Вышла новая публикация на канале в Яндекс Дзен, посвященная категорийной стратегии согласно Модели Питера Кралича

https://dzen.ru/a/Z9a4o4S0LXVzGhyR?share_to=link

#модель_Кралича #Матрица_Кралича #категорийные_стратегии #управление_поставщиками #портфельные_стратегии

Цифра дня
По данным Росстата, 73% компаний малого бизнеса закупаются без тендера, теряя в среднем до 7% бюджета. А у вас есть регламент закупок?

#ЦифраДня #Статистика #Закупки #Тендеры #Снабжение

Судоходные компании поднимают тарифы

Крупнейшие перевозчики MSC и Maersk объявили о плановом повышении тарифов (FAK) на ключевых маршрутах из Азии уже в следующем квартале. Ожидается увеличение на 10-15% на направлениях Юго-Восточная Азия — Северная Европа и в Средиземноморье.

#логистика #перевозки #морскиеперевозки #тарифы #судоходство #контейнеры #поставки #снабжение #MSC #Maersk

Искусственный интеллект в снабжении: Как AI меняет мир закупок и логистики

С каждым годом искусственный интеллект (ИИ) проникает всё глубже в сферу снабжения, превращая её в более гибкую, эффективную и интеллектуально управляемую систему. В 2025 году многие процессы, которые раньше требовали больших затрат времени и ресурсов, теперь автоматизируются и становятся более точными благодаря технологиям ИИ.

1. Прогнозирование потребностей и управление запасами

Одной из ключевых областей применения ИИ в снабжении является прогнозирование спроса. Алгоритмы машинного обучения анализируют огромные объемы данных — от исторических закупок до внешних факторов, таких как сезонность или экономические изменения. Это позволяет предсказывать, какие товары будут востребованы в будущем, а какие могут остаться непроданными, что помогает избежать как дефицита, так и излишков.

С помощью ИИ компании могут оптимизировать свои запасы и заказывать товар в нужное время, минимизируя затраты на хранение и улучшая оборачиваемость.

2. Автоматизация процесса закупок

ИИ активно используется для автоматизации рутинных задач, таких как создание заказов, выбор поставщиков и составление контрактов. Алгоритмы могут сканировать рынок на наличие лучших предложений, сопоставлять условия и автоматически заключать сделки, что значительно ускоряет процесс закупок и уменьшает количество ошибок, связанных с человеческим фактором.

Кроме того, ИИ может поддерживать постоянный мониторинг цен и условий на рынке, чтобы своевременно реагировать на изменения и выбирать наиболее выгодные предложения.

3. Анализ и оптимизация цепочек поставок

С помощью ИИ можно оптимизировать логистику и управление цепочками поставок. Например, системы могут предсказывать и предупреждать о возможных сбоях в поставках или транспортировке, а также предлагают альтернативные маршруты и решения в случае непредвиденных ситуаций. Это особенно важно в условиях нестабильности, когда своевременные поставки критичны для бизнеса.

4. Снижение рисков с помощью ИИ

Один из важнейших аспектов работы снабженцев — это управление рисками. ИИ помогает не только предсказывать сбои и возможные потери, но и анализировать риски, связанные с поставщиками. Например, системы могут анализировать данные о поставщиках, их репутацию, финансовую устойчивость и другие факторы, которые могут повлиять на выполнение контрактных обязательств. Это помогает выбирать надежных партнёров и минимизировать риски, связанные с дефектами продукции или несвоевременными поставками.

5. ИИ в управлении отношениями с поставщиками (SRM)

Системы на базе ИИ помогают управлять отношениями с поставщиками, автоматизируя процессы переговоров, заключения контрактов и управления условиями. ИИ анализирует данные о предыдущих сделках, отзывах, а также помогает предсказать, какие изменения могут произойти в отношениях с поставщиками, на основе текущих тенденций.

6. Интеллектуальная обработка данных и документации

Важной частью работы снабженцев является обработка документов, таких как контракты, счета-фактуры и накладные. ИИ-системы могут автоматически извлекать и анализировать данные из этих документов, ускоряя процесс подписания и утверждения. Это также снижает вероятность ошибок, связанных с ручным вводом данных.

Лидерство в стиле кайдзен: как превратить кризис в источник роста

В новом выпуске подкаста «Разговоры о лидерстве» — предприниматель и владелец бренда «Тамаки» Андрей Белянин. Он рассказывает, как принципы японской философии помогают не только переживать трудные периоды, но и выходить из них сильнее.

