Demand Driven Supply Chain

Antes de começar este novo post, antecipo que as considerações que irei tecer a seguir são uma visão particular sobre conceitos e práticas relacionadas com Demand Driven Supply Chain (DDSC), ou Demand Driven Supply Network (DDSN), tema que vem recebendo atenção crescente por parte de empresas que produzem os chamados fast-moving consumer goods, ou produtos de giro rápido, tais como Nestlé, Procter & Gamble, Coca-Cola, PepsiCo, Philip Morris, Unilever, AB Inbev, BAT, L’Oréal e Nokia.

A Gartner Inc., ainda AMR Research, definiu DDSN como o “sistema de tecnologias e processos que permitem capturar e reagir, em tempo real, aos movimentos da demanda através de uma rede de relacionamentos entre funcionários, clientes e fornecedores”. Esta definição pode, à primeira vista, ser bastante parecida com a ideia por trás dos Programas de Resposta Rápida (PRR), como o Vendor Managed Inventory (VMI) e o Continuos Replenishment Program (CRP). No entanto, análise mais cuidadosa permite perceber diferenças significativas nas suas práticas e resultados.

Os Programas de Resposta Rápida surgiram na esteira do desenvolvimento e aprimoramento dos mecanismos de troca eletrônica de dados (EDI), que possibilitam, ao menos em teoria, o acesso da informação do sell out por parte dos fabricantes, melhorando a acuracidade da previsão de vendas e, consequentemente, reduzindo os custos com estoques de segurança. No entanto, o custo transacional da troca eletrônica de dados com o uso de padrões de linguagem intercambiáveis, como o EDIFACT, e com a intermediação de empresas especializadas, conhecidas como Value Added Networks (VAN), ainda era muito alto.

Além do elevado custo transacional, a dificuldade de mudar padrões adversativos nos relacionamentos entre indústria e varejo, que muitas vezes impossibilitam um acordo sobre o investimento necessário e a repartição dos benefícios, e um possível aumento dos custos operacionais da indústria, advindos de estoques em consignação e remessas mais frequentes, também contribuíram para a limitação do uso dos PRR’s.

No entanto, uma revolução tecnológica tem possibilitado aspirar, em um futuro não tão distante, por uma gestão da cadeia de suprimentos verdadeiramente orientada pela demanda. São quatro os pilares que sustentam esta esperança: novas tecnologias de tratamento de dados, redução drástica dos custos transacionais, impressão tridimensional e melhor compreensão dos ganhos advindos da colaboração na cadeia de suprimentos.

Big Data Analytics

A melhor informação disponível para prever a demanda futura e, a partir daí, “empurrar” o fluxo de produtos na direção do consumidor final sempre foi a informação do sell out, ou do consumo real. Com ela, as empresas podem utilizar métodos estruturados para previsão de séries temporais e estimar a demanda futura de seus produtos e serviços. Com isso, pode-se entender o enorme valor de ter esta informação disponível, como preconizado pelos PRR’s. Apesar de pesquisa do ILOS mostrar que, infelizmente, uma minoria das grandes empresas brasileiras utiliza técnicas sofisticadas de previsão de vendas, pode-se considerar este o “estado da prática”.

No entanto, o “estado da arte” no que se refere a tratamento de dados para a realização de “previsões” já está em outra fronteira do conhecimento: Big Data Analytics. Imagine poder estimar a demanda futura não mais com dados históricos de consumo, mas com base na análise da imensidão de informações disponibilizadas em redes sociais como Facebook, Pinterest, Twitter e outras!?

