Jak wykorzystać dane RFID do prognozowania popytu

Problemy z prognozowaniem popytu w większości firm nie wynikają z braku odpowiednich wzorów. Znacznie częściej przyczyną są niekompletne, opóźnione lub oderwane od rzeczywistych procesów operacyjnych dane wejściowe. Właśnie w tym obszarze dane RFID mogą istotnie zmienić sposób planowania. Prawidłowo wdrożona technologia RFID nie tylko zwiększa widoczność zapasów i ułatwia śledzenie zasobów. Zapewnia również zespołom planistycznym dokładniejszy obraz przemieszczania się produktów, czasu realizacji procesów, zachowania zapasów, częstotliwości uzupełnień oraz przepływu towarów. Dzięki tym sygnałom prognozowanie popytu może w mniejszym stopniu opierać się na założeniach, a w większym na rzeczywistych zachowaniach operacyjnych.

Przekształcanie zdarzeń RFID w użyteczne sygnały popytu

Wykorzystanie danych RFID do prognozowania popytu nie polega jednak na prostym przekazaniu odczytów znaczników do modelu prognostycznego i oczekiwaniu, że system automatycznie stanie się dokładniejszy. Surowe odczyty z tagów RFID zawierają wiele zakłóceń. Informują, że określony obiekt został wykryty w danym miejscu i czasie, ale same w sobie nie wyjaśniają znaczenia tego zdarzenia dla działalności firmy. Prognozowanie potrzebuje kontekstu biznesowego, a nie wyłącznie aktywności radiowej. Rzeczywista wartość powstaje dopiero po przekształceniu zdarzeń RFID w użyteczne sygnały popytu. Planiści mogą wówczas analizować nie tylko sprzedaż z poprzedniego miesiąca, lecz także sposób przemieszczania się produktów przed zakupem, miejsca gromadzenia nadmiernych zapasów, rzeczywisty czas uzupełniania towaru, lokalizacje o ponadprzeciętnej rotacji oraz popyt ukryty wskutek ograniczonej dostępności.

Wiele błędów prognostycznych wynika z jednego podstawowego problemu. Dane historyczne pokazują wyłącznie to, co zostało sprzedane, a nie to, co mogłoby zostać sprzedane przy pełnej dostępności produktu. Jeżeli towaru zabrakło, został niewłaściwie wyeksponowany, pozostał na zapleczu, trafił do nieodpowiedniego regionu lub jego uzupełnienie nastąpiło z opóźnieniem, raport sprzedaży może zaniżać rzeczywisty popyt. Technologia RFID pomaga wykrywać takie rozbieżności. Pozwala sprawdzić, czy produkty faktycznie znajdowały się w strefie sprzedaży, jak długo w niej pozostawały, jak często były uzupełniane oraz czy pozornie słaba sprzedaż nie wynikała z braku towaru w kluczowych momentach. Ma to zasadnicze znaczenie, ponieważ prognozy oparte wyłącznie na historii sprzedaży często błędnie interpretują problemy z podażą jako niski popyt.

Z takim problemem zetknęła się specjalistyczna sieć odzieżowa podczas sezonowej zmiany kolekcji lekkich kurtek. Tygodniowe wyniki sprzedaży sugerowały, że zainteresowanie produktem spada wcześniej, niż zakładano, dlatego zespół planistyczny rozważał ograniczenie kolejnego zamówienia. Śledzenie pojedynczych sztuk za pomocą RFID pokazało jednak zupełnie inną sytuację. Towar znajdujący się na ekspozycji sprzedawał się szybko, natomiast zapasowe sztuki pozostawały na zapleczu dłużej, ponieważ personel nie nadążał z uzupełnianiem półek podczas wieczornego szczytu. Same dane sprzedażowe wskazywały na osłabienie produktu, podczas gdy dane RFID ujawniły niezaspokojony popyt spowodowany niską dostępnością na sali sprzedaży. Po uwzględnieniu tych sygnałów prognoza została skorygowana, a wielkość następnego zamówienia zwiększono zamiast zmniejszać.

