AI untuk Distribusi FMCG di Indonesia

Tanyakan ke seorang regional sales manager di perusahaan FMCG Indonesia bagaimana sell-out kemarin, dan jawaban jujurnya biasanya "kasih waktu sampai Kamis." Datanya bukan tidak ada. Datanya tersebar di belasan tempat yang tidak saling terhubung, dan masih harus ada orang yang menyusun rekapnya secara manual sebelum siapa pun bisa membacanya.

Jarak antara "datanya ada" dan "ada yang bisa menjawab pertanyaannya" itulah hambatan sesungguhnya di distribusi FMCG. Sell-out, coverage, days of supply, payback promo: setiap angka itu sudah dicatat di suatu tempat. Yang tidak ada adalah satu tempat di mana semuanya berjajar di pagi yang sama, sehingga pertanyaan yang benar-benar menggerakkan tim komersial berhenti butuh waktu sampai Kamis untuk dijawab.

Pertanyaan yang ditanyakan tim FMCG setiap hari

Tim komersial dan supply chain tidak menanyakan hal yang rumit. Mereka menanyakan hal yang sama, berulang-ulang:

• Distributor mana yang tertinggal dari target bulan ini, dan seberapa jauh?
• SKU mana yang stock-out atau hampir stock-out, di wilayah mana?
• Berapa penjualan general trade kemarin dibanding modern trade?
• Berapa hari stok (days of supply) yang tersisa untuk SKU cepat laku, distributor per distributor?
• SKU must-stock mana yang tidak ada di outlet yang seharusnya membawanya?
• Apakah promo yang sedang berjalan benar-benar menutup trade spend di belakangnya?
• Apa yang kembali sebagai retur atau mendekati kedaluwarsa, dan di mana?
• Outlet mana yang belum dikunjungi di siklus ini, dan di mana margin tergerus?

Tidak ada dari pertanyaan ini yang butuh pemodelan rumit. Yang dibutuhkan adalah angka terkini yang ditarik lintas sistem yang memang tidak pernah dirancang untuk saling bicara: rekap milik distributor, feed POS milik retailer, dan ERP milik perusahaan. Hari ini, menjawab satu saja dari pertanyaan itu dengan baik biasanya berarti seorang planner membuka tiga tools dan satu spreadsheet, lalu menunggu data dari orang lain datang.

Kenapa data distributor datang telat dan tidak konsisten?

Distributor adalah bisnis yang berdiri sendiri. Kebanyakan menjalankan sistem apa pun yang sudah biasa mereka pakai, kadang distributor management system yang layak, kadang spreadsheet, kadang buku catatan yang baru diketik ulang di akhir minggu. Kantor pusat tidak memiliki sistem itu, jadi tidak bisa langsung men-query-nya. Yang bisa dilakukan hanya menunggu laporan datang.

Di titik laporan itulah konsistensi mulai runtuh. "Sell-out" versi satu distributor bisa berarti pengiriman ke sub-distributor; versi distributor lain bisa berarti penjualan retail yang sudah terkonfirmasi. Satu tim mencatat dalam satuan karton, tim lain dalam satuan pieces. Saat rekap nasional selesai disusun, seseorang sudah diam-diam menyelaraskan belasan perbedaan definisi kecil, dan tidak ada yang di atas melihat itu terjadi.

Hasilnya adalah data yang telat sekaligus sulit dipercaya, dengan cara yang tetap tersembunyi sampai sebuah angka dipertanyakan di rapat. Meminta distributor lebih rajin tidak akan menyelesaikannya, karena penyebabnya struktural: datanya memang tidak pernah dirancang untuk di-query, hanya untuk dilaporkan.

General trade dan modern trade berjalan di jam yang berbeda

General trade (warung dan toko kecil tradisional) dan modern trade (retailer berjaringan) tidak hanya berbeda format. Mereka berbeda dalam seberapa cepat kebenaran sampai ke kantor pusat.

Kebanyakan tools memilih satu sisi saja. Tools field force automation dibangun untuk GT dan nyaris tidak menyentuh feed retailer. Platform analitik ritel dibangun untuk MT dan tidak mengenal konsep rekap distributor. Tim komersial yang berjualan lewat kedua kanal akhirnya memegang dua gambar setengah jadi dan merekonsiliasinya di spreadsheet, pekerjaan yang basi tepat saat selesai dikerjakan.

Angka-angka yang bersembunyi di balik sell-out

Sell-out mendapat perhatian karena di situlah target ditulis. Tapi tim komersial FMCG hidup atau mati oleh beberapa angka yang duduk di bawahnya, dan masing-masing rusak dengan cara yang sama: tersebar di sistem-sistem yang tidak pernah rekonsiliasi.

Days of supply adalah yang paling jelas. Mengetahui satu distributor menjual 400 karton minggu lalu tidak banyak berarti tanpa tahu berapa hari cover yang tersisa di balik angka itu. Angka pertama ada di rekap, angka kedua di file stok milik distributor sendiri, dan tidak ada yang menggabungkannya sampai barang cepat laku sudah keburu habis. Kepatuhan must-stock berbentuk sama. Kantor pusat menetapkan daftar SKU yang seharusnya dibawa setiap outlet di sebuah kanal, tapi apakah sebuah warung benar-benar memilikinya di rak adalah fakta kunjungan lapangan yang jarang bertemu dengan lembar target.

