Internet of Things, IoT, tekniken som gör det möjligt att med hjälp av sensorer samla data, analysera den och komplettera med annan data för att hitta värdefulla mönster, kan bidra till att effektivisera detaljhandelns lagerstyrning och supply chain. Med hjälp av RFID och data i realtid samt IoT finns möjligheten att förutspå den faktiska efterfrågan av produkter genom hela försörjningskedjan.

Philip Appleton är Senior Specialist inom IoT på CGI, och har en bakgrund som ingenjör inom sensors-communication-connectivity. Han var en av grundarna till ett av Skandinaviens första IoT-företag där de byggde spårningssystem inom logistik och supply chain management för detaljhandeln. Han berättar vilka fördelar och på vilket sätt man kan använda sig av tekniken för att effektivisera sin supply chain.

Tack vare den realtidsdata som vi kan få fram med sensorer kan vi mäta hur många och vilka produkter som ligger på hyllorna, och direkt se om det är något som saknas eller finns för mycket av. Med hjälp av tekniken går det att automatisera arbetet med att fylla på nya varor, vilket nästan eliminerar risken att produkter tar slut. Det tar också bort de förseningar som ett manuellt system innebär och gör att vi kan få betydligt mer precisa beräkningar av inventeringen. Mätningar visar att en automatiserad inventering är hela 98% exakt medans en manuell är 75% korrekt. Det tyska modeföretaget Gerry Weber har länge använt sig av tekniken för att få kontroll över sin inventering. En trend som också syns är att med hjälp av sensorer räkna hur många personer som besöker butiken och få fram den faktiska försäljningen. 

"Your raw data is useless"

Rådata blir värdefull först när den analyserats, genom exempelvis machine learning och prediktiv modellering

Abstrakt bild på vita staplar som hänger ner från ett tak

Men det stora värdet uppstår när vi i ett senare steg analyserar den data som genererats. När vi kan se vad som historiskt varit i lager, och om det varit slut på specifika produkter. Hur många butiker hade för lite produkter? Och var det för mycket på ett ställe och inte tillräckligt på ett annat? Med den typen av insikter är det möjligt att se om vi även kan vara mer effektiva i distributionskedjan.

Rådata blir värdefull först när den analyserats, genom exempelvis machine learning och prediktiv modellering. Med sådana analyser genereras stora volymer av information som kan användas för att analysera variationer i pris och efterfrågan. Det skapar förutsättning för att optimera hela distributionskedjan – från produkt till distribution hela vägen fram till att produkten finns i hyllan.

"Jag brukar använda uttrycket ”your raw data is useless”. Det är först i ett senare skede när datan analyserats, och vi får riktiga affärsinsikter som gör att vi kan fatta bättre beslut, som det verkliga värdet uppstår. Det är då ekonomichefen börjar gilla IoT på riktigt. Detaljhandeln kan börja använda en prediktiv modell för att beräkna kapitalbehovet nästa år. Men det största värdet är framförallt att man kan använda sig av de nya insikterna för att optimera sin supply chain och styra hur många produkter som behöver tillverkas och levereras", säger Phillip Appleton.


Upptäck nya affärsmöjligheter med Internet of Things

Läs mer om vårt erbjudande


 IoT reducerar “the bullwhip effect” 

Ett skyltfönster med bara en tom klädställning och orden SALE i rött på rutan

Med den realtidsdata som genererats är det möjligt att bygga algoritmer som blandar insikterna med annan data. Vad kan vi exempelvis utläsa för komplexa samband mellan väderdata, försäljning och antal personer som besökt butiken under en given tidsperiod? Genom att få kontroll över sin inventering, och hur många som besökt butiken kan vi göra prediktiva analyser.

Utan att göra några exakta vetenskapliga beräkningar kan man förklara det med ett exempel. Låt oss anta att en butik vanligtvis säljer i genomsnitt 500 vinterstövlar i januari baserat på X antal personer som besöker butiken. I januari förra året var det 500 personer som besökte butiken och vi sålde X antal vinterstövlar, och temperaturen låg på -15 grader.

Genom relativt säkra prediktiva modeller kan drömmen om optimala lagernivåer bli möjlig

Men det här året har butiken redan under den första veckan i januari haft 400 personer i butiken. Och månaden har varit betydligt varmare med en temperatur på -5 grader. Vad betyder det för vår kommande försäljning? Genom relativt säkra prediktiva modeller kan drömmen om optimala lagernivåer bli möjlig och minska de problem som ofta uppstår i detaljhandelns supply chain.

"De flesta känner till problemet med ”the bullwhip effect” vilket innebär att man hela tiden producerar och levererar fler varor än vad man i slutändan faktiskt kommer behöva. Det leder till översvämmande lager med produkter som antingen behöver reas ut eller slängas. Med sådana beräkningar går det att reducera ”the bullwhip effect” och spara en stor del av sin kapitalbindning", fortsätter Phillip.


Läs även

Robotkollegorna gör intåg i lagret och effektiviserar e-handeln


Transparens genom hela försörjningskedjan 

IoT hjälper även supply chain managers att hålla ett bättre öga på sina transporter av varor. Med hjälp av sensorer kan produkter bevakas genom hela logistikprocessen och alla arbetsflöden. Det har gjort det möjligt att öka effektiviteten i hela försörjningskedjan.

"Det tyska modeföretaget Gerry Webber är ett exempel på ett företag som använder sig av tekniken och har varit en föregångare inom området och har via RFID full kontroll över sin supply chain. Med hjälp av RFID har varje plagg fått en individuell tagg som berättar exakt vart varan befinner sig ända från tillverkaren fram till slutkund", berättar Phillip.

Det är tydligt att IoT kommer ha en betydande roll inom logistik och supply chain management. Teknologin är smart och effektiv, som tillsammans med prediktiva analyser kan förse egna leverantörer och transportörer med den information de behöver för att behålla sin konkurrenskraft. Enligt Juniper Research kommer detaljhandeln globalt spendera 2,5 miljarder dollar på IoT fram till 2020.