Najpierw popraw wiarygodność danych o zapasach

Jednym z najskuteczniejszych sposobów wykorzystania danych RFID w prognozowaniu popytu jest zwiększenie wiarygodności informacji o rzeczywistym stanie zapasów. Prognozy tracą wartość, gdy planiści nie mogą ufać danym magazynowym. Jeżeli system wskazuje 140 sztuk w danej lokalizacji, lecz do sprzedaży faktycznie dostępne są tylko 92, algorytmy oparte na takim poziomie zapasu będą generować błędne decyzje dotyczące uzupełnień. RFID usprawnia inwentaryzację cykliczną, ogranicza zapasy widmowe i poprawia dokładność ewidencji w sklepach, magazynach oraz lokalizacjach buforowych. Większa dokładność zapasów nie tylko porządkuje procesy operacyjne. Zapewnia też systemom prognostycznym wiarygodny obraz tego, jaka ilość towaru była rzeczywiście dostępna w analizowanym okresie.

Dokładniejsze dane magazynowe stabilizują prognozy

Problem ten wystąpił u dystrybutora elektroniki użytkowej sprzedającego szybko rotujące akcesoria. Modele prognostyczne regularnie wykazywały nietypowe wzrosty i spadki, których planiści nie potrafili wyjaśnić. Początkowo przyczyn upatrywano w harmonogramie promocji oraz zmianach ruchu internetowego. W rzeczywistości głównym problemem były niedokładne dane o zapasach w oddziałach, które zniekształcały historię uzupełnień. Po wdrożeniu inwentaryzacji cyklicznej opartej na RFID zespół odkrył, że część pozornych wahań popytu wynikała z błędów ewidencyjnych. Dzięki dokładniejszym informacjom prognoza stała się stabilniejsza, a schemat uzupełniania zapasów bardziej zrozumiały. RFID nie przewidziało przyszłości w sposób automatyczny. Zapewniło natomiast bardziej wiarygodny obraz operacji, dzięki któremu model przestał otrzymywać sprzeczne dane.

Wykorzystanie RFID do analizy momentu wystąpienia popytu

Dane RFID są również pomocne, gdy firma musi zrozumieć nie tylko wielkość popytu, lecz także jego rozkład w czasie. Tradycyjne modele prognostyczne zwykle analizują sprzedaż w przedziałach dziennych, tygodniowych lub miesięcznych. RFID może uzupełnić te informacje o dokładne dane dotyczące tempa przemieszczania się produktów: od przyjęcia dostawy, przez strefę kompletacji i półkę sklepową, aż po obszary realizacji zamówień. Ma to znaczenie, ponieważ popyt często jest bardziej zależny od czasu, niż wskazują standardowe raporty. Produkt, który znika z zapasu w ciągu kilku godzin od dostawy, zachowuje się inaczej niż produkt sprzedawany stopniowo przez dwa tygodnie. Znajomość takich różnic pozwala lepiej określać zapas bezpieczeństwa, częstotliwość uzupełnień oraz podział towaru między regionami.

Czas przepływu produktów ujawnia różne krzywe popytu

Sieć sklepów z wyposażeniem domu zauważyła to podczas świątecznej kampanii promującej akcesoria kuchenne oznaczone tagami RFID. Łączne wyniki sprzedaży w całej sieci wyglądały zadowalająco, ale dane RFID wykazały, że w części sklepów zapas promocyjny znikał niemal natychmiast po wyłożeniu, podczas gdy w innych lokalizacjach zainteresowanie rosło znacznie wolniej. Początkowo zespół planistyczny traktował całą kampanię jako jedną ogólnokrajową krzywą popytu. Analiza przepływu produktów ujawniła jednak wyraźne różnice czasowe pomiędzy grupami sklepów, zwłaszcza między placówkami miejskimi obsługującymi klientów dojeżdżających do pracy a sklepami podmiejskimi z największym ruchem w weekendy. Pozwoliło to lepiej podzielić prognozę dla kolejnej kampanii i przygotować trafniejszy plan alokacji przed jej rozpoczęciem.

