论文部分内容阅读
之前，Eveready Industries依赖低效的人工系统进行库存量的预测，新员工对库存的预测错误率达到60%以上。而用新的自动系统，Eveready Industries 的CIO成功地将准确率提升到了75%以上。
作为印度第一大电池品牌，Eveready Industries在印度电池和闪光灯产品市场拥有很高份额，每年销售超过10亿节干电池和2500个万闪光灯。值得一提的是，Eveready Industries是世界第三大佳能碳锌电池生产商。
很少有公司像Eveready Industries一样，有如此多样化的投资组合，业务范围如此之广。成立之初，它是制造充电电池的，发展到今天，它的业务已经扩展到了包含昆虫杀虫剂、节能灯、家庭称重器、LED灯罩和茶叶等在内的多个领域。作为印度第一大电池品牌，它如今已成长为强大的多行业品牌。
Eveready Industries的2600家直销商网络可以完全覆盖到全印度的350万家零售商店。Eveready Industries的成功取决于其长期而有效的品牌开发，从而实现每个客户的价值最大化。这样一家零售店分布如此广泛的公司，在土地资源、运输成本、人力成本日益增长的形势下，库存管理也面临巨大挑战。对于库存量的预测一度困扰着Eveready Industries。
预测错误率超60%
作为一个产品销量巨大的制造型企业，Eveready Industries要定期将产品发送到各个仓库。过去，Eveready Industries在向各个仓库分配货物时，要么把货物发送给6个父级仓库，要么发送给32个子级仓库，分配的主要依据是各仓库货物的库存量大小以及其当时还可以存储的货物量。父级仓库除了存储货物以外，还要基于一定的分配算法为相应的子级仓库供货。然后，直销商可以从相应的仓库提取货物，向各自负责的零售商店运输。
在货物分配的过程中，最关键的是分配算法，因为它直接决定分配结果。在当时，这个算法主要由运输公司与代理商的工作人员来负责，但他们只是普通的运输工人，大都不熟悉Eveready Industries公司的业务，他们分配货物的主要依据是车辆的容量。
Eveready Industries公司CIO Arup Choudhury在谈到货物分配依据时说：“当时，各个仓库的需求是通过一个Ｅxcel表单输入的，而表单中的数据则是工作人员凭感觉写出来的。我们经常花费大量的时间向公司的其他部门咨询，并给运货商打电话来了解分配情况。”由于货物分配过程中无法定规划，也无法跟踪，有时会有一些货物找不到下落，这些货物本身可能重达9～16吨。“出现这样的情况，也找不到任何人对此负责。无计划的运输同样增加了我们的运输成本。” Arup Choudhury对此很无奈。
众所周知，库存意味着成本，如今，流通业都在孜孜追求合理的库存量。Eveready Industries公司面临同样的成本问题：通常，货物是存在仓库的，但这会占用其他货物的位置。“实际上，在我们的预测和实际销售量之间，会存在显著的差异。我们发现我们新的业务员的预测错误会达到60%～70%。”Arup Choudhury说。
准确率提升到75%
基于以上种种情况，Eveready Industries需要一个自动化的、科学的预测系统来完成库存量的预测。经过了解和比较，Arup Choudhury决定采用甲骨文公司的财务管理产品。
使用该产品之后，借助其销售和运营计划模块，Eveready Industries供应链生产计划从以前的30天增加到3个月。Eveready Industries公司还将Oracle公司的财务管理产品和Eveready Industries的ERP系统进行整合，构建一个计划模块，这个模块将生产计划、销售和分配货物之间形成连接。销售人员在这个计划模块中输入需求的数字，这个需求的计划人员——Eveready Industries总部的经理，而非运输公司或者代理商——将对输入的数字进行审核，并向供应链源头发送经过审核修改的预测数字。然后，这个系统将计算出原材料和成品的分配方案，以便能够满足预测的需求数字。
这样，产品生产计划和运输计划便可制订出来了。随着生产计划的实施，Eveready Industries的各仓库工作人员也能够收到公司的运输计划单，这是由总部办公室每天根据可用的货运量生成的报表。
如今，这个系统已经帮助Eveready Industries提升库存预测的准确性——其电池业务的预测准确率达到了85%～90%，而照明业务的预测准确率也达到了75%。
除了提高了库存预测的准确率，该系统还可以让管理者发现导致生产和分配迟缓的原因，而且它还帮助Eveready Industries显著地减少了制订完整分配计划所用的时间，成功地将计划制订时间从72小时降低到了仅仅1.5小时。新系统让 Arup Choudhury的工作变得轻松多了。
