این مقاله ابتدا در وبلاگ دکتر کریگ رایت منتشر شد و ما با کسب اجازه از نویسنده آن را بازنشر کردیم.
معرفی
Walmart Inc. (NASDAQ: WMT) که دفتر مرکزی آن در Bentonville، آرکانزاس واقع شده است، بزرگترین شرکت خرده فروشی جهان از نظر درآمد و کارمندان است (بانک مونوز و همکاران، 2018). Walmart با فرمتهای مختلف فروشگاههای خردهفروشی در 27 کشور تحت 55 نام مختلف، یک زنجیره تامین جهانی گسترده را اداره میکند. دسته بندی محصولات کلیدی آن شامل مواد غذایی، پوشاک، کالاهای خانگی و لوازم الکترونیکی است که از مجموعه ای از تامین کنندگان داخلی و بین المللی تهیه می شود. این مقاله عدم قطعیت های حیاتی در مدیریت تدارکات و تامین والمارت را بررسی می کند و توصیه هایی را برای مدیریت این عدم قطعیت ها و افزایش روابط تامین کننده ارائه می دهد.
1. عدم قطعیت های عمده بر مدیریت تدارکات و تامین تاثیر می گذارد
به عنوان یکی از بزرگترین شرکتهای خردهفروشی چند ملیتی، فعالیتهای مدیریت تدارکات و زنجیره تامین والمارت به طور قابلتوجهی تحتتاثیر عدم قطعیتهای مختلف است. اولین در میان اینها اختلالات ژئوپلیتیکی است (Yeung & Coe, 2015). تغییر در سیاستهای تجاری، وضع تعرفهها یا اعمال تحریمها میتواند به شدت بر قیمت و در دسترس بودن کالا تأثیر بگذارد. برای حفظ کارایی و اثربخشی زنجیره تامین خود، والمارت باید به طور مستمر نظارت کند و با چنین تغییرات سیاستی سازگار شود.
نگرانی های زیست محیطی یکی دیگر از عدم قطعیت های قابل توجه است. با توجه به گستردگی جهانی عملیات آن، مسیرهای عرضه والمارت می تواند به طور قابل توجهی تحت تأثیر بلایای زیست محیطی مانند طوفان، سیل یا آتش سوزی قرار گیرد. برای مثال، سیل در منطقهای که تامینکننده کلیدی در آن قرار دارد، میتواند تولید یا ارسال کالا را مختل کند و بر توانایی والمارت در ذخیرهسازی فروشگاهها و خدمات رسانی به مشتریان خود تأثیر بگذارد (McKnight & Linnenluecke، 2019).
نوسانات اقتصادی نیز یک چالش مهم است. مصرف کنندگان ممکن است در شرایط رکود اقتصادی هزینه ها را کاهش دهند و تقاضا را کاهش دهند (گرینوالد و استیگلیتز، 1993). از طرف دیگر، در دورههای رشد اقتصادی، افزایش رقابت میتواند قیمت کالاها را بالا ببرد و بر ساختار هزینه والمارت تأثیر بگذارد. در هر دو سناریو، فعالیتهای مدیریت تدارکات و عرضه والمارت باید به اندازه کافی چابک باشد تا با این تغییرات سازگار شود، که ممکن است شامل جستجوی تامینکنندگان مقرونبهصرفهتر یا تنظیم استراتژیهای تدارکات برای مطابقت با تقاضای متغیر باشد.
یکی دیگر از ابهامات اساسی، پیشرفت سریع فناوری است. صنعت خردهفروشی به طور فزایندهای دیجیتالی میشود و تجارت الکترونیک به عنوان یک منطقه رشد قابل توجه در حال ظهور است (Dekhne et al., 2019). به این ترتیب، والمارت باید اطمینان حاصل کند که فعالیتهای مدیریت تدارکات و عرضهاش میتواند با این پیشرفتهای فنآوری همگام شود. این ممکن است شامل یکپارچهسازی ابزارهای دیجیتال برای سادهسازی فرآیندهای تدارکات یا تجزیه و تحلیل دادهها برای تصمیمگیری آگاهانهتر خرید باشد.
در نهایت، تغییرات در رفتار مصرف کننده می تواند به طور قابل توجهی بر مدیریت تدارکات و عرضه والمارت تأثیر بگذارد (Mason et al., 2020). تعداد فزایندهای از مصرفکنندگان بهدنبال محصولات پایدار و با منابع اخلاقی هستند، بنابراین والمارت باید استراتژیهای تدارکات خود را بر این اساس تطبیق دهد. این ممکن است شامل بررسی دقیقتر تامینکنندگان برای اطمینان از رعایت این استانداردهای پایداری و اخلاقی یا اولویتبندی تامینکنندگانی باشد که این کار را انجام میدهند.