Wykrywanie ukrytego popytu wynikającego z niskiej dostępności

Kolejnym zastosowaniem RFID w prognozowaniu jest identyfikowanie ukrytego popytu spowodowanego niewłaściwym rozmieszczeniem lub opóźnionym przepływem zapasów. W wielu przedsiębiorstwach produkty nie osiągają zakładanej sprzedaży nie dlatego, że klienci ich nie potrzebują, lecz dlatego, że znajdują się w niewłaściwym miejscu i czasie. RFID może pokazać, czy towar zbyt długo pozostawał w strefie przyjęcia, zalegał w obszarze przejściowym lub był przechowywany na zapleczu, podczas gdy sprzedaż na froncie sklepu spadała. Rozdzielenie słabego popytu od niewłaściwej realizacji procesów pomaga uniknąć błędnych korekt prognozy. Jest to szczególnie ważne w handlu detalicznym, zaopatrzeniu placówek medycznych, serwisie terenowym oraz sieciach dystrybucyjnych, w których dostępność może znacząco różnić się pomiędzy lokalizacjami.

Niewłaściwa realizacja procesów może wyglądać jak niski popyt

Regionalny dostawca produktów farmaceutycznych zaobserwował taką sytuację w przypadku zestawów wspierających zdrowie sprzedawanych bez recepty podczas szczytu sezonu grypowego. Wyniki poszczególnych oddziałów sugerowały, że popyt był nieregularny i trudny do przewidzenia. Dane RFID pokazały jednak, że wiele zestawów docierało do placówek na czas, lecz następnie pozostawało w magazynach zamiast szybko trafiać na półki dostępne dla klientów. Oddziały sprawnie przenoszące produkty na salę sprzedaży osiągały znacznie wyższą rotację. Pozostałe wyglądały na słabsze wyłącznie dlatego, że towar nie był odpowiednio widoczny. Zespół prognostyczny skorygował założenia popytowe i rozpoczął bliższą współpracę z osobami odpowiedzialnymi za realizację procesów sklepowych. Dzięki temu firma nie zamówiła zbyt małej liczby produktów w kolejnej partii tylko dlatego, że pierwsza dostawa była niewłaściwie obsługiwana w części lokalizacji.

Łączenie danych o przepływie RFID z modelami prognostycznymi

Dane RFID stają się jeszcze bardziej wartościowe po połączeniu z modelami prognozowania popytu wykorzystującymi dane z systemów POS, historię zamówień, sezonowość, promocje oraz czynniki zewnętrzne. RFID nie zastępuje tych źródeł, lecz je wzbogaca. Pomaga zrozumieć, dlaczego sprzedaż przebiegała w określony sposób. Do modelu można dodać między innymi czas dostępności produktu na ekspozycji, opóźnienia w uzupełnianiu, czas przebywania w poszczególnych lokalizacjach, intensywność kompletacji, przepływ logistyki zwrotnej oraz stabilność dostępności na półkach. Takie sygnały są szczególnie użyteczne, gdy standardowe modele regularnie nie radzą sobie z tymi samymi wyjątkami i zakłóceniami.

Hurtowy dostawca artykułów sportowych zbudował bardziej rozbudowany model dla akcesoriów treningowych sprzedawanych zarówno w sklepach stacjonarnych, jak i przez internet. Poprzednia prognoza opierała się przede wszystkim na historii wysyłek i trendach POS, ale nie wykrywała lokalnych skoków zainteresowania. Po dodaniu sygnałów ruchu z czytników RFID działających w centrum dystrybucyjnym oraz u wybranych partnerów detalicznych firma mogła sprawdzić, które produkty były uzupełniane wyjątkowo często, które pozostawały krócej w magazynie rezerwowym oraz jakie grupy asortymentowe pobierano wcześniej w związku z lokalnymi wydarzeniami. Dodatkowe informacje nie zastąpiły podstawowego modelu, ale pozwoliły zespołowi szybciej wykrywać zmiany.

