สำหรับธุรกิจโรงงานและการผลิตซึ่งถือเป็นอุตสาหกรรมใหญ่ของประเทศไทยนั้น การวิเคราะห์ข้อมูลในการทำงานส่วนต่างๆ ภายในโรงงานเพื่อให้สามารถทำงานได้แม่นยำ ถือเป็นอีกหนึ่งหนทางที่จะช่วยให้ธุรกิจสามารถดำเนินไปได้อย่างมีประสิทธิภาพมากขึ้น และลดค่าใช้จ่ายลงได้อย่างเห็นผล
SAS ในฐานะของผู้นำด้านเทคโนโลยีการวิเคราะห์ข้อมูลสำหรับธุรกิจองค์กร ได้แนะนำให้ธุรกิจโรงงานและการผลิตนั้นปรับโมเดลการดำเนินงานไปสู่รูปแบบของ Demand Driven Supply Chain ด้วยการนำเทคโนโลยีการวิเคราะห์ข้อมูลชั้นสูงและการทำนายแนวโน้มมาใช้ เพื่อทำนายความต้องการของตลาด และนำมาสู่การผลิตตามข้อมูลแนวโน้มที่วิเคราะห์ได้ ทำให้เกิดประสิทธิภาพในการผลิตสูงสุด และเกิดของเสียน้อยที่สุดไปในเวลาเดียวกัน
ปัญหาของการผลิตในแบบ Supply Driven Supply Chain
SAS นั้นมีลูกค้าในกลุ่มธุรกิจโรงงานและการผลิตทั่วโลกมากกว่า 2,800 ราย โดยกว่า 75% ของธุรกิจโรงงานและการผลิตและ 99% ของธุรกิจ CPG, อวกาศ และการแพทย์ใน Fortune 500 นั้นก็ได้เลือกใช้ SAS ในการวิเคราะห์ข้อมูล ทำให้ SAS นั้นมีประสบการณ์กับการวิเคราะห์ข้อมูลในธุรกิจกลุ่มนี้เป็นอย่างดี
SAS ระบุว่าส่วนใหญ่นั้นธุรกิจโรงงานและการผลิตมักดำเนินธุรกิจในรูปแบบ Supply Driven Supply Chain กันเป็นพื้นฐาน โดยอาศัยการทำ Lean Manufacturing เพื่อผลิตสินค้าให้ได้มีอย่างมีประสิทธิภาพด้วยกระบวนการที่มีความคุ้มค่าสูงสุดเพื่อลดต้นทุนการผลิตเป็นหลัก และนำสินค้าออกไปจำหน่ายผ่านตัวแทนจำหน่ายหรือช่องทางต่างๆ โดยหวังว่าการผลิตสินค้าที่เป็นที่ต้องการโดยพื้นฐานของตลาดเป็นจำนวนมากนี้ได้อย่างต่อเนื่องจะทำให้ธุรกิจเติบโต
อย่างไรก็ดี เมื่อธุรกิจมีความซับซ้อนสูงขึ้น มีผลิตภัณฑ์ที่หลากหลาย และผลิตภัณฑ์แต่ละชนิดนั้นก็มีความต้องการในรูปแบบที่แตกต่างกัน มีสถานะหรือตำแหน่งในตลาดที่แตกต่างกัน รวมไปถึงยังมีสภาพแวดล้อมภายในตลาดและการแข่งขันที่แตกต่างกัน ส่งผลให้การวางแผนการผลิตนั้นก็เริ่มมีความซับซ้อนสูงขึ้นตามไปด้วย
ด้วยเหตุนี้ สำหรับธุรกิจโรงงานและการผลิตที่มีเป้าหมายในการเติบโตให้ได้อย่างมั่นคงและสร้างสรรค์ผลิตภัณฑ์ใหม่ๆ ออกสู่ตลาดให้ได้อย่างต่อเนื่องนั้น การผลิตในแบบ Supply Driven Supply Chain นี้จึงถือว่าไม่ตอบโจทย์อีกต่อไป การมุ่งเป้าไปที่การผลิตให้ได้ด้วยประสิทธิภาพและประสิทธิผลที่สูงสุดเพียงอย่างเดียวนั้นไม่พอ แต่การเข้าใจในฝั่งของความต้องการหรือ Demand และตลาดหรือ Market นั้นจึงเป็นอีกก้าวสำคัญของธุรกิจในอุตสาหกรรมนี้