Вы узнаете:

⊛ Как превратить вызовы в точку роста;
⊛ Что помогло компании сэкономить 130 миллионов рублей за год;
⊛ Какие два навыка Андрей считает ключевыми для лидера будущего;
⊛ Как создавать «здоровый дефицит», чтобы мотивировать людей.

Смотрите выпуск по ссылкам:
‣ YouTube
‣ VK

Полезная статья В.Коданева Стратегия в закупках
https://telegra.ph/Strategiya-zakupok-esli-ne-znaesh-kuda-plyt-ni-odin-veter-ne-budet-poputnym-11-15
#стратегиязакупок #закупки #стратегия #цепипоставок

Машинное обучение (Machine Learning, ML)

Если просто, ML — это когда компьютер не просто выполняет программу, а учится на данных и сам находит в них закономерности.

Причем тут закупки? 🤔

Вот как это может изменить нашу работу:

📊 Прогнозирование спроса: Алгоритм анализирует исторические продажи, сезонность, маркетинговые акции и predicts, сколько и чего нужно закупить. Меньше остатков на складе и дефицита!

⚖️ Оценка надежности поставщиков: Система автоматически анализирует рейтинги, сроки поставок, качество товара и помечает рискованных контрагентов.

💰 Предсказание цен: ML может спрогнозировать рост цен на сырье или компоненты, чтобы вы успели заключить выгодный контракт.

🤖 Чат-боты и автоматизация: Боты, которые понимают естественную речь, могут сами обрабатывать заявки от сотрудников и создавать заказы.

Вывод: Машинное обучение — это не про то, чтобы заменить людей. Это про то, чтобы автоматизировать рутину и принимать решения на основе больших данных, которые человек просто физически не может быстро проанализировать.

Внедрять его уже не будущее, а настоящее для эффективных отделов снабжения.

#закупки #снабжение #логистика #инновации #машинноеобучение #ai

Искусственный интеллект в логистике: от складов до минимизации отходов

Применение искусственного интеллекта все заметнее влияет на операционную эффективность компаний. Опыт крупнейших игроков в России и Азии показывает: ИИ способен одновременно снижать затраты, ускорять процессы и минимизировать упущенную выручку за счет отсутствия товаров на полках. Примеры приведены в отчёте «Практика использования искусственного интеллекта компаниями потребительского сектора. Опыт России и Азии» компании Kept.

Роботизированные склады

В России одним из заметных проектов стала роботизация складов «Яндекса». Здесь используется система управления Yandex RMS, которая координирует работу роботов: они перемещают коробки со стеллажей, выполняют инвентаризацию и даже способны поднимать грузы весом до 35 кг. Встроенная нейросеть обучается на реальных сценариях, учится сравнивать предметы и оптимизировать маршруты их перемещения.

Практический эффект выражается в цифрах: затраты на обработку единицы товара сокращаются на 30–80% за счет снижения доли ручного труда, скорость комплектации увеличивается на 30%, а число ошибок при отборе и учете запасов заметно снижается. Для маркетплейсов это означает прямое сокращение расходов и повышение качества сервиса.

Управление запасами в рознице

Другой пример демонстрирует сеть магазинов CU в Южной Корее. Здесь ИИ-система интегрирована с камерами видеонаблюдения и в режиме реального времени отслеживает наличие продукции, работу холодильников и чистоту дегустационных зон. Система сразу уведомляет сотрудников о проблемах. В результате рутинные процессы — проверка остатков, оформление заказов — сократились до одного часа в день, а показатель out of stock снизился на 20,8%. Продажи выросли почти на 5%, а оборачиваемость ускорилась.

В Китае интеллектуальные системы закупок Guandata применяются в сетях China Resources Vanguard и FamilyMart. Алгоритмы прогнозирования спроса учитывают данные о погоде, транспортном трафике и истории продаж, обеспечивая точность прогнозов выше 92%. Система автоматически корректирует заказы: при повышении температуры на 3°C закупки мороженого увеличиваются на 45%. Такой подход позволил снизить уровень потерь свежей продукции с 23% до 9% и повысить эффективность оборота запасов на 38%.

Минимизация отходов

ИИ используется не только для оптимизации продаж, но и для сокращения издержек, связанных с потерями и утилизацией. В Сингапуре стартап Lumitics внедрил на ресторанных кухнях умные мусорные баки с ИИ-трекерами. Они анализируют выбрасываемые продукты вплоть до конкретных блюд и помогают корректировать закупки. Это снижает пищевые отходы до 40%.

