国内领先的餐饮企业,旗下有多家知名连锁餐饮品牌,目前在全国经营餐厅数量超过万家。
庞大的多层级供应网络,快速的门店增长计划,复杂的数据体系,要求供应链团队通过数字化手段与管理流程升级,实现精细化运营,帮助企业持续的降本增效。
国内领先的餐饮企业,旗下有多家知名连锁餐饮品牌,目前在全国经营餐厅数量超过万家。
庞大的多层级供应网络,快速的门店增长计划,复杂的数据体系,要求供应链团队通过数字化手段与管理流程升级,实现精细化运营,帮助企业持续的降本增效。
门店覆盖关系有待优化。客户当前的网络覆盖关系受市场导向的行政区划影响,往往是省内的配送中心覆盖省内的门店需求,随着业务拓展、门店数量增加,会存在许多“舍近求远”的情况,导致末端配送成本偏高。
现有网络极为复杂。随着门店数量和仓库密度不断增长,依靠人工估算和经验已经不能满足客户对于更加精细化管理的需要,供应链韧性和抗风险性也面临挑战。
数据规模与质量问题。数据规模达到上亿级别,由于各环节数据来自不同系统,存在许多系统数据统计口径不一致的情况。
项目团队综合考虑距离、运输费率、仓库成本,作业能力等因素,建立优化模型,重新审视网络覆盖关系的合理性,选择机会最大的区域进行优化调整,并协助客户推进方案执行落地。
项目团队使用河图产品,在精细颗粒度上进行建模,并通过what-if分析比较多版本方案差异。同时,通过知识转移提高客户供应链团队解决方案能力,满足客户对于供应链精细化运营和持续优化的需要。
项目团队使用Python、SQL等对数据进行清洗、校验和分析。针对缺失或质量较差的数据,及时与客户沟通,确认关键假设。同时,项⽬团队在实施期间清洗定义数据质量问题与改善动作,助⼒客户业务与IT团队进行数据治理优化。
通过数字化解决方案,以更加精细的颗粒度,优化客户供应链网络关系,预计可以帮助客户节降末端配送成本数百万元。同时,客户团队可以持续使用数字化模型应对未来业务的动态变化,真正帮助客户不断降本增效,实现业务高质量增长。