شرکت ها در سراسر دنیا با ابعاد مختلف دیجتالی شدن دست و پنجه نرم می کنند اما سه صنعت خدمات مالی، خرده فروشی غذا و داروسازی در مرکز این توفان هستند. اولی بر اثر شرکت های تازه وارد دیجیتالی بر محصولات و خدمات بانکداری تاکید دارد. این تازه واردها یا باید وارد رقابت مستقیم شوند یا از بازوی مالی خود برای حرکت به سوی بازارهای مجاور استفاده کنند. دومی، نمونه ای ارائه می دهد از اینکه خرده فروشان چگونه می توانند از ابزارهای دیجیتال استفاده کنند تا کارآیی زنجیره تامین را ارتقا داده و به واسطه آن قبل از انجام هر گونه اقدام اساسی برای رویارویی با مخل های بازار، زمان بخرند و در سومی، تحقیقات جدید بر اهمیت خودآگاهی دیجیتال و میزان ارتقای عملکرد و ارتباط دیجیتالی بهتر بیماران و پزشکان تاکید دارد.
تکنولوژی مالی: افزایش وسعت محصولات و خدمات
در طول دهه گذشته، شرکت های فین تک (fintech) – شرکت های تکنولوژی که بر محصولات و خدمات مالی متمرکزند – شرکت های قدیمی این عرصه را مجبور کرده اند که مدل های هسته ای کسب وکار خود را مورد بازنگری قرار داده و از نوآوری های دیجیتال استقبال کنند. حالا این شرکت های فین تک خودشان به بلوغ رسیده اند و وارد دوره ای از تغییرات سریع می شوند. عصر جدید فین تک با تغییرات در شرایط بازار، قوانین جدید و تغییر در تقاضا و رفتارهای مصرف کننده شکل می گیرد. در نتیجه، این صنعت با اینکه به تنوع بیشتری در تکنولوژی ها و محصولات می رسد، به طور کلی محتاط تر می شود. زمانی این شرکت ها تنها بر برنامه های کاربردی پرداخت، وام دهی و نقل و انتقال پول متمرکز بودند. اما حوزه فعالیت آنها اکنون به بیش از 30 حوزه گسترش پیدا کرده است؛ خدماتی مانند خرده فروشی، مدیریت ثروت، بنگاه های کوچک و متوسط و…
تنوع تکنولوژی ها نیز از سیستم های مشاوره روباتیک که توصیه های اتوماتیک با کمترین درونداد انسانی ارائه می کنند تا سیستم های زنجیره ای تجربی که مجموعه گسترده ای از معاملات را پیگیری و ذخیره می کنند دربر می گیرد. در ضمن، شرکت های فین تک فراتر از پرداختن به نیازهای مالی مشتری رفته اند و مرزهای این صنعت را هر روز محوتر می کنند. صنعت فین تک همچنان متنوع تر می شود و مدل های کسب وکار مختلفی در مناطق جغرافیایی، بخش ها و تکنولوژی ها دیده می شوند. به عنوان مثال، شرکت آمریکایی استرایپ (Stripe) یکی از بزرگ ترین بازیگران عرصه فین تک است که در سال 2011 تاسیس شده تا یک سیستم پرداخت آنلاین پیشرفته ارائه دهد و بیش از 300 میلیون دلار از صندوق های سرمایه مخاطره آمیز جذب کرده است. استرایپ یکی از اولین فین تک هایی بود که توانست فرآیند معاملات بازرگانی آنلاین را تا حد قابل توجهی تسریع کند.
خرده فروشی غذا: تمایز در زنجیره تامین
غذای تازه به یک عرصه رقابتی پرچالش در خرده فروشی خواربار تبدیل شده، چرا که فروشگاه های تخفیفی و بازیگران آنلاین این عرصه، به ارزش دسته بندی غذاهای تازه پی برده اند تا وفاداری مشتری را جلب کنند. خرده فروش ها مجبورند دائما مبادلات دشواری در زنجیره تامین داشته باشند: سفارش بیش از حد برابر است با خراب شدن مواد غذایی و سفارش کم یعنی از دست دادن فروش و وفاداری مشتری. از آنجاکه تقاضا روزانه در نوسان است، این خرده فروش ها چگونه بفهمند که چقدر باید سفارش دهند؟ بیشتر سیستم های برنامه ریزی سنتی زنجیره تامین رویکردی ثابت و قانونمند نسبت به پیش بینی و پر کردن انبارهای خود دارند. چنین رویکردی برای دسته بندی محصولاتی که ثابت و قابل پیش بینی هستند، خوب عمل می کند. اما ماجرای غذاهای تازه کمی پیچیده تر است. از آنجاکه تقاضا و شرایط محلی روز به روز فرق می کند، برنامه ریزها باید انواع مختلف داده را – از تغییرات قیمت گرفته تا تبلیغات و ترویج – به صورت دستی در سیستم های جایگزینی انبار خود وارد کنند. این فرآیندهای دستی روزانه هم وقت گیر است، هم پرخطا و هم به شدت به تجربه فردی برنامه ریزها وابسته است.
بنابراین، راه بهتری وجود دارد. تعدادی از بازیگران برجسته این عرصه راه حلی یافته اند که برنامه ریزی زنجیره تامین آنها را متحول می کند: یادگیری ماشینی. یادگیری ماشینی براساس الگوریتم هایی که به کامپیوترها امکان می دهد حتی بدون برنامه ریزی مبتنی بر قانون از داده ها اطلاعات به دست آورند، به خرده فروشان کمک می کند فرآیندهای دستی قدیمی را اتوماتیک سازی کنند و در نتیجه دقت پیش بینی ها و سفارش های خود را به طور چشمگیری بالا ببرند. خرده فروشانی که از تکنولوژی یادگیری ماشینی برای پر کردن انبارهای خود استفاده می کنند، از بسیاری جهات اثر آن را دیده اند. به عنوان مثال، کاهش بیش از 80 درصدی دورریز انبارها، کاهش بیش از 10 درصدی اجناس مستهلک و افزایش بیش از 9 درصدی حاشیه سود خالص.
این سیستم می تواند تصمیم های سفارش فردی را با اهداف استراتژیک خرده فروش ها و شاخص های عملکرد کلیدی هم راستا کند. به عنوان مثال، اگر خرده فروش بیشتر به حاشیه سود خود اهمیت بدهد تا درآمد، الگوریتم تصمیم گیری ها را مطابق این اولویت تنظیم می کند. همچنین می تواند همزمان چند شاخص عملکرد کلیدی را توسعه بخشد.
منبع: دنیای اقتصاد