در اصل، عدم قطعیتهایی که والمارت در مدیریت تدارکات و عرضه خود با آن مواجه است، چندوجهی و پیچیده است و یک رویکرد پویا و سازگار را ایجاب میکند. همانطور که جهان در حال تکامل است، این چالشها احتمالاً ادامه خواهند داشت و حتی تشدید میشوند، که بر اهمیت استراتژیهای مدیریت تدارکات و عرضه موثر در حفظ مزیت رقابتی والمارت تاکید میکند (Bank Muñoz et al., 2018).
2. مدیریت تاثیر عدم قطعیت ها
برای کاهش اثرات بالقوه این عدم قطعیتها، والمارت میتواند استراتژیهای مختلفی را به کار گیرد که نه تنها از ظرفیتهای موجود آن بهره میبرد، بلکه از فناوریهای پیشرفته مانند بلاک چین نیز استفاده میکند (تان و همکاران، 2018). هسته اصلی این استراتژی ها ایجاد یک پایگاه عرضه متنوع و شبکه لجستیکی است که انعطاف پذیری Walmart را در مواجهه با اختلالات ژئوپلیتیکی ارائه می دهد.
با تأمین منابع از چندین منطقه، والمارت می تواند در برابر تغییرات در سیاست های تجاری یا تحریم هایی که به طور نامتناسبی بر مناطق خاصی تأثیر می گذارد، محافظت کند. به طور مشابه، در پاسخ به بحران های زیست محیطی، یک شبکه لجستیکی متنوع می تواند مسیرهای عرضه جایگزین را تضمین کند و در نتیجه جریان کالا را حفظ کند.
ارزیابی ریسک و برنامه ریزی احتمالی اجزای حیاتی استراتژی والمارت هستند (شفی، 2009). این رویکرد پیشگیرانه شامل شناسایی و ارزیابی سیستماتیک خطرات بالقوه و ایجاد برنامه های احتمالی برای مقابله موثر با این خطرات است. به عنوان مثال، اگر یک تامین کننده حیاتی در منطقه ای مستعد بلایای طبیعی باشد، داشتن یک برنامه اضطراری، مانند شناسایی تامین کنندگان جایگزین یا افزایش سطح موجودی، می تواند یک شبکه ایمنی ایجاد کند و از تامین بی وقفه اطمینان حاصل کند.
پیشرفت های تکنولوژیکی، به ویژه بلاک چین (کریستوفر، 2016)، می تواند ارائه دهد
راهحلهای متحول کننده برای فعالیتهای مدیریت تدارکات و عرضه Walmart. فناوری بلاک چین میتواند یک دفتر کل شفاف و تغییرناپذیر فراهم کند و از قابلیت ردیابی و تأیید تراکنشها در طول زنجیره تأمین اطمینان حاصل کند. این میتواند به تصمیمگیری آگاهانهتر خرید کمک کند و اعتماد را در بین همه سهامداران افزایش دهد. والمارت همچنین میتواند از راهحلهای تدارکات مبتنی بر ابر برای سادهسازی عملیات خود، بهبود کارایی، و امکان همکاری در زمان واقعی با تامینکنندگان، بهبود زمان پاسخ و فرآیندهای تصمیمگیری استفاده کند.
تقاضای فزاینده مصرفکننده برای محصولاتی که دارای منابع پایدار و اخلاقی هستند، نیاز به تمرکز بیشتر بر پایداری در فعالیتهای تدارکاتی دارد. بلاک چین میتواند نقش مهمی را در اینجا با ارائه دید به رویههای تامینکنندگان و تأیید پایبندی به استانداردهای اخلاقی و پایدار ایفا کند (احمد و همکاران، 2021). با اولویتبندی تامینکنندگانی که تعهدات محکمی نسبت به پایداری و رویههای اخلاقی نشان میدهند، حتی اگر قیمتهای آنها کمی بالاتر باشد، والمارت میتواند تصویر برند خود را افزایش دهد و وفاداری بلندمدت مشتری را به دست آورد.