เพิ่มประสิทธิภาพการผลิตด้วย Demand Driven Supply Chain พร้อมต่อยอดสู่ภาพ Market Driven
แนวคิด Demand Driven Supply Chain นั้นได้กลายเป็นที่นิยมในธุรกิจโรงงานและการผลิตในช่วงหลายปีที่ผ่านมา ภายใต้แนวคิดการผลิตในแบบ Data Driven ที่ใช้ข้อมูลเป็นตัวนำเพื่อให้ธุรกิจสามารถทำการผลิตได้อย่างมีประสิทธิภาพด้วยปริมาณและราคาที่ตอบโจทย์ต่อความต้องการของตัวแทนจำหน่ายและลูกค้ามากยิ่งขึ้น
เหมือนดังชื่อเรียก แนวคิดนี้อาศัยข้อมูลจากฝั่งความต้องการมาใช้ในการวิเคราะห์เพื่อให้ธุรกิจโรงงานและการผลิตสามารถกำหนดได้ว่าควรจะผลิตสินค้าชนิดใดเป็นจำนวนมากน้อยเพียงใด เพื่อให้เหมาะสมกับความต้องการ โดยเกิดของเสียน้อยที่สุด ทำให้ในภาพรวมแล้วการผลิตนั้นเป็นไปได้อย่างมีประสิทธิภาพมากขึ้น ซึ่งตรงจุดนี้เอง ที่ทำให้ธุรกิจโรงงานและการผลิตต้องเริ่มหันมาให้ความสำคัญกับการจัดเก็บข้อมูลเพื่อนำมาใช้ในการวิเคราะห์เชิงสถิติและการวิเคราะห์เชิงทำนายหรือ Forecasting ให้ได้อย่างแม่นยำ
การปรับธุรกิจสู่รูปแบบ Demand Driven นี้ไม่เพียงแต่จะตอบโจทย์ของตัวแทนจำหน่ายแต่ละรายได้อย่างเหมาะสมในแต่ละช่วงเวลามากขึ้นเท่านั้น แต่การรวบรวมข้อมูลเพื่อนำมาวิเคราะห์นี้ หากมีข้อมูลที่เหมาะสมในปริมาณที่มากพอ ก็จะทำให้ธุรกิจนั้นสามารถก้าวไปสู่ Market Driven ที่เข้าใจความต้องการของตลาดมากขึ้น และสามารถผลิตสินค้าใหม่ๆ ที่ตอบโจทย์ความต้องการของลูกค้าปลายทางได้จริงๆ และช่วยเร่งยอดขายทั้งในการขายสินค้าแบบ Direct to Customer (D2C) และการขายผ่านตัวแทนจำหน่ายไปได้พร้อมๆ กัน
หากอ้างอิงจากรายงาน Business Case for Demand Planning ของ Gartner นั้น การดำเนินธุรกิจในแบบ Demand Driven นี้จะช่วยให้ธุรกิจดำเนินต่อไปได้อย่างมีประสิทธิภาพมากยิ่งขึ้นดังนี้
- ทำให้มีสินค้าวางจำหน่ายได้อยู่ตลอดโดยไม่ขาดช่วงมากขึ้น 20-30%
- ลดค่าใช้จ่ายที่เกิดขึ้นจากการจัดเก็บสินค้าลง 15-30%
- ลดโอกาสที่สินค้าจะหมดอายุหรือตกรุ่นไม่สามารถขายได้ลง 10-15%
- เพิ่มรายได้และกำไรของธุรกิจ 1-3%
5 ขั้นตอนแนะนำสู่การผลิตแบบ Demand Driven Supply Chain ด้วยโซลูชันจาก SAS