Wcześniejsze wykrywanie spadków i wzrostów popytu

RFID może również pomóc wykryć osłabienie popytu, zanim stanie się ono w pełni widoczne w danych sprzedażowych. Jeżeli oznaczone produkty zaczynają dłużej pozostawać w określonych strefach, częstotliwość uzupełniania spada albo zmienia się tempo kompletacji w wybranych kategoriach, planiści mogą rozpoznać spowolnienie wcześniej niż na podstawie zaksięgowanej sprzedaży. Ta sama zasada działa w przeciwnym kierunku. Skrócenie czasu przebywania produktów, przyspieszenie uzupełnień oraz wzrost liczby przesunięć z zaplecza na półki mogą wskazywać, że popyt rośnie szybciej, niż wynika z danych historycznych. Zespoły planistyczne stale poszukują wiarygodnych wskaźników wyprzedzających. Odpowiednio interpretowane dane RFID mogą stać się jednym z nich.

Wczesne sygnały operacyjne pomagają utrzymać dostępność zapasów

Dystrybutor przemysłowych środków ochrony wykorzystał tę możliwość w odniesieniu do kamizelek ostrzegawczych i rękawic dostarczanych firmom z branży budowlanej. Liczba zamówień nie wzrosła jeszcze znacząco, ale dane RFID z centrum realizacji pokazały wyraźny wzrost częstotliwości kompletacji oraz krótszy czas przebywania wybranych rozmiarów i kolorów powiązanych z rozpoczęciem wiosennych projektów. Zespół uznał to za wczesny sygnał popytu, przeanalizował regionalny portfel zamówień i podniósł krótkoterminową prognozę wcześniej, niż zrobiłby to standardowy model sprzedażowy. Pozwoliło to uniknąć niedoborów zapasów kilka tygodni później.

Lepsza alokacja regionalna dzięki danym o przepływie RFID

RFID wspiera prognozowanie popytu także wtedy, gdy przedsiębiorstwo chce poprawić regionalną alokację towarów. Raporty sprzedaży pokazują, gdzie produkty zostały sprzedane, natomiast dane RFID pomagają wyjaśnić, jak przemieszczały się w sieci przed sprzedażą i w jej trakcie. Umożliwiają analizę przesunięć między lokalizacjami, częstotliwości uzupełniania zapasów w oddziałach oraz sytuacji, w których towar był kierowany do jednego regionu, choć szybciej zużywano go w innym. Jest to szczególnie przydatne dla firm zarządzających wieloma magazynami lub sklepami, gdzie błędna alokacja często tworzy pozornie nietypowe wzorce popytu.

Sama wartość sprzedaży nie wystarcza do podejmowania decyzji alokacyjnych

Marka obuwnicza zaobserwowała taki problem w jednej z linii codziennego obuwia wsuwanego. Tygodniowe raporty wskazywały, że zachodnia część kraju regularnie osiągała lepsze wyniki niż południe, dlatego coraz więcej zapasu kierowano na zachód. Dane RFID dotyczące przepływu między sklepami i centrami dystrybucyjnymi wykazały jednak, że część południowych placówek bardzo szybko wyprzedawała najpopularniejsze rozmiary, po czym sprzedaż spadała z powodu opóźnionych uzupełnień. Jednocześnie w kilku zachodnich sklepach produkty pozostawały dłużej, niż sugerowały ogólne wyniki, ponieważ lokalizacje te otrzymały znacznie większy zapas początkowy. Prognoza zmieniła się, gdy planiści przestali analizować sprzedaż oddzielnie i połączyli ją z danymi RFID o ruchu zapasów. Alokacja stała się bardziej zrównoważona, a poziom obsługi klientów wzrósł.

