Apa Disebalik Pelantikan COO Rantaian Bekalan Burberry

AI dalam Pengangkutan & Logistik••By 3L3C

Pelantikan ketua operasi & rantaian bekalan Burberry isyaratkan gelombang baru: rantaian bekalan global dipacu AI. Apa pengajarannya untuk peruncit & logistik Malaysia?

AI rantaian bekalanlogistik pintarperuncitan digitaldemand forecastingautomasi gudangfesyen mewahtransformasi digital
Share:

AI, rantaian bekalan dan satu pelantikan yang tak “biasa-biasa”

Dalam dunia fesyen mewah, satu hari penghantaran lewat boleh membunuh pelancaran koleksi bernilai jutaan ringgit. Sebab itu setiap keputusan di jabatan operasi dan rantaian bekalan jarang sekali dibuat secara suka-suka.

Pelantikan Matteo Calonaci sebagai Chief Operating and Supply Chain Officer Burberry awal Disember 2025 nampak macam berita HR biasa. Sebenarnya, untuk siapa yang mengikuti dunia runcit global dan logistik, ini isyarat jelas: gelombang seterusnya ialah rantaian bekalan dipacu data dan AI.

Untuk peruncit besar – termasuk rangkaian pasar raya, marketplace dan juga pemain seperti Pos Malaysia, GDex atau J&T – langkah jenama mewah seperti Burberry ini memberi petunjuk ke mana arah pelaburan teknologi beberapa tahun akan datang.

Dalam artikel ini, saya akan hujahkan:

  • Kenapa pelantikan ini sangat berkait dengan AI dalam rantaian bekalan global
  • Apa yang boleh dipelajari oleh peruncit dan pengendali logistik di Malaysia
  • Bagaimana nak terjemahkan pelajaran ini kepada projek AI sebenar – daripada ramalan permintaan hingga automasi gudang

1. Kenapa pelantikan Matteo Calonaci bukan sekadar “tukar orang”

Pelantikan COO rantaian bekalan di jenama global biasanya bermaksud dua perkara:

  1. Mereka mahu operasi lebih efisien (kos, kelajuan, reliability)
  2. Mereka sedang atau akan melabur besar dalam teknologi, khususnya AI dan automasi

Dalam kes Burberry:

  • Calonaci bermula sebagai VP Customer Fulfilment & Supply Chain Strategy (2020)
  • Kemudian naik ke SVP Strategy & Transformation
  • Latar belakang beliau di Boston Consulting Group (BCG) – firma yang sinonim dengan transformasi digital dan model operasi data-driven

Bila orang dengan DNA strategi + transformasi + fulfilment pelanggan diangkat mengetuai operasi dan rantaian bekalan, mesejnya jelas:

Fokus bukan lagi semata-mata “buat kilang jalan”, tapi jadikan rantaian bekalan enjin pengalaman pelanggan – menggunakan data dan AI.

Dalam masa yang sama, Burberry juga melantik Chief Customer Officer (CCO), Johnattan Leon, yang mengetuai:

  • Customer & client engagement
  • Perkhidmatan pelanggan
  • Retail excellence
  • Digital, outlet dan operasi komersial

Dua pelantikan serentak (COO rantaian bekalan + CCO) menunjukkan mereka mahu menyatukan data pelanggan dengan data operasi. Di sinilah AI mula masuk secara serius.

2. Trend global: rantaian bekalan fesyen semakin mirip syarikat teknologi

Untuk faham konteks, lihat beberapa tekanan utama yang dihadapi jenama global:

  • Musim fesyen semakin pendek – “drop” lebih kerap, batch lebih kecil
  • Permintaan sukar diramal – social media boleh buat satu item viral dalam masa 48 jam
  • Pelanggan mahu penghantaran pantas & fleksibel – next-day, same-day, pick-up point
  • Jejak karbon diaudit – pelabur dan pengguna semakin kritikal soal ESG

Respon jenama global biasanya berkisar kepada empat tonggak AI dalam logistik dan rantaian bekalan:

  1. Peramalan permintaan (demand forecasting) dengan AI
    Menggunakan data:

    • Jualan sejarah mengikut negara/store
    • Cuaca, musim perayaan (contoh: Raya, Tahun Baru Cina)
    • Trend media sosial dan carian online

  2. Perancangan inventori dinamik
    AI mengesyorkan:

    • Berapa stok setiap SKU per negara
    • Bila dan di mana perlu “rebalancing” stok (pindah dari gudang A ke gudang B)

  3. Rangkaian pengedaran pintar
    Termasuk route optimization, pemilihan 3PL terbaik, dan network design (di mana patut letak hub untuk lead time terpantas dengan kos paling rendah).