در مواجهه با نوسانات اقتصادی، استراتژی های مقرون به صرفه از اهمیت بالایی برخوردار است. والمارت می تواند روابط با تامین کنندگان را تقویت کند تا شرایط و ضوابط بهتری مذاکره شود. تعهد به قراردادهای بلندمدت با تامینکنندگان، که توسط قراردادهای هوشمند بلاکچین (Cong & He, 2019) تسهیل میشود، میتواند قیمتهای پایینتر و تضمین عرضه را حتی در زمان رکود اقتصادی تضمین کند. این قراردادهای هوشمند می توانند تراکنش ها را بر اساس قوانین از پیش تعیین شده خودکار کنند و هزینه های اداری و احتمال اختلاف را کاهش دهند.
همانطور که Walmart پیچیدگی ها و عدم قطعیت های ذاتی در بخش خرده فروشی جهانی را بررسی می کند، برنامه ریزی استراتژیک و استفاده ماهرانه از فناوری های پیشرفته مانند بلاک چین و هوش مصنوعی (AI) می تواند به کاهش خطرات و حفظ کارایی عملیاتی کمک کند. فناوری بلاک چین بر شفافیت، قابلیت ردیابی و امنیت تاکید می کند و به والمارت اجازه می دهد تا خطرات مرتبط با کالاهای تقلبی، اختلالات زنجیره تامین و انطباق با تامین کنندگان را مدیریت کند (اهرام و همکاران، 2017). سیستم دفتر کل غیرمتمرکز و تغییرناپذیر بلاک چین اصالت کالاها را تضمین می کند، سفر آنها را در زنجیره تامین ردیابی می کند و پایبندی تامین کننده به استانداردها و قراردادهای مورد توافق را ثبت می کند. این سطح از دید و مسئولیت پذیری به مدیریت عدم قطعیت های مربوط به کیفیت و تحویل کمک می کند و در عین حال اعتماد بین والمارت، تامین کنندگان و مشتریانش را تقویت می کند.
علاوه بر این، ادغام هوش مصنوعی با بلاک چین راه های جدیدی را برای مدیریت ریسک ها و عدم قطعیت ها باز می کند (چارلز و همکاران، 2023). تجزیه و تحلیل پیشبینیکننده هوش مصنوعی میتواند دادههای بلاک چین را برای پیشبینی اختلالات احتمالی زنجیره تامین تجزیه و تحلیل کند و به والمارت موضعی فعال در مدیریت این خطرات بدهد. به عنوان مثال، الگوریتمهای یادگیری ماشینی میتوانند از دادههای ذخیرهشده در بلاک چین برای پیشبینی تأخیرهای احتمالی تحویل یا شناسایی تأمینکنندگانی که بهدلیل مشکلات عدم انطباق گذشته خطرآفرین هستند، استفاده کنند.
هوش مصنوعی همچنین میتواند با پیشبینی الگوهای تقاضا، نگهداری موجودی را بهینه کند، و به والمارت کمک میکند تا از انبارها و مازاد موجودیها که خطرات مالی دارند، جلوگیری کند. علاوه بر این، ظرفیت هوش مصنوعی برای تجزیه و تحلیل حجم وسیعی از دادهها میتواند به والمارت کمک کند تا تغییرات در رفتار مصرفکننده، روند بازار یا تغییرات نظارتی را پیشبینی کند، در نتیجه شرکت را برای پاسخگویی مؤثر و بهموقع مجهز میکند و خطر منسوخ شدن یا عدم انطباق را کاهش میدهد (Natanelov et al. ، 2022).
ترکیب زنجیره بلوکی و هوش مصنوعی میتواند یک چارچوب مدیریت ریسک قوی برای Walmart ایجاد کند (Kashem et al., 2023). بلاک چین یک رکورد قابل اعتماد از تراکنش ها و حرکات در سراسر زنجیره تامین ارائه می دهد، در حالی که هوش مصنوعی این داده ها را برای پیش بینی خطرات احتمالی و ارائه توصیه های استراتژیک تجزیه و تحلیل می کند. این ادغام از فعالیتهای مدیریت تدارکات و تامین والمارت محافظت میکند و تامین مداوم کالاها را تضمین میکند و نیازها و انتظارات مشتری را برآورده میکند. مدیریت مؤثر عدم قطعیتها از طریق این فناوریهای پیشرفته، موقعیت رقابتی والمارت را در بخش خردهفروشی تقویت میکند، و آن را قادر میسازد تا ارزش مشتری برتر را ارائه دهد و برتری عملیاتی خود را حفظ کند، حتی در مواجهه با تغییرات پویایی بازار و اختلالات پیشبینی نشده (دیوا گانش و کالپانا، 2022).