Trade spend adalah tempat uang bersembunyi. Sebuah promo didanai berdasarkan volume inkremental yang diharapkan, namun menilai apakah ia menutup biayanya berarti menaruh spend, baseline, dan sell-through aktual dalam satu tampilan. Saat rekonsiliasi itu selesai dikerjakan manual, anggaran untuk siklus berikutnya sudah terlanjur dialokasikan. Retur dan stok mendekati kedaluwarsa menutup lingkaran ini: barang yang kembali, atau yang tinggal beberapa minggu dari tanggalnya di gudang distributor, adalah margin nyata yang bocor diam-diam, dan biasanya baru muncul sebagai write-off jauh setelah siapa pun bisa memindahkannya.

Tidak ada dari ini yang metrik baru untuk diciptakan. Semuanya sudah dicatat, hanya tidak pernah di tempat yang sama pada waktu yang sama. Ini kesenjangan penghubung yang sama yang muncul di operasional ritel multi-toko dan di rantai pasok yang lebih luas: angkanya ada, penggabungannya tidak.

Apa yang sebenarnya dilakukan agen komersial yang terhubung?

Di sinilah agen AI yang scoped per departemen mendapat tempatnya, bukan dengan meramalkan permintaan atau menggantikan distributor management system, tapi dengan berdiri di atas sistem-sistem yang sudah ada dan menjawab pertanyaan-pertanyaan di atas saat itu juga ditanyakan.

Dengan akses langsung dan terkontrol ke data distributor, feed POS, dan ERP, agen yang scoped ke komersial atau supply chain bisa:

• Menjawab "distributor mana yang tertinggal dari target" berdasarkan angka pagi ini, bukan rekap minggu lalu.
• Menandai risiko stock-out begitu stok melewati ambang batas, bukan setelah muncul sebagai angka penjualan hilang di tinjauan bulanan.
• Menampilkan days of supply dan payback promo berdampingan, sehingga margin yang menyusut tertangkap saat masih ada satu siklus tersisa untuk mengubahnya.
• Merekonsiliasi sell-through GT dan MT menjadi satu tampilan tanpa ada yang menggabungkan spreadsheet secara manual.
• Meneruskan jawaban ke siapa pun yang bertanya, manajer wilayah, kepala regional, atau tim keuangan yang mengecek piutang, hanya dengan cakupan data yang memang berhak dilihat orang itu.

Tidak ada dari ini yang mengharuskan agen lebih pintar dari orang yang memakainya. Yang dibutuhkan adalah agen yang terhubung ke sistem yang tepat dan memahami arti angkanya: definisi kanonik sell-out, sell-through, dan coverage yang tidak berubah-ubah tergantung siapa yang menyusun laporan.

Satu hari, sebagai ilustrasi

Bayangkan seorang national sales manager di pagi Senin, murni sebagai ilustrasi bagaimana bagian-bagiannya saling terhubung, bukan klaim tentang implementasi nyata mana pun. Alih-alih menunggu rekap distributor mingguan, ia membuka WhatsApp dan bertanya wilayah mana yang trennya di bawah target bulan ini. Jawabannya datang lengkap dengan nama distributor, selisih dari target, dan SKU mana yang menyebabkan kekurangan itu, ditarik dari data distributor dan POS pagi ini alih-alih file bulan lalu.

Seorang sales rep lapangan di kota lain menanyakan hal serupa dari sebuah warung, mendapat peringatan stock-out untuk SKU yang cepat laku, dan menandainya sebelum outlet itu kehilangan sehari penuh penjualan. Tidak ada yang membuka dashboard. Keduanya mendapat jawaban sesuai cakupan yang memang boleh mereka lihat.

Kenapa ini pantas jadi tugas agen, bukan dashboard lagi?

Dashboard tetap berguna untuk tinjauan bulanan yang mendalam. Tapi ritme harian distribusi FMCG, pertanyaan stok jam 8 pagi, pertanyaan coverage siang hari, pertanyaan selisih target sebelum rapat Jumat, persis bentuk pekerjaan yang dirancang untuk diserap agen yang scoped per departemen dan disusun seperti struktur organisasi. Agen komersial yang melapor ke hierarki yang sama dengan tim komersial, dengan batas akses yang sama, mengubah "tunggu sampai Kamis" menjadi "tanya sekarang."

Seorang sales rep yang mengcover empat puluh outlet di atas motor tidak akan pernah membuka BI tool di sela kunjungan. Mereka sudah menjalani harinya lewat chat, jadi antarmuka yang benar-benar diadopsi adalah yang sudah ada di ponsel di saku mereka, dan jawaban stock-out yang mendarat di situ mengalahkan dashboard yang tidak pernah dibuka siapa pun di lapangan.

Di mana posisi Nalar

Nalar adalah AI intelligence layer yang dibangun untuk perusahaan Indonesia, dan FMCG adalah salah satu dari enam arketipe industri yang dibawanya. Ia menghubungkan data distributor, POS, dan ERP dengan akses langsung dan terkontrol, memodelkan distribusi seperti cara tim komersial berpikir (per distributor, wilayah, kanal, dan SKU), dan menjawab lewat agen per departemen di chat, di dashboard, dan lewat WhatsApp.

Kalau Anda lebih suka tidak menerima itu begitu saja, diagnostik kesiapan BARI akan menilai data distributor dan POS Anda dan menyatakan terus terang apakah sudah dalam bentuk yang siap dihubungkan seperti ini. Bagaimanapun juga, demo interaktifnya menjalankan semuanya di atas perusahaan FMCG tiruan yang realistis: cara tercepat melihat seperti apa "tanya sekarang" itu sebenarnya sebelum bicara dengan siapa pun.