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.

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%.

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.

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.

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.

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.

Источник: Retail TECH