3. شیوه های مدیریت تدارکات و تامین
شیوههای مدیریت تدارکات و عرضه مؤثر در صنعت خردهفروشی جهانی که بهطور فزاینده پیچیدهتر میشود، حیاتی است. بلاک چین، یک سیستم دفتر کل توزیعشده و شفاف، میتواند این شیوهها را تقویت کند و رقابتپذیری والمارت را به میزان قابل توجهی افزایش دهد. مرکز این استراتژی، تقویت روابط مستحکم و مشترک با تامین کنندگان است که در آن اهداف متقابل در هم تنیده شده است. شفافیت و قابلیت ردیابی بلاک چین میتواند راههای جدیدی را برای همکاری باز کند، از طرحهای توسعه محصول مشترک تا اهداف پایداری مشترک، در نتیجه کیفیت محصول و کارایی عملیاتی کلی را افزایش دهد (تان و همکاران، 2018).
توکنهای بلاک چین میتوانند زنجیره تامین والمارت را با ارائه قابلیت مشاهده و ردیابی در زمان واقعی متحول کنند (الخادر و همکاران، 2020). این توکن های دیجیتال نشان دهنده دارایی های فیزیکی هستند و می توانند در سراسر زنجیره تامین، از مرحله مواد خام تا مصرف کننده نهایی، ردیابی شوند. این میتواند به والمارت کمک کند تا از اصالت محصول اطمینان حاصل کند، حرکات محصول را نظارت کند و گلوگاهها یا ناکارآمدیها را در زنجیره تامین شناسایی کند، در نتیجه ضررهای مرتبط با جعل، سرقت و ناکارآمدی را کاهش دهد. این نوع دیده شدن همچنین میتواند به مصرفکنندگان در مورد منشأ و کیفیت خریدشان اطمینان دهد و تصویر برند وامارت و قابل اعتماد بودن را افزایش دهد.
یکی از جنبههای حیاتی این شیوهها، ارتباط منظم و شفافیت است، حوزهای که بلاک چین میتواند مزایای قابلتوجهی ارائه دهد. بلاک چین میتواند اشتراکگذاری بیدرنگ دادهها را در سراسر زنجیره تامین تسهیل کند و منجر به حل مشکلات و تبادل ایدههای فعال شود. این سطح از شفافیت همچنین به والمارت اجازه میدهد تا استراتژیها و انتظارات تجاری خود را با تامینکنندگان به اشتراک بگذارد و به آنها کمک کند تا عملیات خود را به طور مؤثرتری هماهنگ کنند (برتینو و همکاران، 2019).
نظارت مداوم بر عملکرد تأمینکننده و ارائه بازخورد سازنده یکی دیگر از حوزههای حیاتی است که بلاک چین میتواند نقشی دگرگون کننده داشته باشد. با بلاک چین، والمارت می تواند یک رکورد تغییرناپذیر و دقیق از شاخص های عملکرد تامین کننده مانند کیفیت، تحویل، هزینه و نوآوری ایجاد کند (Ozdayi et al., 2020). وضوح ارائه شده توسط این فناوری، تامین کنندگان را قادر می سازد تا زمینه های بهبود خود را درک کنند و اهداف خود را با اهداف Walmart هماهنگ کنند. علاوه بر این، والمارت میتواند ابتکارات ظرفیتسازی، مانند برنامههای آموزشی در زمینه فناوری بلاک چین را برای بهبود قابلیتهای تامینکننده و راحتی آنها با پذیرش این فناوری راهاندازی کند.
علاوه بر این، جنبه انگیزشی مدیریت تامینکننده نیز میتواند از طریق بلاک چین افزایش یابد. قراردادهای بلندمدت را می توان به عنوان قراردادهای هوشمند در یک زنجیره بلوکی اجرا کرد که امنیت تامین کنندگان را فراهم می کند و تعهد والمارت به رابطه را نشان می دهد (ناتانلوو و همکاران، 2022). به طور مشابه، مشوق های مبتنی بر عملکرد را می توان از طریق بلاک چین خودکار کرد. با توجه به عملکرد استثنایی یا نوآوری، تامینکنندگان میتوانند از طریق مشوقهای توکنشده در پلتفرم بلاک چین پاداش بگیرند.
علاوه بر این، معرفی ارزهای دیجیتال بانک مرکزی (CBDC) در سیستم پرداخت Walmart میتواند هزینههای تراکنش را کاهش دهد و پرداختهای بینمرزی را سادهتر کند. این ارز دیجیتال که توسط بانک مرکزی یک کشور اداره می شود، می تواند فرآیند پرداخت را ساده کند، زمان تراکنش را کاهش دهد و هزینه های تجاری را کاهش دهد (کیم و همکاران، 2022). استفاده از CBDC همچنین میتواند وابستگی به سیستمهای بانکداری سنتی را کاهش دهد، خطر تاخیر پرداخت را به حداقل برساند و ارزش بیشتری به فعالیتهای مدیریت تدارکات و تامین والمارت اضافه کند.