Wykorzystanie sygnałów RFID w prognozowaniu nowych produktów

Dane RFID mogą również skutecznie wspierać prognozowanie nowych produktów, zwłaszcza gdy dostępna historia sprzedaży jest ograniczona. Prognozy dla nowych pozycji są zwykle obarczone dużą niepewnością, ponieważ planiści nie dysponują wystarczającą ilością danych bezpośrednich. RFID może wtedy dostarczać wczesnych sygnałów behawioralnych już podczas wprowadzania produktu na rynek. Można analizować, jak szybko produkty opuszczają strefę przyjęcia po dostawie, jak często są uzupełniane w pierwszym tygodniu, jak szeroko przemieszczają się pomiędzy strefami oraz jak często są podnoszone, przenoszone lub zwracane do magazynu. Informacje te pomagają ocenić, czy wczesna sprzedaż wynika z rzeczywistego zainteresowania i dobrej dostępności, czy jest zniekształcona przez problemy z ekspozycją i realizacją procesu wdrożenia.

Dane z początkowego okresu sprzedaży ograniczają zbyt ostrożne prognozy

Producent akcesoriów kosmetycznych przetestował takie podejście podczas wprowadzania nowej linii organizerów podróżnych w wybranych sklepach. W pierwszych dziesięciu dniach wyniki sprzedaży były przeciętne, dlatego początkowo uznano, że zainteresowanie premierą jest umiarkowane. Dane RFID wykazały jednak intensywne interakcje klientów z produktem oraz częste uzupełnianie ekspozycji po weekendowych wzrostach ruchu. Problemem nie był brak zainteresowania, lecz zbyt mała początkowa liczba produktów na ekspozycji i nieregularne uzupełnianie w najbardziej pracowite dni. Firma skorygowała prognozę i wysłała większą drugą partię do lokalizacji wykazujących najsilniejszy popyt operacyjny. Bez danych RFID dotyczących przepływu produktów premiera mogłaby zostać oceniona zbyt zachowawczo.

Oczyszczanie i porządkowanie danych RFID przed prognozowaniem

Skuteczne wykorzystanie RFID w prognozowaniu popytu wymaga prawidłowego oczyszczenia i uporządkowania danych. Surowych odczytów nie należy przekazywać bezpośrednio do modelu. Trzeba je filtrować, usuwać duplikaty, przypisywać do konkretnych lokalizacji biznesowych, ujednolicać pod względem czasu oraz przekształcać w zdarzenia istotne z punktu widzenia popytu. Mogą to być na przykład: przeniesienie produktu na salę sprzedaży, dostarczenie palety do strefy kompletacji, zakończenie uzupełniania zapasu, zbyt długie pozostawanie produktu w magazynie rezerwowym lub przejazd towaru przez bramę wysyłkową. Celem jest stworzenie sygnałów zrozumiałych dla planistów. Modele prognostyczne nie korzystają na nadmiarze nieprzetworzonej aktywności radiowej. Potrzebują wiarygodnych zdarzeń operacyjnych.

Surowe odczyty wymagają nadania znaczenia biznesowego

Dostawca opakowań dla gastronomii przekonał się o tym podczas próby wykorzystania RFID do planowania popytu na poziomie oddziałów. Pierwszy zbiór danych był bardzo obszerny pod względem technicznym, ale mało przydatny w praktyce. Zawierał zbyt wiele powtarzających się odczytów i zbyt mało informacji o ich znaczeniu biznesowym. Dopiero gdy zespół inżynierii danych przekształcił strumień pochodzący z etykiet RFID w czytelne wskaźniki, takie jak częstotliwość uzupełniania oddziałów, opóźnienie między dostawą a wyłożeniem produktu oraz czas pozostawania na zapleczu, planiści otrzymali użyteczne dane wejściowe. Dokładność prognoz nie wzrosła dlatego, że firma zgromadziła więcej informacji. Poprawiła się, ponieważ surowe zdarzenia RFID zostały przekształcone w dane odpowiednie do prognozowania.