เพื่อตอบสนองต่อโจทย์ของธุรกิจโรงงานและการผลิตในการก้าวสู่ภาพของ Demand Driven และ Market Driven ทาง SAS จึงได้ทำการผสานเทคโนโลยีการวิเคราะห์ข้อมูลธุรกิจด้วยแนวคิดเชิงสถิติเข้ากับเทคโนโลยีปัญญาประดิษฐ์หรือ AI เพื่อให้สามารถวิเคราะห์ข้อมูลปริมาณมหาศาลที่มีความซับซ้อนสูงได้อย่างแม่นยำ รองรับการสร้างโมเดลในการคำนวณรูปแบบต่างๆ ได้อย่างหลากหลายพร้อมทดสอบความถูกต้องในการทำงาน
SAS นั้นได้มีการลงทุนไปกับการพัฒนาเทคโนโลยี AI ให้สามารถนำมาใช้งานได้จริงสำหรับธุรกิจองค์กรมากกว่า 1,000 ล้านเหรียญดอลลาร์สหรัฐหรือราวๆ 30,000 ล้านบาท ครอคลุมทั้งการทำ Computer Vision, Natural Language Processing, Machine Learning, Deep Learning พร้อมทั้งพัฒนาในส่วนของการฝึกอบรมทักษะบุคคลากร และการสร้างทีมบริการด้าน AI เข้ามาช่วยตอบโจทย์เหล่านี้โดยเฉพาะ
ในการช่วยให้ธุรกิจโรงงานและการผลิตก้าวสู่ภาพของ Demand Driven และ Market Driven ได้นั้น SAS ระบุว่าขั้นตอนในการวิเคราะห์ข้อมูลที่จำเป็นนั้นจะมีด้วยกัน 5 ขั้นตอน ได้แก่
- Data Preparation & Hierachical Series Creation การจัดเตรียมข้อมูลด้านการขายในอดีตที่ผ่านมาเพื่อให้พร้อมต่อการนำไปวิเคราะห์ โดยการรวมข้อมูลในระดับรายเดือน
- Analytical Clustering การวิเคราะห์ข้อมูลเพื่อทำการแบ่งหมวดหมู่ของสินค้าที่มีรูปแบบในการขายที่คล้ายคลึงกัน
- Hierarchical Forecasting & Model Selection การสร้าง Forecasting Model สำหรับใช้ในการทำนายแนวโน้มให้มีความแม่นยำตามหมวดหมู่ของผลิตภัณฑ์ที่ได้ทำการแบ่งเอาไว้ก่อนหน้า
- Iterative Forecast ทำการวิเคราะห์แนวโน้มรายไตรมาส และนำข้อมูลที่ได้มาเพิ่มเติมในแต่ละไตรมาสมาเสริมความแม่นยำให้กับโมเดลที่ใช้
- Accuracy Evaluation การประเมินความแม่นยำในการทำนาย โดยเมื่อจบขั้นตอนนี้แล้วจะเกิดการย้อนไปทำตั้งแต่ขั้นตอนแรกใหม่ซ้ำ เพื่อปรับปรุงให้การวิเคราะห์ข้อมูลมีประสิทธิภาพมากยิ่งขึ้นไปเรื่อยๆ
SAS เคยทำการทดลอง 5 ขั้นตอนนี้กับลูกค้ารายหนึ่ง ด้วยการใช้ข้อมูลการขายย้อนหลัง 3 ปี และพบว่า SAS สามารถทำนายข้อมูลได้แม่นยำกว่าวิธีการเดิมๆ ที่ธุรกิจเคยใช้ในภาพรวม 14-22% โดยเวลาที่ใช้ในการประมวลผลเพื่อทำนายแต่ละครั้งนั้นอยู่ที่เพียงประมาณ 3 นาทีเท่านั้น
สำหรับธุรกิจองค์กรที่ต้องการค่อยๆ ปรับตัวสู่ Demand Driven และ Market Driven ให้ได้อย่างเต็มตัวนั้น SAS แนะนำว่า Roadmap ของธุรกิจนั้นควรดำเนินไปภายใต้ 5 ชั้นตอนใหญ่ๆ ดังนี้
ระยะสั้น