از طریق این شیوههای مبتنی بر بلاکچین، والمارت میتواند با تامینکنندگان خود رابطهای هماهنگ برقرار کند، با اهداف استراتژیک خود هماهنگ شود، زیانها را کاهش دهد و موقعیت رقابتی خود را تقویت کند. ترکیبی از فناوری بلاک چین و استفاده بالقوه از CBDC، انقلابی در مدیریت تدارکات و عرضه والمارت ایجاد میکند، کارایی هزینه را افزایش میدهد و شفافیت و قابلیت ردیابی را افزایش میدهد (تان و همکاران، 2018).
4. فرآیند ارزیابی و انتخاب تامین کننده
فرآیند ارزیابی و انتخاب تامین کننده در والمارت مستلزم بررسی دقیق عوامل متعددی از جمله زمینه صنعت، اولویت های استراتژیک شرکت، ماهیت بازار عرضه و ویژگی های شبکه تامین آن است. از آنجایی که مدل عملیاتی Walmart به ارائه محصولات ارزان قیمت وابسته است، فرآیند انتخاب تامین کننده آن به سمت شناسایی تامین کنندگانی است که به طور مداوم کالاهای با کیفیت بالا را با قیمت های رقابتی ارائه می کنند (راس، 2008).
با این حال، پویایی صنعت خردهفروشی و انتظارات در حال تحول مصرفکنندگان نیازمند رویکردی ظریفتر است. تمرکز باید بر روی هزینه، قابلیت اطمینان و تناسب استراتژیک باشد. این به معنای انتخاب تامینکنندگانی است که استراتژیها، ارزشها و اهداف کسبوکارشان با Walmart همسو باشد، که میتواند منجر به روابط مشارکتیتر و سودمندتر شود (راس، 2008).
علاوه بر این، پایداری به یک اولویت حیاتی برای بسیاری از مصرف کنندگان و مشاغل تبدیل شده است (باته و همکاران، 2014). این امر تأکید بیشتری بر رویه های پایداری تأمین کنندگان در فرآیند انتخاب را تضمین می کند. تامین کنندگانی که تعهدات قاطع خود را نسبت به پایداری نشان می دهند، مانند کسانی که منابع مسئول و شیوه های کاهش ضایعات را دارند، می توانند به والمارت کمک کنند تا تقاضای رو به رشد مصرف کنندگان برای محصولاتی با منابع اخلاقی و سازگار با محیط زیست را تامین کند.
فناوری هوش مصنوعی (AI) در خط مقدم دگرگونی صنعت خردهفروشی، ایجاد کارایی جدید و مزیتهای رقابتی است. تامین کنندگانی که به طور ماهرانه از این پیشرفت ها استفاده می کنند می توانند یک مزیت استراتژیک در یک بازار بسیار رقابتی به والمارت ارائه دهند و هر جنبه ای از زنجیره تامین را از تولید گرفته تا تدارکات را تقویت کنند (دیوا گانش و کالپانا، 2022).
هوش مصنوعی فرصتهای بینظیری را برای ترسیم حرکت کالاها و خدمات ارائه میدهد و زنجیره تامین را شفافتر و کارآمدتر میکند (دیوا گانش و کالپانا، 2022). تامینکنندگانی که از هوش مصنوعی استفاده میکنند میتوانند از تجزیه و تحلیل پیشبینیکننده برای پیشبینی دقیق تقاضا استفاده کنند، که به آنها امکان میدهد تولید را در زمان واقعی تنظیم کنند و ضایعات را به حداقل برسانند. هوش مصنوعی همچنین میتواند دادههای زیادی را از منابع مختلف برای شناسایی روندها و الگوها تجزیه و تحلیل کند و در نتیجه اختلالات احتمالی در زنجیره تامین را پیشبینی کند. با شناسایی پیشگیرانه این اختلالات، والمارت می تواند اقدامات پیشگیرانه ای را برای کاهش هر گونه اثرات نامطلوب انجام دهد و در نتیجه عرضه ثابت کالاها را حفظ کند.