Zrozumienie możliwości i ograniczeń RFID

Równie ważne jest realistyczne podejście do możliwości technologii RFID. Dane RFID są użyteczne, ale nie zastępują dyscypliny wymaganej w prognozowaniu. Nie wyjaśnią automatycznie zmian makroekonomicznych, nowych preferencji klientów, anomalii pogodowych, polityki cenowej konkurencji ani wzajemnego ograniczania sprzedaży przez równoległe promocje. Najlepiej traktować je jako operacyjne źródło wiedzy o przepływie i dostępności produktów. Firmy oczekujące, że RFID rozwiąże każdy problem prognostyczny, zwykle są rozczarowane. Znacznie bardziej realne korzyści osiągają przedsiębiorstwa wykorzystujące tę technologię do poprawy dokładności zapasów, analizy czasu przepływu, oceny zachowania poszczególnych lokalizacji oraz identyfikowania ukrytego popytu.

RFID najlepiej działa jako element szerszego systemu prognostycznego

Producent tekstyliów medycznych wielokrotnego użytku zastosował takie zrównoważone podejście. Początkowo firma zakładała, że same dane RFID o przepływie pozwolą prognozować wahania zapotrzebowania szpitali. Oczekiwanie to okazało się zbyt optymistyczne, ponieważ na cykle zakupowe wpływały również budżety placówek, zmiany regulacyjne i terminy zawierania umów. Po połączeniu danych RFID o obiegu tekstyliów, czasie realizacji zwrotów i czasie przebywania w poszczególnych lokalizacjach z historią zamówień oraz sezonowymi wzorcami wykorzystania prognoza stała się wyraźnie stabilniejsza. RFID nie było kompletnym rozwiązaniem, ale stanowiło jego bardzo wartościowy element.

Ocena dopasowania RFID do konkretnego problemu prognostycznego

Dla nabywców analizujących projekty wykorzystujące RFID w prognozowaniu popytu najważniejsze pytanie nie brzmi, czy dane RFID można przekazać do modelu prognostycznego. Jest to możliwe. Warto raczej ustalić, jakie problemy popytowe RFID rozwiąże lepiej niż dane już dostępne w firmie. Jeżeli obecna prognoza jest niedokładna z powodu błędnych stanów magazynowych, niejasnej dostępności na półkach, niewystarczającej wiedzy o przesunięciach między oddziałami lub opóźnień w uzupełnianiu ukrywających rzeczywisty popyt, RFID może być wartościowym uzupełnieniem systemu. Jeżeli głównym problemem jest niepewność makroekonomiczna lub trudne do przewidzenia zdarzenia zewnętrzne, wpływ tej technologii będzie mniej bezpośredni. Najsilniejsze uzasadnienie biznesowe występuje zwykle wtedy, gdy błędy prognostyczne są związane z ograniczoną widocznością fizycznego położenia i przepływu produktów.

Podsumowanie

Wykorzystanie danych RFID do prognozowania popytu polega przede wszystkim na zmniejszeniu różnicy między tym, co według systemu wydarzyło się w przedsiębiorstwie, a tym, co faktycznie miało miejsce w przepływie fizycznych produktów. Dane sprzedażowe pokazują rezultat. RFID może natomiast pokazać drogę prowadzącą do tego rezultatu. Pozwala ustalić, czy produkty były rzeczywiście dostępne, czy przemieszczały się w oczekiwanym tempie, czy trafiły do właściwych lokalizacji oraz czy niska sprzedaż wynikała z ograniczonego popytu, czy ze słabej realizacji procesów. Dzięki tej dodatkowej warstwie wiarygodnych informacji prognozy stają się bardziej realistyczne i mniej reaktywne. Firmy przestają obniżać prognozy dobrych produktów z powodu ich niedostępności. Nie przeceniają też zniekształconych wzorców sprzedaży wynikających z błędnych danych magazynowych. Zaczynają podejmować decyzje na podstawie rzeczywistego popytu, a nie wyłącznie zarejestrowanych transakcji.

Na tym polega najważniejsza przewaga. RFID nie zamienia prognozowania w magiczny proces. Sprawia natomiast, że staje się ono lepiej poinformowaną i bardziej zdyscyplinowaną praktyką operacyjną. Dla firm, które dobrze rozumieją swoje produkty, kanały sprzedaży i klientów, taka dodatkowa wiedza może przynieść bardzo konkretne korzyści.