Новости

ЭКСПЕРТНОЕ МНЕНИЕ. КАК МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ МЕНЯЕТ ЛОГИСТИКУ В РИТЕЙЛЕ

Эффективная цепочка поставок сегодня – это минимизация логистических рисков, оперативное реагирование на внешние вызовы, повышение контроля над товародвижением даже в непредвиденных ситуациях. Разбираемся в нюансах и кейсах успешного планирования цепочек вместе с командой Supply Chain Planning в ГК «КОРУС Консалтинг», на примере ведущих российских ритейлеров.


Последние несколько лет российским ритейлерам и производителям – вне зависимости от специфики деятельности – приходится решать логистические головоломки разной сложности. Наиболее популярные из них:

– как спроектировать производственные мощности: где расположить распределительные центры (РЦ), заводы, склады сырья и готовых товаров;
– какие из складов использовать для импорта, а какие для экспорта;
– как поддержать экспансию компании в регионы;
– как организовать перевозки крупных товаров, какой автотранспорт для этого использовать;
– сколько будет стоить для бизнеса повышение уровня сервиса;
– как подготовить компанию к возможной сделке по слиянию и поглощению.

Для расчета цепочки поставок от момента закупки сырья до реализации последней мили с учетом всех вводных многие компании все еще используют таблицы Excel. Некоторые доверяют только внутреннему экспертному мнению, что довольно опасно — особенно в условиях неопределенности. Цена любой ошибки очень высока.

Другая опция для планирования цепочек поставок – применение инструментов математического моделирования. Иными словами, создание математических двойников. Например, технология может рассчитать сразу несколько вариантов логистических операций (использования складов и РЦ, способов доставки) и предлагает наиболее релевантные – со всеми расчетами эффективности. Разберем несколько реальных кейсов из нашей практики.

Поиск оптимальной конфигурации цепи поставок

Ритейлеры регулярно сталкиваются с несовершенствами операционной деятельности, которые приводят к финансовым потерям. Среди наиболее распространенных проблем – ненадежность поставщиков, большое расстояние от складов с запасами до магазинов или неэффективное использование транспорта. Один из вариантов победить высокие затраты на логистику – оптимизация существующей цепочки поставок.

Подобным путем пошла одна из крупнейших российских сетей продовольственных магазинов формата «у дома». Компания рассчитала математическую модель всей мультиэшелонной логистической инфраструктуры, получила семь основных сценариев оптимизации и выбрала один, наиболее эффективный с точки зрения дальнейшего развития.

В результате розничная сеть определила для себя оптимальные с точки зрения затрат локации, площади и периоды открытия распределительных центров. Ритейлер получил дорожную карту развития цепочек, а также выделил ключевые рычаги для дальнейшей оптимизации.

Также с помощью математического двойника сеть проверила гипотезу: можно ли уменьшить транспортные затраты за счет увеличения количества РЦ и сокращения дистанции на последнем плече.

Сформированная стратегия развития логистической сети в перспективе позволит сократить суммарные операционные затраты на 9%.

Региональная экспансия

Другой пример задачи, реализуемой с помощью матмоделирования, – планирование региональной экспансии. Осваивая новые географии, ритейлеры стараются создать мощную и разветвленную логистическую цепь. Для этого компании разрабатывают несколько сценариев развития цепочки поставок, которые учитывают:

– оптимальное количество и расположение складов для удовлетворения спроса;
– зоны и площади новых объектов;
– изменяющуюся конфигурацию цепочки поставок от года к году;
– стоимость каждого такого сценария.

Подобная задача была у сети «Магнит». Перед компанией стояла задача – выбрать оптимальную конфигурацию цепочек поставок и стоимость каждого стратегического сценария на горизонте 5-7 лет.

Используя оптимизационную модель, компания определила стратегию и рычаги оптимизации цепочки поставок в долгосрочной перспективе. «Магнит» получил несколько сценариев развития логистической сети, рекомендации по использованию текущей инфраструктуры и перераспределению потоков.
Всё это позволило снизить долю затрат от выручки компании на цепочку поставок до лидирующих показателей по рынку. С помощью дополнительных сценариев компании также удалось сократить совокупные товарные запасы по сухому ассортименту на десятки процентов.

Определение расположения складов

Чтобы точнее прогнозировать затраты на логистику, бизнесу важно найти оптимальное расположение складов с точки зрения распределения спроса и целевого уровня сервиса, а также определить их необходимое количество. Математическое моделирование поможет справиться и с этой задачей.

Пример такого подхода – кейс «Яндекс.Маркета». В период своего активного развития компания хотела самостоятельно контролировать процессы доставки и хранения, а в будущем – открыть собственные складские помещения для сокращения сроков и стоимости доставки товаров для покупателей.

С помощью Greenfield-анализа (поиска идеальной цепочки поставок) мы помогли маркетплейсу определить список потенциальных локаций для размещения фулфилмент-центров и создали оптимизационную модель будущей цепочки поставок компании. Сценарный анализ помог определить лучшие варианты локаций новых складов.

Сокращение плеча доставки в магазины

Скорость реакции – один из ключевых критериев эффективности логистики для географически распределенных розничных сетей, наравне с качеством планирования. Запрос на повышение этого параметра был и у сети «О`КЕЙ», которая доставляет товары на расстояние более пяти тысяч километров.

Ранее время доставки в некоторые магазины сети могло быть больше недели, хотя зачастую два-три дня является критичным для ритейлеров. Поэтому компания решила увеличить скорость реакции на такие точечные процессы с помощью математического моделирования.

В итоге «О`КЕЙ» сократил плечо на треть, а затраты на логистику — на 5%. Более того, результаты анализа позволили сформировать стратегию развития цепей поставок на три года вперед. Сейчас компания находится в процессе модернизации инфраструктуры.

Распределение ассортимента по РЦ

В каждом регионе у ритейлеров есть свой набор локальных поставщиков, чьи ассортиментные ряды часто отличаются между собой. И розничным сетям необходимо распределять потоки товаров по логистической инфраструктуре так, чтобы минимизировать затраты на складские и транспортные услуги. Математическое моделирование помогает разнести товары по распределительным центрам с оптимальными затратами.
Одна из ведущих российских продовольственных сетей использовала метод как раз для этих целей. Построив математический двойник логистической сети, аналитики получили точную информацию о том, какой ассортимент на каком РЦ должен храниться, как устроены межскладские перемещения и цепочки поставок. Ритейлеру удалось снизить стоимость транспортной логистики более чем на четверть (26%) для магазинов, снабжение которых переключается на другие распределительные центры. А благодаря тому, что компания регулярно пересматривает цепочки поставок и корректирует их в зависимости от сезонных колебаний, периоды нестабильного и ажиотажного спроса проходят гладко.

Математическое моделирование – процесс не из простых, а его использование требует инвестиций и высокой вовлеченности специалистов. Однако этот подход обладает гибкостью и большими возможностями для проработки и визуализации десятков сценариев развития бизнеса в долгосрочной и краткосрочной перспективах. И сейчас, в условиях тотальной неопределенности и резко меняющейся экономической обстановки, матмоделирование для планирования в логистике помогает быстро адаптироваться к ситуации.