هوش مصنوعی همچنین میتواند نگهداری عرضه را بهینه کند و هزینههای مرتبط با افزایش یا کمبود موجودی را کاهش دهد. الگوریتمهای یادگیری ماشینی میتوانند دادهها و متغیرهای فروش تاریخی مانند فصلی بودن، فعالیتهای تبلیغاتی و شاخصهای اقتصادی را برای پیشبینی دقیق فروش آینده تجزیه و تحلیل کنند (Punia & Shankar، 2022). این امکان مدیریت دقیق موجودی را فراهم می کند و اطمینان حاصل می کند که Walmart سهام مناسب را در زمان مناسب دارد. مدیریت کارآمد موجودی، هزینه ها را کاهش می دهد و رضایت مشتری را با اجتناب از انبارها افزایش می دهد و اطمینان حاصل می کند که محصولات در زمانی که مصرف کنندگان می خواهند در دسترس هستند.
هوش مصنوعی همچنین میتواند تدارکات را خودکار و بهینهسازی کند، منطقهای حیاتی برای خردهفروشی جهانی مانند والمارت. راه حل های لجستیکی مبتنی بر هوش مصنوعی می توانند کارآمدترین مسیرها را با در نظر گرفتن عواملی مانند ترافیک، شرایط آب و هوایی و هزینه های سوخت تعیین کنند تا از تحویل به موقع و مقرون به صرفه کالا اطمینان حاصل شود (Punia & Shankar, 2022). علاوه بر این، تامینکنندگان مجهز به قابلیتهای هوش مصنوعی میتوانند از Walmart در ارائه محصولات نوآورانهتر به مشتریان خود پشتیبانی کنند. هوش مصنوعی میتواند رفتار و ترجیحات مصرفکننده را برای شناسایی شکافها در بازار یا پیشبینی روندهای آتی تجزیه و تحلیل کند و توسعه محصولات جدید و بسیار هدفمند را هدایت کند.
تامین کنندگانی که هوش مصنوعی را در عملیات خود ادغام می کنند، می توانند مزیت رقابتی قابل توجهی برای والمارت ایجاد کنند. از بهبود کارایی در تولید و تدارکات گرفته تا افزایش پیشنهادات محصول بر اساس ترجیحات مشتری، تامین کنندگان مبتنی بر هوش مصنوعی می توانند به Walmart کمک کنند تا پیچیدگی های صنعت خرده فروشی را هدایت کند (Tarallo et al., 2019). از طریق این مشارکتهای مبتنی بر فناوری، والمارت میتواند در خط مقدم خردهفروشی، برآورده کردن و فراتر رفتن از انتظارات مشتریان و در عین حال بهبود قیمت نهایی خود، پیشتاز بماند.
برای افزایش اثربخشی کلی فرآیند ارزیابی و انتخاب تامینکننده، والمارت میتواند یک کارت امتیازی جامع تامینکننده مرتبط با سیستم یادگیری ماشین را در نظر بگیرد (Guan et al., 2023). این شامل ارزیابی تامین کنندگان بالقوه بر اساس طیف وسیعی از معیارها، نه فقط هزینه و قابلیت اطمینان، بلکه سلامت مالی، کارایی عملیاتی، تلاش های پایداری و ظرفیت نوآوری است. با انجام این کار، والمارت میتواند ارزیابی جامعتری از تامینکنندگان را تضمین کند، که منجر به تصمیمات انتخابی آگاهانهتر میشود که با اهداف استراتژیک آن و تقاضاهای در حال تحول صنعت خردهفروشی هماهنگ است.
نتیجه
به عنوان یک غول صنعت خرده فروشی جهانی، شیوه های مدیریت تدارکات و زنجیره تامین والمارت در شکل دادن به عملکرد و جایگاه رقابتی آن تعیین کننده است (بانک مونوز و همکاران، 2018). این شرکت با ابهامات زیادی از جمله اختلالات ژئوپلیتیکی، مسائل زیست محیطی، نوسانات اقتصادی، پیشرفت های تکنولوژیکی و ترجیحات در حال تحول مصرف کننده مواجه است. چنین پیچیدگی هایی می تواند به طور قابل توجهی بر تدارکات و فعالیت های زنجیره تامین Walmart تأثیر بگذارد. برای عبور از چنین ابهاماتی، والمارت نیاز به اجرای یک رویکرد چند وجهی، از جمله تنوع بخشیدن به پایگاه عرضه خود، اتخاذ ارزیابی ریسک قوی و برنامه ریزی احتمالی، پذیرش پیشرفت های تکنولوژیکی، تمرکز بر پایداری، و ایجاد استراتژی های مقرون به صرفه دارد.