如今，Eveready Industries已经对预测需求做好了一劳永逸的准备，并且在持续改进其准确性。
作为印度第一大电池品牌，Eveready Industries在印度电池和闪光灯产品市场拥有很高份额，每年销售超过10亿节干电池和2500个万闪光灯。值得一提的是，Eveready Industries是世界第三大佳能碳锌电池生产商。
很少有公司像Eveready Industries一样，有如此多样化的投资组合，业务范围如此之广。成立之初，它是制造充电电池的，发展到今天，它的业务已经扩展到了包含昆虫杀虫剂、节能灯、家庭称重器、LED灯罩和茶叶等在内的多个领域。作为印度第一大电池品牌，它如今已成长为强大的多行业品牌。
Eveready Industries的2600家直销商网络可以完全覆盖到全印度的350万家零售商店。Eveready Industries的成功取决于其长期而有效的品牌开发，从而实现每个客户的价值最大化。这样一家零售店分布如此广泛的公司，在土地资源、运输成本、人力成本日益增长的形势下，库存管理也面临巨大挑战。对于库存量的预测一度困扰着Eveready Industries。
预测错误率超60%
作为一个产品销量巨大的制造型企业，Eveready Industries要定期将产品发送到各个仓库。过去，Eveready Industries在向各个仓库分配货物时，要么把货物发送给6个父级仓库，要么发送给32个子级仓库，分配的主要依据是各仓库货物的库存量大小以及其当时还可以存储的货物量。父级仓库除了存储货物以外，还要基于一定的分配算法为相应的子级仓库供货。然后，直销商可以从相应的仓库提取货物，向各自负责的零售商店运输。
在货物分配的过程中，最关键的是分配算法，因为它直接决定分配结果。在当时，这个算法主要由运输公司与代理商的工作人员来负责，但他们只是普通的运输工人，大都不熟悉Eveready Industries公司的业务，他们分配货物的主要依据是车辆的容量。
Eveready Industries公司CIO Arup Choudhury在谈到货物分配依据时说：“当时，各个仓库的需求是通过一个Ｅxcel表单输入的，而表单中的数据则是工作人员凭感觉写出来的。我们经常花费大量的时间向公司的其他部门咨询，并给运货商打电话来了解分配情况。”由于货物分配过程中无法定规划，也无法跟踪，有时会有一些货物找不到下落，这些货物本身可能重达9～16吨。“出现这样的情况，也找不到任何人对此负责。无计划的运输同样增加了我们的运输成本。” Arup Choudhury对此很无奈。
众所周知，库存意味着成本，如今，流通业都在孜孜追求合理的库存量。Eveready Industries公司面临同样的成本问题：通常，货物是存在仓库的，但这会占用其他货物的位置。“实际上，在我们的预测和实际销售量之间，会存在显著的差异。我们发现我们新的业务员的预测错误会达到60%～70%。”Arup Choudhury说。
准确率提升到75%
基于以上种种情况，Eveready Industries需要一个自动化的、科学的预测系统来完成库存量的预测。经过了解和比较，Arup Choudhury决定采用甲骨文公司的财务管理产品。
使用该产品之后，借助其销售和运营计划模块，Eveready Industries供应链生产计划从以前的30天增加到3个月。Eveready Industries公司还将Oracle公司的财务管理产品和Eveready Industries的ERP系统进行整合，构建一个计划模块，这个模块将生产计划、销售和分配货物之间形成连接。销售人员在这个计划模块中输入需求的数字，这个需求的计划人员——Eveready Industries总部的经理，而非运输公司或者代理商——将对输入的数字进行审核，并向供应链源头发送经过审核修改的预测数字。然后，这个系统将计算出原材料和成品的分配方案，以便能够满足预测的需求数字。
这样，产品生产计划和运输计划便可制订出来了。随着生产计划的实施，Eveready Industries的各仓库工作人员也能够收到公司的运输计划单，这是由总部办公室每天根据可用的货运量生成的报表。
如今，这个系统已经帮助Eveready Industries提升库存预测的准确性——其电池业务的预测准确率达到了85%～90%，而照明业务的预测准确率也达到了75%。
除了提高了库存预测的准确率，该系统还可以让管理者发现导致生产和分配迟缓的原因，而且它还帮助Eveready Industries显著地减少了制订完整分配计划所用的时间，成功地将计划制订时间从72小时降低到了仅仅1.5小时。新系统让 Arup Choudhury的工作变得轻松多了。
如今，Eveready Industries已经对预测需求做好了一劳永逸的准备，并且在持续改进其准确性。