São informações sobre festas, mudanças, casamentos, nascimentos…informações que permitem, se corretamente analisadas, antecipar a demanda real futura. E já existem mecanismos-robôs que permitem a busca e tratamento desta enormidade de dados não numéricos. Veja, na Figura 1, o resultado da busca no Google Trends para os termos Big Data Analytics e Time Series Forecasting, evidenciando a transformação que está ocorrendo.

google trends

Figura 1 – Big Data Analytics X Time Series Forecasting

Fonte: Google Trends em 30/10/2015

 

XML

Como segundo fator de transformação, merece destaque a redução drástica dos custos transacionais advindos do desenvolvimento da eXtensible Markup Language (XML), da redução dos custos de armazenamento de dados e do aumento da disponibilidade e velocidade da internet, que possibilitam a troca eletrônica de dados sem a intermediação de VAN’s.

Com menores custos transacionais, por exemplo, os fluxos de informação podem ser duplicados e passam a ser bidirecionais, permitindo moldar a oferta em tempo real a partir da disponibilidade de recursos na cadeia. Imagine a informação de capacidade ociosa da frota de um operador logístico sendo transmitida em tempo real para um varejista, que oferece em seus canais virtuais uma redução do frete e entrega imediata para a compra naquele período?!

Além disso, a redução dos custos transacionais permite a inserção de uma enorme quantidade de pequenas empresas na cadeia de suprimentos, provocando uma verdadeira revolução no varejo, conforme discutido no post sobre Omni-Channel Supply Chain.

3D Print

Uma das dificuldades de gerenciar a cadeia de suprimentos de forma “puxada” pela demanda sempre foi a necessidade de se trabalhar com lotes de produção e movimentação para diluir os custos de setups de máquinas e de transportes. Parte dos problemas com os PRR’s advinha do incremento dos custos operacionais por se trabalhar com lotes menores, o que quase nunca era compensado pelas economias com a redução dos estoques. No entanto, estamos bem próximos, como sinaliza Joseph DeSimone no Vídeo 1, de uma verdadeira revolução com o desenvolvimento de novas, mais robustas e velozes impressoras 3D.

Vídeo 1 – E se as impressoras 3D fossem 100 vezes mais rápidas?

Fonte: TED Talk – Joseph DeSimone

Não apenas as impressoras 3D permitirão um tempo de setup extremamente baixo, como possibilitarão a eliminação das grandes distâncias de transporte, uma vez que podem ser instaladas mais próximas dos clientes. Outras iniciativas de automação na área industrial e de armazenagem, como o uso de tecnologia de reconhecimento de imagens, têm permitido uma redução considerável nos tempos de resposta ao mercado. Um exemplo disto pode ser visto no Vídeo 2.

Vídeo 2 – Separação Automática de Frutas

Fonte: Allied Vision TV – Youtube

Colaboração na Cadeia de Suprimentos

Por fim, parece existir um entendimento mais claro de como as relações colaborativas podem trazer ganhos mútuos para as empresas envolvidas. Na medida em que iniciativas como os PRR’s ou outros mecanismos de colaboração entre parceiros comerciais, como o Collaborative Planning, Forecasting and Replenishment (CPFR), começam a ser implementadas, é possível quantificar os resultados e perceber que existe outra forma de obter ganhos que não as negociações comerciais de final de mês.

Infelizmente, ainda há muita coisa a ser feita até que o conceito de Demand Driven Supply Network seja uma realidade prática para as empresas. Vencer o paradigma de que os ganhos nos relacionamentos se dão exclusivamente no processo negocial, construído em um período onde as ferramentas tecnológicas que viabilizam uma gestão eficiente dos fluxos de informações e produtos ao longo da cadeia de suprimentos não existia, é urgente. Já é evidente que os ganhos possíveis com a colaboração das empresas em uma cadeia de suprimentos orientada pela demanda em muito superam aqueles obtidos em relações negociais adversativas.

Cabe a nós criarmos os artefatos gerenciais para viabilizar este maravilhoso futuro que se apresenta!

Referências

<https://www.google.com.br/trends/explore#q=big%20data%20analytics%2C%20time%20series%20forecasting&cmpt=q&tz=Etc%2FGMT%2B2>

<https://www.ted.com/talks/joe_desimone_what_if_3d_printing_was_25x_faster>

<https://www.youtube.com/watch?v=Y0eop-hei3M>