Čak i za vreme pandemije, Walmart-ovi menadžeri lanca snabdevanja moraju da obezbede prodavnice i skladišta stvarima koje kupci žele i trebaju. Obično sistem može pouzdano analizirati stvari poput nivoa zaliha, istorijskih trendova kupovine i popusta kako bi preporučio koliko proizvoda treba naručiti. Tokom svetskih poremećaja izazvanih pandemijom COVID-19, preporuke programa se češće menjaju. Većina maloprodajnih kompanija oslanja se na neku vrstu modela ili algoritma kako bi pomogli predviđanju šta će njihovi klijenti želeti, bilo da je to jednostavna Excel proračunska tablica ili rafinirani inženjerski program. Ti modeli su obično prilično pouzdani i dobro rade. Ali kao i sve ostalo, na njih je uticala pandemija.
Podaci koji algoritmi koriste nisu pouzdani
Nijedan model algoritma nije mogao da predvidi COVID-19.
Istraživači imaju neko razumevanje kako šokovi za sistem poput prirodnih katastrofa mogu da poremete lance snabdevanja i kako utiču na predviđanja potražnje. Međutim, katastrofe poput uragana ili poplava obično su regionalne prirode. Pandemija pogađa ceo svet.
Čak i ako kompanije testiraju stres na svojim modelima predviđanja potražnje protiv bolesti kao što su H1N1 i SARS, ne bi imale računa o nečemu ove veličine. Ova pandemija koronavirusa u potpunosti je na drugom višem nivou.
Modeli predviđanja obično koriste prethodne podatke za predviđanje budućih trendova. Ako je kompanija u aprilu prodala puno kosilica, oni bi mogli da upotrebe te podatke kako bi rekli kompaniji da u aprilu sledeće godine ima na zalihama u svom skladištu više kosilica. Modeli takođe mogu obično pretpostaviti da se kosilice mogu proizvoditi i prevoziti prema određenom rasporedu.
Radikalne promene u ponašanju, transportu i proizvodnji tokom ove pandemije znače da se obično ne mogu očekivati napon i protok. Sada ćemo imati toliko “odmetnika” u pogledu podataka. Sve je pomereno.
Zbog masovnih poremećaja širom sveta, normalni podaci koji hrane modele – koji uključuju obrasce kupovine tokom godina – nisu toliko bitni.
Verovatno nećete koristiti toliko istorijskih podataka ili nećete vagati onoliko koliko se očekuje. Umesto toga, kompanije verovatno koriste mnogo novijih podataka: na primer, prošlu nedelju da bi predviđali narednu nedelju, ili se samo oslanjaju na informacija stare mesec ili dva o onome što je kupljeno otkako je pandemija “poletela” širom sveta.
Modeli se i dalje mogu koristiti. Podaci koji se unose moraju da se promene. Kompanije poput Walmart-a i Amazon-a koje koriste složenije modele mašinskog učenja će verovatno povećati količinu neizvesnosti koja je ugrađena u njihove sisteme.
Ta prilagođavanja omogućavaju kompanijama da nastave sa prognozama. Predviđanja koja sada daju, neće biti tako precizna kao ona koja su uspeli da naprave pre nekoliko meseci. Neće dati tačnost kakva je viđena ranije.
Umesto toga, ljudi koji upravljaju lancima snabdevanja moraće aktivnije da tumače projekcije, Kompanije se moraju više oslanjati na dobre planere potražnje i ljude koji prognoziraju, koji će reći:„ da li verujem u ovo? “, Umesto da veruju da će ovi modeli uspeti da uhvate sve što se događa.
Neke kompanije menjaju svoje sisteme da bi odgovorile na pandemiju. Postoji primer kompanija koja pokušavaju da kombinuju modele koji predviđaju dužinu i ozbiljnost izbijanja COVID-19 u različitim zemljama sa njihovim uobičajenim modelima mašinskog učenja u lancu snabdevanja.
Modeli lanca snabdevanja će takođe morati da se menjaju kako bi preuzeli pandemiju čak i nakon što ona prođe. Ovo je period verovatno većina neće želeti da koristi ono što predviđa šta će se dogoditi naredne godine.
Pored toga, ljudi će možda i dalje kupovati stvari poput toaletnog papira i pasulja po različitim cenama nego pre izbijanja pandemije, tako da bi neke promene mogle trajati duže od krize,. Moraćemo da razumemo novo stabilno stanje.
Prekidi u modeliranju sistema tokom ove pandemije pokazuju neka od ograničenja oslanjanja na računare radi predviđanja potražnje za proizvodima. Većina kompanija se bori s tim i to je stalni izazov, čak i u„ normalnim vremenima“. Pandemija bi mogla naterati kompanije da ulažu manje resursa u predviđanje potražnje i da se više fokusiraju na reagovanje na ono što vide pred sobom. To je odstupanje od razmišljanja da možete predvideti kako će izgledati svet mesecima unapred.
foto: stock.adobe.com
