Перепроизводство — одна из менее заметных, но важных причин образования пищевых отходов. Избыточные запасы возникают на разных этапах цепочки поставок и часто становятся следствием сложностей с прогнозированием спроса, логистикой и управлением ассортиментом.
На основе международного отчета «The Missing Billions» («Потерянные миллиарды»), подготовленного компанией Avery Dennison, а также кейсов компаний из разных стран мы разобрали, какие факторы приводят к перепроизводству и какие инструменты сегодня используются для сокращения избыточных запасов и предотвращения потерь продуктов.
На основе международного отчета «The Missing Billions» («Потерянные миллиарды»), подготовленного компанией Avery Dennison, а также кейсов компаний из разных стран мы разобрали, какие факторы приводят к перепроизводству и какие инструменты сегодня используются для сокращения избыточных запасов и предотвращения потерь продуктов.
Что стоит за перепроизводством
Существует распространенное представление, что пищевые отходы — это результат перепроизводства. В такой логике решение кажется очевидным: если производить меньше, потерь станет меньше.
Однако отчет показывает, что перепроизводство является не первопричиной, а следствием более сложных процессов, связанных с прогнозированием спроса и управлением запасами.
Однако отчет показывает, что перепроизводство является не первопричиной, а следствием более сложных процессов, связанных с прогнозированием спроса и управлением запасами.
Непредсказуемый спрос
Одной из причин перепроизводства становится высокая изменчивость потребительского спроса. Экономические факторы, кризисные события и быстро меняющиеся тренды могут резко влиять на решения покупателей, что усложняет прогнозирование продаж и планирование производства.
Опрос McKinsey & Company (апрель 2022) показал, что 68% европейских потребителей за шесть недель изменили поведение при покупке продуктов и товаров первой необходимости — например, начали выбирать другие бренды или магазины либо использовать новые цифровые способы покупок.
Кроме того:
Опрос McKinsey & Company (апрель 2022) показал, что 68% европейских потребителей за шесть недель изменили поведение при покупке продуктов и товаров первой необходимости — например, начали выбирать другие бренды или магазины либо использовать новые цифровые способы покупок.
Кроме того:
- 51% потребителей стали чаще задумываться о том, будут ли в наличии нужные продукты после недавних глобальных событий;
- 57% респондентов обеспокоены возможным дефицитом продуктов питания;
- При этом наличие товара на полке остается важным фактором выбора: 36% потребителей включают его в топ-5 критериев при покупке.
Реакция бизнеса: увеличение запасов
В условиях волатильного спроса компании часто стремятся снизить риск дефицита и увеличивают запасы. В отчете отмечается, что многие компании в такой ситуации «играют безопасно», поддерживая большие объемы запасов. Перепроизводство в этом контексте становится следствием стремления обеспечить стабильную доступность продукции для потребителей.
Как компании снижают избыточные запасы
Объемы производства и закупок напрямую взаимосвязаны с ожиданиями потребителей. При этом избыточные запасы создают для компаний дополнительные издержки — расходы на хранение, логистику и утилизацию. Поэтому одним из фокуса бизнеса становится поддержание оптимального уровня запасов.
Практика показывает, что снижать риск перепроизводства можно за счет более точного прогнозирования спроса и лучшей координации цепочек поставок.
Практика показывает, что снижать риск перепроизводства можно за счет более точного прогнозирования спроса и лучшей координации цепочек поставок.
Координация цепочки поставок
Японская сеть супермаркетов Super Hosokawa протестировала модель совместного прогнозирования спроса на основе данных продаж, что позволило повысить точность заказов и сократить излишки продукции.
В рамках проекта Whole Chain Strawberry Pilot Walmart, американская сеть розничной и оптовой торговли, обнаружила, что часть урожая клубники не попадает на рынок из-за несоответствия стандартам размера. Совместно с поставщиками компания начала использовать такие ягоды для производства клубничного джема под собственной торговой маркой, что позволило сократить потери урожая.
Еще один пример — сотрудничество Walmart и Procter & Gamble. Компании внедрили систему обмена данными о продажах и запасах. После внедрения модели continuous replenishment — регулярного пополнения запасов на основе данных о продажах — цикл поставок сократился на 3−4 дня, а товары проводят на складе Walmart менее 8 часов и часто продаются в течение суток после поступления в магазин.
В рамках проекта Whole Chain Strawberry Pilot Walmart, американская сеть розничной и оптовой торговли, обнаружила, что часть урожая клубники не попадает на рынок из-за несоответствия стандартам размера. Совместно с поставщиками компания начала использовать такие ягоды для производства клубничного джема под собственной торговой маркой, что позволило сократить потери урожая.
Еще один пример — сотрудничество Walmart и Procter & Gamble. Компании внедрили систему обмена данными о продажах и запасах. После внедрения модели continuous replenishment — регулярного пополнения запасов на основе данных о продажах — цикл поставок сократился на 3−4 дня, а товары проводят на складе Walmart менее 8 часов и часто продаются в течение суток после поступления в магазин.
Аналитика данных и AI
Ритейлеры все чаще используют системы анализа данных и машинного обучения для более точного прогнозирования спроса и управления запасами.
Например, Walmart применяет AI-системы управления запасами, которые анализируют исторические продажи, онлайн и офлайн-данные и региональные особенности спроса.
Сервис быстрой доставки продуктов Getir внедрил систему планирования с алгоритмами машинного обучения для прогнозирования спроса в сети дарксторов. В результате точность прогнозирования выросла на 6,6 процентного пункта, а списания скоропортящихся продуктов снизились на 30%.
Например, Walmart применяет AI-системы управления запасами, которые анализируют исторические продажи, онлайн и офлайн-данные и региональные особенности спроса.
Сервис быстрой доставки продуктов Getir внедрил систему планирования с алгоритмами машинного обучения для прогнозирования спроса в сети дарксторов. В результате точность прогнозирования выросла на 6,6 процентного пункта, а списания скоропортящихся продуктов снизились на 30%.
Ключевые выводы
Перепроизводство в продовольственных цепочках поставок часто является не ошибкой планирования, а следствием необходимости балансировать между неопределенным спросом и ожиданиями покупателей относительно доступности товаров.
Поэтому все большее значение приобретают решения, которые помогают лучше согласовывать спрос и предложение — обмен данными между участниками цепочки поставок, совместное прогнозирование и использование аналитики данных.
Поэтому все большее значение приобретают решения, которые помогают лучше согласовывать спрос и предложение — обмен данными между участниками цепочки поставок, совместное прогнозирование и использование аналитики данных.