The Future of Competitive Strategy: Unleashing the Power of Data and Digital Ecosystems - Mohan Subramaniam;

году выручка от продажи товаров народного потребления в мире составила более 10 трлн долл. Среди доминирующих компаний в этом бизнесе - Nestlé, Procter & Gamble, Unilever, PepsiCo и Coca-Cola. Каждая из этих компаний имеет несколько брендов. Самая крупная из них - Nestlé - имеет более 8 тыс. брендов. У Unilever их 400. Каждый из этих брендов, в свою очередь, имеет тысячи наименований товаров с уникальными идентификаторами, называемыми единицами хранения запасов (SKU), которые помогают розничным торговцам отслеживать поступающие и продаваемые товарно-материальные ценности. Например, зонтичный бренд Tide компании P&G имеет несколько видов продукции, включая жидкие моющие средства, капсулы для стирки, дезинфицирующие спреи для ткани и другие чистящие средства. Каждый из этих продуктов различается по размеру, цвету и материалу упаковки, а также по другим признакам. Каждый тип упаковки также является уникальным SKU. Понятно, почему количество SKU быстро растет у компаний FMCG.

Тысячи таких товаров также продаются через сложную сеть, состоящую из миллионов крупных и мелких розничных сетей по всему миру. Одной из наиболее сложных задач для FMCG-компаний является обеспечение соответствия между спросом на эти товары, поступающим от различных розничных сетей, и их поставками из своих распределительных центров.

Известная проблема соответствия спроса и предложения в секторе товаров повседневного спроса называется эффектом "бычьего хвоста". 2 Эффект "бычьего хвоста" относится к небольшим изменениям спроса в отдельных розничных магазинах, приводящим к большим искажениям в требованиях к предложению для удовлетворения совокупного спроса. Небольшое колебание рукоятки в верхней части может привести к волнам большой амплитуды на другом конце хлыста. Аналогичным образом, небольшие изменения спроса в отдельных розничных точках могут привести к большим колебаниям в реакциях на товарные запасы в дальнейших звеньях цепи поставок. Существует несколько причин, по которым FMCG-компании могут испытывать эффект "бычьей волны". Сотрудники отдела продаж могут предоставлять оптовые скидки, побуждая розничных торговцев покупать больше, чем обычно заказывают. Аналогичным образом транспортные компании могут предоставлять скидки, что приводит к перекосу в количестве SKU, запрашиваемых ритейлерами. Розничные продавцы могут также идиосинкразически реагировать на краткосрочные рекламные акции. Плохая коммуникация в цепочке поставок еще больше усугубляет влияние всех этих событий на эффект "бычьей спирали".

Компании, производящие товары народного потребления и имеющие тысячи SKU, также сталкиваются со сложностью и непредсказуемой изменчивостью поставок. Отчасти это объясняется неспособностью традиционного корпоративного программного обеспечения помочь специалистам по планированию цепочек поставок правильно управлять запасами на горизонте 8-12 недель. Из-за непредвиденных колебаний спроса некоторые из этих компаний обычно не выполняют от 8 до 10% своих заказов, несмотря на наличие необходимых запасов в цепочке поставок. Они просто не в состоянии вовремя доставить нужные запасы в нужное место. "Такое впечатление, что это издержки ведения бизнеса", - говорит Радж Джоши, соучредитель и президент компании Noodle.ai, предлагающей предприятиям решения на основе искусственного интеллекта. "Современные цифровые технологии предоставляют руководителям цепочек поставок огромные возможности для решения подобных проблем", - добавляет он.

Традиционные системы планирования ресурсов предприятия (ERP) способны генерировать огромные объемы данных о спросе и предложении. Однако традиционные подходы к использованию таких данных основаны на ретроспективном анализе. Они позволяют понять, что было сделано правильно или неправильно за последнюю неделю, месяц или квартал. Разница с корпоративным ИИ, по словам Джоши, заключается в том, что он может помочь предсказать или заглянуть в будущее в вероятностном смысле. С помощью алгоритмов, интерпретирующих и анализирующих различные закономерности в данных, системы искусственного интеллекта могут сказать, например, что существует 80-процентная вероятность того, что крупный заказ на определенные SKU в определенной географии для ценного клиента, скорее всего, не будет выполнен. Затем на основе данных, полученных из ERP-систем компании, ИИ может рекомендовать действия, которые могут предпринять специалисты по планированию цепочки поставок для обеспечения увеличения запасов, чтобы заказ был выполнен. И наоборот, ИИ может предсказать переизбыток запасов, тем самым помогая планировщикам цепочек поставок соответствующим образом сократить объемы производства и снизить затраты на запасы. Таким образом, ИИ может предотвратить риск создания значительной стоимости. По мнению Джоши, консервативное улучшение показателя невыполненных заказов на один процентный пункт (например, с 10% до 9%) для компаний FMCG может увеличить маржу и прибыль на несколько миллионов долларов.

Повышение производительности труда в фармацевтических исследовательских лабораториях

Поиск лекарственных средств - это основа фармацевтического бизнеса. Фирмы, работающие в этом бизнесе, живут или умирают в зависимости от того, какие новые лекарства они разрабатывают. Неудивительно, что фармацевтический сектор вкладывает значительные средства в НИОКР - около 17% годовой выручки. 3 Для сравнения: аэрокосмические компании тратят на НИОКР около 5%, химическая промышленность - около 3%. Microsoft и Google тратят около 12%. Хотя 17% - это средний уровень расходов на НИОКР в фармацевтическом секторе, ведущие компании тратят еще больше. В 2019 году расходы на НИОКР компании AstraZeneca составили около 25 процентов от ее годовой выручки, Eli Lily - около 22 процентов, а Roche - 21 процент. Общий объем затрат на НИОКР в фармацевтической отрасли в 2018 году составил 179 млрд долл. Эта сумма отражает затраты на все этапы фармацевтических исследований и разработок - от первоначального изучения лекарств и заболеваний до тестирования соединений на стадиях доклинических и клинических испытаний. Около 56 млрд долл. из этой суммы приходится на ранние исследования лекарств, которые проводятся в исследовательских лабораториях.

На рис. 4.2 представлен упрощенный вариант цепочки создания стоимости для фармацевтических исследовательских лабораторий. Она начинается с поставок различных материалов, таких как наборы, тесты и реагенты для клеточного анализа, анализа генома и очистки белков, живые животные, а также общелабораторные предметы, такие как химикаты, стеклянная посуда и одноразовые принадлежности. На следующем этапе цепочки создания стоимости ученые используют эти материалы и лабораторное оборудование для проведения экспериментов. Тысячи таких экспериментов, проводимых в течение нескольких лет, приводят к получению лабораторных результатов, которые могут включать в себя открытие новых соединений, способных помочь в борьбе с различными заболеваниями , а также патенты и публикации, связанные с этими открытиями.

Рисунок 4.2

Сети цепочки создания стоимости в исследовательских лабораториях.

Традиционное использование лабораторного оборудования: В основном аналоговое, с незначительной интеграцией данных

Лабораторное оборудование можно охарактеризовать как относящееся к трем категориям. К первой категории относится оборудование, работающее круглосуточно, например, морозильные камеры и инкубаторы. Морозильные камеры необходимы для хранения некоторых реагентов, антител и наборов для анализа при температурах минус 20 или минус 80 градусов Цельсия. Инкубаторы, например, необходимы для поддержания культур клеток при заданных температуре и влажности, а также для обеспечения их кислородом и углекислым газом.