- Statistical Forecast ปรับธุรกิจให้มีข้อมูลเพียงพอสำหรับการวิเคราะห์ และทำการวิเคราะห์เชิงสถิติเบื้องต้นให้ได้แบบอัตโนมัติอย่างต่อเนื่องเพื่อให้มีข้อมูลพื้นฐานสำหรับใช้ในการตัดสินใจเชิงธุรกิจเสียก่อน
- Supply Chain Data Repository ปรับกระบวนการทำงานของธุรกิจให้เกิดการบันทึกจัดเก็บข้อมูล Supply Chain ทั้งขาเข้าและขาออก รวมถึงข้อมูลการซื้อขายให้เป็นไปได้โดยอัตโนมัติ มีความถูกต้องแม่นยำ และพร้อมให้นำข้อมูลส่วนนี้ไปใช้ในการวิเคราะห์ได้ทั้งสำหรับ Business Analyst และ Data Scientist
ระยะกลาง
- Process Analysis ทำการวิเคราะห์ข้อมูลที่มีอยู่เพื่อสร้างคุณค่าใหม่ๆ ให้กับธุรกิจ จัดลำดับความสำคัญของสิ่งที่ควรวิเคราะห์ ทำความเข้าใจว่าสิ่งที่สร้างคุณค่าให้กับแต่ละกระบวนการคืออะไร และสร้าง Business Dashboard ในแบบ Interactive ที่มีการอัปเดตข้อมูลโดยอัตโนมัติเพื่อให้ติดตาม KPI สำคัญใน Supply Chain ได้ทั้งหมด
- Integrated Forecasting นำผลวิเคราะห์เชิงทำนายมาใช้ชี้นำธุรกิจ เพื่อทำนายถึงการวางแผน Demand ในอนาคต และนำไปสู่การวางแผนส่วนต่างๆ ของ Supply Chain ตาม Demand ที่ถูกทำนายนี้ รวมถึงเริ่มมีการนำข้อมูลจากปัจจัยภายนอกเข้ามารวบรวมและใช้ในการวิเคราะห์เพื่อเพิ่มความแม่นยำให้มากขึ้น
ระยะยาว
- E2E Supply Chain Platform ก้าวสู่การทำงานแบบ Data Driven อย่างเต็มตัวทั้ง Supply Chain โดยมี Demand Driven และ Market Driven เป็นตัวนำ ทำให้สามารถปรับปรุงคลังสินค้า, กระบวนการผลิต, การสั่งวัตถุดิบ และการขนส่งได้อย่างมประสิทธิภาพครบทั้งวงจร
การก้าวสู่ภาพนี้ได้ SAS เรียกภาพนี้ว่า Demand Intelligence ซึ่งจะเป็นขั้นตอนที่ธุรกิจสามารถทำนาย Demand ได้อย่างแม่นยำ และนำไปสู่การวางแผนการผลิตโดยมีของเสียเกิดขึ้นน้อยและพร้อมปรับตัวสู่อนาคตที่เปลี่ยนแปลงไปได้อย่างยืดหยุ่น, การผลิตสินค้าใหม่ๆ ให้ตอบโจทย์ความต้องการของตลาดได้อย่างเหมาะสม, การวางแผนร่วมกันด้วยข้อมูลจากหลายฝ่ายได้อย่างเป็นระบบ, การจัดการคลังสินค้าเพื่อรองรับช่องทางจัดจำหน่ายต่างๆ ได้อย่างเหมาะสม และการมีข้อมูลที่เพียงพอในการวิเคราะห์ข้อมูลและปรับปรุงกระบวนการได้อย่างต่อเนื่อง
