Стремление простое и понятное — получать достоверные ответы на критические вопросы:
🔵Сколько моя логистика стоит сейчас и в любой момент времени (квартал, месяц, день)?
🔵Насколько эти затраты в рынке: по сравнению с конкурентами и компаниями с похожей структурой бизнеса и логистики?
А далее следует большой пул вопросов «Что будет, если?..»:
🔵Если пойдем в этот регион?
🔵Если откроем производство здесь — а оптимально ли это с точки зрения лог.затрат?
🔵Если через маркетплейсы прокачаем на 250% больше объемов — как с этим справится логистика, что придется перестроить?
И что вообще нужно сделать, чтобы стало дешевле?
К этому добавляются запросы от комм.дира и финдира:
🔵Сколько будет стоить логистика при заданном уровне сервиса?
🔵Как изменятся лог.затраты и оборачиваемость запасов при открытии региональных складов?
Но самое сложное — не сами вопросы. А то, что информация эта обычно нужна в «срочно-обморочном» порядке: к утру, к совету директоров, УК и т.д.
Вытащить такие данные и просчитать в экселе или вручную невозможно по причине того, что в алгоритм вовлекаются сотни типов данных, помноженных на десятки бизнес-ограничений и условий.
А тестировать гипотезы на кошках — живом бизнесе — уже никто не позволит
❗️И здесь из-за угла тихо выходит цифровая модель логистики.
Могу сказать, что это уже не диковинка и не космос. О том, как и в каких компаниях используются такие инструменты и какие карьерные двери открывает цифровое моделирование, напишу подробнее в следующем посте.
#моделирование #ответы #логистика
Горизонты Демина