Другие проекты, такие как Treatsure и TreeDots, связывают производителей и гостиничный бизнес с конечными потребителями, позволяя реализовывать излишки продуктов по сниженной цене. TreeDots за три года передал на рынок около 2,3 тыс. тонн товаров, что эквивалентно 23 миллионам порций.

Управление маршрутами поставок

В Японии Mitsubishi разработал сервис на базе ИИ, который используется сетью Lawson. Система прогнозирует спрос на продукты и выстраивает оптимальные маршруты доставки. Это не только позволяет доставлять товары точно в срок, но и сокращает объемы избыточных запасов. В ходе испытаний объем запасов снизился на 30%, а в отдельных категориях — на 40%.

🫣 Десять неприятных истин о закупках

После многих лет работы с закупочными департаментами и изучения их проблем, я собрал наблюдения, которые могут вас расстроить. Это не те отполированные инсайты, что вы найдете в большинстве отраслевых отчетов. Это честные истины о том, где сегодня находятся закупки:

📌 Постоянная битва за значимость. Последние десять лет команды закупок борются за право сидеть за столом "взрослых" руководителей. Иногда это похоже на попытку толкнуть валун в гору. Пока другие функции естественным образом эволюционировали в стратегических партнеров, закупки все еще объясняют свою ценность скептически настроенным руководителям

📌 Все думают, что могут заниматься закупками. Эта проблема восприятия очень глубока. Люди видят покупки как простые транзакции — разместить заказ, получить товар, оплатить счет. Но настоящие закупки включают оценку рисков, развитие поставщиков, переговоры по контрактам и рыночную аналитику. Результат? Слишком много любителей принимают дорогостоящие решения, пока настоящие профессионалы борются за признание

📌 Дилемма структуры подчинения. Вот где начинается политика. Закупки должны подчиняться напрямую CEO, но финансовые директора постоянно пытаются забрать их под свое крыло. CFO естественно фокусируются на краткосрочной оптимизации денежных средств, в то время как закупкам нужно строить долгосрочные партнерские отношения с поставщиками. Это расхождение создает напряжение, подрывающее стратегические инициативы

📌 Экономия затрат против безопасности поставок. Все говорят об устойчивости цепи поставок, пока не наступает бюджетный сезон. Тогда снова звучит "найдите самый дешевый вариант". Пандемия преподала нам болезненные уроки о чрезмерной зависимости от ориентированных на цены закупок. Но память коротка, когда на кону квартальные результаты

📌 Неутешительная реальность автоматизации. Автоматизация закупок звучит великолепно в презентациях для совета директоров. Реальность более сложная. Большинство компаний внедряют фрагментированные системы, создающие новые разрозненные сущности вместо решения старых проблем. Истинная сквозная автоматизация требует переосмысления всех бизнес-процессов, а не просто оцифровки ломаных рабочих процессов

📌 Миф о партнерстве против конкуренции. Вечные дебаты о партнерских отношениях с поставщиками против конкурентных торгов упускают суть. Умные закупки означают выбор партнеров через жесткую конкуренцию, а затем построение совместных отношений. Можно иметь и стратегическое партнерство, и конкурентный сорсинг — они не исключают друг друга

📌 Паттерны отраслевого лидерства. Автомобильные и ритейл-компании последовательно лидируют в инновациях закупок, если говорить про ситуацию в мире. Им пришлось — их маржинальность зависит от превосходства цепи поставок. Тем временем другие секторы отстают, часто на годы

📌 Компаниям, которые пытаются заниматься трансформацией закупок, часто не хватает внутренней экспертизы для эффективного продвижения изменений. Вот где консультанты становятся ценными — не потому что внутренние команды неспособны, а потому что им нужны свежие взгляды и межотраслевой опыт

📌 Разрыв между хайпом ИИ и реальностью. Искусственный интеллект остается в основном экспериментальным в закупках. Большинство организаций все еще тестируют гипотезы, а не развертывают производственные решения. Технология перспективна, но мы нигде близко не находимся к революционной трансформации, которую обещают эксперты

📌 Сначала статус, потом ресурсы. Самая большая ошибка новых руководителей закупок — прыгать сразу в проекты автоматизации. Неправильный подход. Сначала установите важность вашей функции в организации. Затем обеспечьте ресурсы и поддержку. И наконец, инвестируйте в технологии. Не наоборот

Эти наблюдения могут оказаться неприятными. Но признание этих реальностей — первый шаг к их изменению.

Каков ваш опыт? Звучат ли эти паттерны знакомо в вашей организации?