Branża odzieżowa wdraża ML w łańcuchach dostaw

Szukaj

Dlaczego inwestycja w rozwiązania machine learning jest opłacalna nie tylko dla biznesu, a również dla środowiska?

Produkty, które zostają na wieszakach

Każde niesprzedane ubranie jest efektem nadprodukcji i niepowodzeniem w dostosowaniu podaży do popytu. Niesprzedanymi produktami skutkuje również nieprzemyślana dystrybucja – kolejny palący problem branży odzieżowej. Dany segment towaru może zostać ulokowany w nie najtrafniej wybranym sklepie czy kraju, co prowadzi do problemów z późniejszą sprzedażą.

Na początku jest klient

Wiele firm z branży odzieżowej ocenia łańcuch dostaw z perspektywy produkcji i dystrybucji. Tymczasem na początku i końcu całego procesu znajduje się konsument. Wiedza o jego preferencjach i wyborach, a także produktach, których z pewnością nie zamierza kupić, umożliwia zoptymalizowanie łańcucha dostaw. Inwestycja w technologię machine learning pozwala więc lepiej dopasować segmenty odzieży do klientów i osiągnąć bardziej satysfakcjonujące zyski.

Korzyści pieniężne vs. odpowiedzialność biznesu

Lepsze wyniki sprzedaży są osiągalne przy mniejszej ilości towaru. Paradoksalnie, sklep zorientowany na zmniejszenie marnotrawstwa towaru zyskuje bardziej. Sustainability się opłaca. Branża odzieżowa jest jedną z wielu, gdzie argumenty za inwestycją w nową technologię są co najmniej dwa: zyski finansowe i wsparcie zrównoważonego rozwoju.

Jeden z elementów rozwiązania

Inwestycja w udoskonalenie planowania podaży i dystrybucji to solidny krok naprzód w kierunku zrównoważonego rozwoju, chociaż kwestia jest zdecydowanie bardziej zawiła, a sama dbałość o minimalizację nadprodukcji nie rozwiązuje problemu. Branża odzieżowa wymaga również odpowiedniego doboru surowców, projektowania, transportu, przechowywania odzieży i przemyślanych metod jej likwidacji.

Surowce pod lupą

Problem doboru surowców również adresuje już najnowsza technologia. Google we współpracy z marką Stella McCartney już na początku 2020 roku wystartuje z pilotażową wersją narzędzia, które rzuci nowe światło jeszcze na etap samych surowych materiałów, głównie bawełny i wiskozy. Analityka danych i uczenie maszynowe będą wykorzystane głównie do analizy pozyskiwania towaru od dostawców i w fazie projektowej. Pomogą oszacować wpływ produkcji czy pozyskiwania konkretnego towaru na środowisko. Firmy będą mogły wykorzystać zgromadzone dane, by podejmować świadome i korzystniejsze decyzje.

 

Trudno jeszcze wyrokować, czy machine learning i zbliżone technologie rozwiążą kryzys zrównoważonego rozwoju. Z pewnością wpływ ich całościowego zastosowania w branży odzieżowej, bardzo często poddawanej krytyce ze względów na nieetyczną produkcję i zły wpływ na środowisko, byłby znaczący. Inteligentny łańcuch dostaw może być sposobem na zmniejszenie produkcji i odpadów, zminimalizowanie emisji węgla i poprawę warunków pracy w fabrykach, przy utrzymaniu wysokich zysków.