消费品制造商（包括包装商品、食品和饮料以及生命科学）既面临机遇也面临挑战。产品销售数字不断上升，其中消费包装商品（CPG）行业将在 2023 年实现 10% 的增长。但这种增长很大程度上可以归因于价格上涨。消费品公司也需要实现销量增长。
然而，他们面临着一些挑战。这些挑战中，首当其冲的就是供应链中断。无论是由于更频繁的极端天气事件、航运路线受阻和地缘政治事件，还是劳动力短缺，这些干扰都有可能打乱最精心制定的供需计划。我们都知道，知道有需求，但却无法将产品从 A 点运送到 B 点以获取收入，这种感觉很令人沮丧。
消费品公司是否也同样感到沮丧？市场波动。持续的通货膨胀、坚挺的利率和其他经济趋势影响着消费者的购买行为和偏好，有时甚至以令人惊讶的方式。虽然一些购物者转向自有品牌，但其他人在困难时期沉迷于“小奢侈品”。更令人困惑的是，强劲的就业增长意味着许多消费者的消费能力增强。
消费品制造商最希望的就是准确预测未来的需求。但当今商业环境的极度不可预测性，加上动态的消费者行为，带来了巨大的障碍。
当市场波动和其他破坏性力量导致消费品公司无法实现微妙的供需平衡时，成本就会很高。这些影响包括产品短缺、库存过剩、销售损失、降价以及对零售商和消费者关系的损害。制定准确的供需计划从未如此重要，但也可能从未如此困难。
在所有这些不确定性中，消费品制造商可以做些什么来实现更确定的供应链绩效和财务业绩？答案在于通过先进的人工智能 (AI) 和机器学习 (ML) 实现规划流程，实现需求和供应的更动态的匹配。
在 Blue Yonder，我们将这种方法称为需求和供应计划，并且我们已经看到它为消费包装商品、食品和饮料以及生命科学领域的客户创造了真正变革性的成果。
变革规划，实现变革成果
需求和供应计划到底是什么？这种方法涉及将整个价值链中的供应链功能与市场条件的变化无缝衔接，以及消除功能孤岛并用端到端的规划协调取而代之。
在整个价值网络中实现统一的需求和供应计划与传统的孤立的供应链管理方法相矛盾。但对于想要抵御持续中断和持续市场波动的制造商来说，这种更加灵活、动态的方法正迅速变得至关重要。
近乎实时地、高粒度地处理需求信息，然后在整个供应链中动态、流畅地重新规划，需要彻底的数字化转型。它需要最先进的人工智能、机器学习、分析和能够实时工作并支持大量计算需求的技术架构。