ارزیابی فرآیند انتخاب تامینکننده از منظر زمینه صنعت، اولویتهای استراتژیک والمارت، بازار عرضه و ویژگیهای شبکه عرضه، فرصتهایی را برای بهبود بیشتر نشان میدهد. در حالی که کارایی هزینه و قابلیت اطمینان ضروری است، گسترش معیارها به گونه ای که همسویی استراتژیک، پایداری و قابلیت های تکنولوژیکی تامین کنندگان را شامل شود می تواند فرآیند انتخاب را بهینه کند. گنجاندن یک کارت امتیازی جامع تامینکننده و ارزیابی طیف وسیعتری از معیارها مانند سلامت مالی، کارایی عملیاتی، تلاشهای پایداری و ظرفیت نوآوری میتواند ارزیابیهای جامعتری را به همراه داشته باشد.
برای اینکه والمارت مدیریت تدارکات و عرضه خود را بهینه کند، باید به طور مستمر با چشم انداز صنعت پویا و نیازها و انتظارات در حال تحول مشتریان خود سازگار و نوآوری کند. با مدیریت موثر عدم قطعیت ها، تقویت روابط تامین کننده، و اصلاح فرآیند ارزیابی و انتخاب تامین کننده، والمارت می تواند زنجیره تامین خود را تقویت کند، رقابت پذیری خود را افزایش داده و خود را برای موفقیت بلندمدت در صنعت خرده فروشی جهانی قرار دهد.
منابع
احمد، R. W.، حسن، H.، Jayaraman، R.، Salah، K.، و Omar، M. (2021). کاربردها و معماری های بلاک چین برای عملیات بندری و مدیریت لجستیک. تحقیق در تجارت و مدیریت حمل و نقل, 41، 100620. https://doi.org/10.1016/j.rtbm.2021.100620
اهرم، تی، سرگلزایی، ا.، سرگلزایی، س.، دانیلز، ج.، و آمابا، ب. (2017). نوآوری های فناوری بلاک چین کنفرانس مدیریت فناوری و مهندسی IEEE 2017 (TEMSCON)، 137-141. https://doi.org/10.1109/TEMSCON.2017.7998367
الخادر، و.، الکعبی، ن.، صلاح، ک.، جایرامان، ر.، ارشد، ج.، و عمر، م. (2020). قابلیت ردیابی و مدیریت مبتنی بر بلاک چین برای تولید افزودنی. دسترسی IEEE, 8، 188363–188377. https://doi.org/10.1109/ACCESS.2020.3031536
Bank Muñoz، C.، Kenny، B.، & Stecher، A. (Eds.). (2018). Walmart در جنوب جهانی: فرهنگ محل کار، سیاست کار، و زنجیره تامین. انتشارات دانشگاه تگزاس. https://doi.org/10.7560/315675
Bateh, J., Heaton, C., Arbogast, G. W., & Broadbent, A. (2014). تعریف پایداری در محیط کسب و کار مجله مدیریت پایداری (JSM), 1(1), 1–4. https://doi.org/10.19030/jsm.v1i1.8386
برتینو، ای.، کندو، ا.، و سورا، زی (2019). شفافیت داده با بلاک چین و اخلاق هوش مصنوعی. مجله کیفیت داده ها و اطلاعات, 11(4), 16:1-16:8. https://doi.org/10.1145/3312750
چارلز، وی، امروز نژاد، ا.، و گرمن، ت. (2023). تجزیه و تحلیل انتقادی از ادغام بلاک چین و هوش مصنوعی برای زنجیره تامین سالنامه تحقیق در عملیات. https://doi.org/10.1007/s10479-023-05169-w
کریستوفر، ام (2016). مدیریت تدارکات و زنجیره تامین. پیرسون انگلستان
Cong, LW, & He, Z. (2019). اختلال در بلاک چین و قراردادهای هوشمند. بررسی مطالعات مالی, 32(5), 1754–1797. https://doi.org/10.1093/rfs/hhz007
دیوا گانش، A.، و Kalpana، P. (2022). آینده هوش مصنوعی و تاثیر آن بر مدیریت ریسک زنجیره تامین - یک بررسی سیستماتیک کامپیوتر و مهندسی صنایع, 169، 108206. https://doi.org/10.1016/j.cie.2022.108206
Dekhne، A.، Hastings، G.، Murnane، J.، و Neuhaus، F. (2019). اتوماسیون در تدارکات: فرصت بزرگ، عدم قطعیت بزرگتر. مک کینزی کیو, 24.