โซลูชันของ SAS นั้นมีเทคโนโลยีที่สามารถตอบโจทย์เหล่านี้ของธุรกิจองค์กรได้อย่างครบวงจร โดยสามารถรองรับการจัดเก็บและวิเคราะห์ข้อมูลได้หลากหลายรูปแบบ สามารถนำไปปรับใช้กับภาคธุรกิจได้อย่างยืดหยุ่น อีกทั้งยังสามารถติดตั้งใช้งานภายในระบบ IT Infrastructure ได้หลายแนวทาง ไม่ว่าจะเป็น On-Premises, Hybrid Cloud, Public Cloud และ SAS Cloud ทำให้ธุรกิจสามารถนำเทคโนโลยีของ SAS ไปใช้งานได้ตามต้องการ พร้อมรองรับการเพิ่มขึ้นของข้อมูลในอนาคตได้อย่างอิสระ และทำให้ธุรกิจสามารถสร้างคุณค่าจากข้อมูลได้อย่างเต็มศักยภาพ
ทำไมถึงควรเลือก SAS และ Intel
- รองรับชุดข้อมูลขนาดใหญ่ โดยไม่มีผลกระทบต่อประสิทธิภาพ
- รองรับข้อมูลทุกประเภทจากทุกแหล่งที่มา และไม่มีข้อจำกัดด้านปริมาณหรือจำนวน
- สามารถใช้งาน Library และโครงสร้างที่มีมากมาย เพื่อรองรับและพัฒนาการวิเคราะห์ขั้นสูง งาน IoT งาน AI และงานด้าน Machine Learning
- ทำงานวิเคราะห์คู่ขนานเสร็จเร็วขึ้น 2 เท่า บนแอปพลิเคชัน SAS 9.4 ที่ใช้โปรเซสเซอร์ Intel® Xeon® Platinum 8180 และเทคโนโลยี Intel® Optane™
โดย Intel® Optane™ DC Persistent Memory Modules (DCPMM) สามารถพิสูจน์ได้ว่าเป็นอีกหนึ่งทางเลือกที่น่าสนใจในการเพิ่มประสิทธิภาพการวิเคราะห์ โดยมีการทดสอบประสิทธิภาพของ SAS Visual Data Mining และ Machine Learning (ตามภาพด้านล่าง) ซึ่งแสดงให้เห็นว่า DCPMM มีผลลัพธ์ที่น่าพอใจ เมื่อพิจารณาประสิทธิภาพจากขนาดปริมาณงานที่เพิ่มขึ้นและสามารถใช้งานได้ถึงขีดความสามารถ โดยทำงานได้เร็วขึ้นตั้งแต่ 4x ถึง 60x เมื่อ Ram ของระบบทำงานเกิน ดังนั้น DCPMM จึงสามารถรองรับการทำงานที่ใช้ประสิทธิภาพมากกว่า DRAM ด้วยค่าใช้จ่ายที่ใกล้เคียงกัน ซึ่งจะช่วยรองรับการลงทุนของคุณในอนาคตสำหรับชุดข้อมูลขนาดใหญ่ขึ้น
ค้นหาข้อมูลเพิ่มเติมได้ที่ sas.com/intel
ลงทะเบียนเข้าร่วม Webinar “การพยากรณ์ด้วยหลักทางสถิติและการเรียนรู้ด้วยเครื่องโดยการใช้ SAS Demand Forecasting” ได้ทันที
สำหรับผู้ที่สนใจเรียนรู้เทคโนโลยีสำหรับการวิเคราะห์เชิงทำนายเพื่อใช้งานในภาคธุรกิจองค์กร สามารถเข้าร่วม SAS Webinar ในหัวข้อ “การพยากรณ์ด้วยหลักทางสถิติและการเรียนรู้ด้วยเครื่องโดยการใช้ SAS Demand Forecasting” ในวันที่ 12 มีนาคม 2021 ได้ทันทีที่ https://zoom.us/webinar/register/WN_AxCo7ZRBSWKpksODOm1XyQ
สนใจติดต่อ SAS ได้ทันที
สำหรับผู้ที่สนใจด้านการทำ Data Analytics, Business Analytics, Prediction, Forecasting สามารถติดต่อทีมงาน SAS ได้ทันทีที่ Email [email protected] หรือโทร +66 020 091 6812 หรือเยี่ยมชมเว็บไซต์ของ SAS ได้ทันทีที่ https://www.sas.com/th_th/home.html