测。不是去问零售商长达6个月的季节预测要求,是通过更短的时间周期趋势减少预测的错误。

二、SKU结合供应链改变供应模式:

当前环境下,当零售商、终端开始在季初采购这一季的货品时,这迫使品牌公司必须依靠这一季节最初1-2个月的预测— 因此每个季节一开始都是“盲区”。过多的“盲区”只会让品牌公司暴露于预测错误的混乱之下 —高库存和缺货。

这一“盲区”产生的原因:是由于缺乏供应端的稳定可靠性,因此品牌公司必须等到供应结束才开始下个季节的采购。如果我们能够提升供应端的可靠性,零售商或者终端可以再季节开始进行订货试销,就可以采用更短的季节时段。

这样就需要改变传统的模式,增加更多的季节,将会缩短零售商或者终端的预测周期,同时零售商和终端,甚至品牌公司不需要等到供应结束才开始下个季节的采购—品牌公司就不会出现那么多的“盲区”。

但是,还是有一个负面分支。更多的季节意味着每项SKU 订单的数量减少,对生产会造成问题。

但是当我们一次性大批量提供很庞大的产品系列时,我们遇到的问题是SKU 无法给予足够的关注。拥有太多的产品组合时,每个SKU 都是小批量的几率是很高的。但是当每次我们提供SKU较少时,就可以聚焦在少数SKU上。可以采取更多的季节,但是每个季节更少的产品组合。对于更小范围的新产品能够给予更好的关注,对于每项SKU 应该会有更多的数量。当然,订单的处理速度和物流水平也是一项考量。

通过短周期、动态监控。对每个SKU进行去粕存优的机制进行管理,同时有不断的SKU新品供应,同时也可以进一步拉动促进供应端提升纺纱和面料生产的产出。

篇幅较长,最后总结几句TOC的思路:

减少预测周期、对单个SKU实行动态监控,实行去粕存优的机制精细管理,改变传统的季节供应模式,实行SKU小批量供应,可以增加更高的关注度,改变供应链的供应模式,缩短整个供应体系的时间,拉动到生产原材料的备货和产出,同时物流水平也体系中不可缺少的一部分。当然这一切也离开不数据、信息技术的支持。

End.

作者:Meteor(中国统计网特邀认证作者)

本文为中国统计网原创文章,需要转载请联系中国统计网(info@itongji.cn ),转载时请注明作者及出处,并保留本文链接。

分享到:更多 ()

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址