گرینوالد، بی سی، و استیگلیتز، جی ای (1993). نواقص بازار مالی و چرخه های تجاری. فصلنامه اقتصاد, 108(1), 77–114. https://doi.org/10.2307/2118496
Guan, W., Ding, W., Zhang, B., Verny, J., & Hao, R. (2023). آیا عوامل مرتبط با زنجیره تامین دقت پیشبینی پذیرش بلاک چین را افزایش میدهد؟ رویکرد یادگیری ماشینی پیش بینی فنی و تغییر اجتماعی, 192، 122552. https://doi.org/10.1016/j.techfore.2023.122552
کاشم، م. ا.، شمسودها، م.، نصیر، تی، و چاودری، ا.ا. (2023). اختلال زنجیره تامین در مقابل بهینه سازی: مروری بر هوش مصنوعی و بلاک چین دانش, 3(1), 80–96. https://doi.org/10.3390/knowledge3010007
کیم، ک.، تتلو، آر.جی.، اینفانته، اس.، اورلیک، آ.، و سیلوا، آ.اف. (2022). مفاهیم کلان اقتصادی CBDC: مروری بر ادبیات. مجموعه مباحث مالی و اقتصاد, 2022-076، 1-65. https://doi.org/10.17016/feds.2022.076
Mason، A.، Narcum، J.، و Mason، K. (2020). تغییرات در تصمیم گیری مصرف کننده ناشی از همه گیری COVID-19. مجله رفتار مشتری, 19(4), 299–321. https://doi.org/10.1362/147539220X16003502334181
مک نایت، بی، و لیننلوک، ام. ک. (2019). الگوهای واکنش شرکت به انواع مختلف بلایای طبیعی. تجارت و جامعه, 58(4), 813–840. https://doi.org/10.1177/0007650317698946
Natanelov, V., Cao, S., Foth, M., & Dulleck, U. (2022). قراردادهای هوشمند بلاک چین برای تامین مالی زنجیره تامین: نقشه برداری از پتانسیل نوآوری در زنجیره تامین گوشت گاو استرالیا-چین مجله یکپارچه سازی اطلاعات صنعتی, 30، 100389. https://doi.org/10.1016/j.jii.2022.100389
عضدایی، م. اس.، کانتارچی اوغلو، م.، و مالین، ب. (2020). استفاده از بلاک چین برای ورود به سیستم و پرس و جو غیرقابل تغییر در چندین سایت. ژنومیکس پزشکی BMC, 13(7), 82. https://doi.org/10.1186/s12920-020-0721-2
پونیا، اس.، و شانکار، اس. (2022). تجزیه و تحلیل پیش بینی برای پیش بینی تقاضا: یک سیستم پشتیبانی تصمیم گیری مبتنی بر یادگیری عمیق سیستم های دانش بنیان, 258، 109956. https://doi.org/10.1016/j.knosys.2022.109956
راس، دی اف (2008). زنجیره تامین صمیمی: استفاده از زنجیره تامین برای مدیریت تجربه مشتری. مطبوعات CRC.
شفی، ی. (2009). تداوم کسب و کار: یک رویکرد سیستماتیک. که در تجارت جهانی و تهدید تروریستی. انتشارات ادوارد الگار. https://www.elgaronline.com/display/edcoll/9781847208507/9781847208507.00007.xml
Tan, B., Yan, J., Chen, S., & Liu, X. (2018). تاثیر بلاک چین بر زنجیره تامین غذا: مورد Walmart. در M. Qiu (ویرایش)، بلاک چین هوشمند (pp. 167–177). Springer International Publishing. https://doi.org/10.1007/978-3-030-05764-0_18
Tarallo، E.، Akabane، G. K.، Shimabukuro، C. I.، Mello، J.، & Amancio، D. (2019). یادگیری ماشین در پیشبینی تقاضا برای کالاهای مصرفی با حرکت سریع: یک تحقیق اکتشافی. IFAC-PapersOnLine, 52(13), 737–742. https://doi.org/10.1016/j.ifacol.2019.11.203
Yeung, H. W., & Coe, N. (2015). به سوی نظریه دینامیکی شبکه های تولید جهانی. جغرافیای اقتصادی, 91(1), 29–58. https://doi.org/10.1111/ecge.12063
تماشا کنید: هوش مصنوعی برای «افزایش» است نه جایگزینی نیروی کار
در بلاک چین جدید هستید؟ بخش بلاک چین برای مبتدیان CoinGeek را بررسی کنید، راهنمای منبع نهایی برای کسب اطلاعات بیشتر در مورد فناوری بلاک چین.
منبع: https://coingeek.com/leveraging-blockchain-and-artificial-intelligence-in-procurement-and-supply-chain-management-a-strategic-approach-for-walmart/