  4. Automasi gudang & pusat pengagihan
    Dari robot picking, vision system untuk QC, hingga slotting algoritma yang tentukan lokasi terbaik untuk setiap item.

Pelantikan seperti di Burberry memberi gambaran bahawa fungsi ini tak lagi silo IT, tetapi berada di bawah pemimpin operasi yang faham kedua-dua dunia: pelanggan dan rantaian bekalan.

3. Apa yang Burberry (mungkin) sedang lakukan dengan AI dalam rantaian bekalan

Burberry tak dedahkan secara terperinci inisiatif AI mereka dalam pengumuman pelantikan. Tapi berdasarkan struktur organisasi dan trend industri, ada beberapa perkara yang sangat munasabah sedang atau akan berlaku.

3.1 Ramalan permintaan mengikut bandar, bukannya negara

Untuk jenama mewah, stok yang salah di lokasi yang salah bermaksud:

  • Margin terhakis kerana mark-down hujung musim
  • Peluang jualan hilang kerana “sold out” di bandar utama

AI demand forecasting yang matang biasanya:

  • Meramal permintaan per bandar (contoh: Tokyo vs Osaka, KLCC vs JB)
  • Guna data like-for-like collection, acara besar (F1, fesyen week, cuti sekolah), malah cuaca

Ini membolehkan Burberry menentukan:

  • Berapa banyak beg / trench coat ke mana
  • Bila perlu restock dan dari gudang mana paling optima

3.2 Pusat pengedaran yang lebih dekat dengan pelanggan

Dalam runcit mewah, pelanggan kini menjangka:

  • Click & collect dalam 24–48 jam
  • Penghantaran antarabangsa yang jelas tracking dan boleh dijangka

Dengan data permintaan yang lebih tepat, AI network optimization boleh membantu Burberry:

  • Menentukan lokasi fulfilment node terbaik (DC regional, dark store, store sebagai mini-hub)
  • Mengira trade-off kos udara vs laut, transit time dan SLA pelanggan

Benda yang sama relevan untuk pemain seperti marketplace dan 3PL di Malaysia yang sedang menilai:

  • Perlukah tambah hub di Pantai Timur?
  • Patutkan buka micro-fulfilment centre di bandar kedua & ketiga?

3.3 Pengalaman pelanggan hujung-ke-hujung yang konsisten

Pelantikan serentak CCO dan COO rantaian bekalan sangat menarik. Ini memberi peluang untuk:

  • Menghubungkan data:

    • Apa pelanggan cari & simpan dalam wishlist
    • Apa yang sebenarnya ada di stok gudang & stor
    • Berapa pantas item boleh sampai ke pelanggan

  • Menggunakan AI untuk:

    • Menunjukkan ETA real-time yang tepat di website / app
    • Menyembunyikan SKU tertentu dari kota yang stok terlalu rendah
    • Mencadangkan alternatif yang in-stock di lokasi berhampiran

Dalam bahasa mudah: rantaian bekalan tak lagi “back office” – ia sebahagian daripada UX.

4. Apa pengajaran untuk peruncit & pemain logistik di Malaysia

Kita bukan Burberry, tapi banyak prinsip sama boleh diguna pakai. Saya pecahkan kepada tiga fokus praktikal.

4.1 Mulakan dengan data permintaan yang bersih

AI paling hebat pun tak guna kalau data jualan kacau-bilau. Sebelum bercakap tentang algoritma canggih, pastikan:

  • SKU konsisten antara sistem (POS, WMS, ERP, e-dagang)
  • Lokasi stor, gudang dan hub ada kod unik yang jelas
  • Jualan online dan offline dikumpulkan dalam satu “view”

Lepas itu, baru masuk fasa demand forecasting AI:

  • Mula dengan 1–2 kategori penting (contoh: makanan kering untuk pasar raya, kategori fesyen terlaris untuk marketplace)
  • Bandingkan ramalan AI vs cara manual yang sedia ada
  • Ukur beza dari segi forecast accuracy, stok mati dan stock-out

4.2 Gabungkan operasi rantaian bekalan dengan pasukan digital

Apa yang Burberry buat (COO rantaian bekalan + CCO) sebenarnya sangat relevan untuk:

  • Peruncit besar
  • Marketplace
  • Penyedia fulfilment dan 3PL

Struktur organisasi tradisional pisahkan:

  • IT / e-dagang di satu dunia
  • Operasi gudang & pengangkutan di dunia lain

Dalam projek AI yang berjaya, saya sering nampak tiga ciri:

  1. Product owner bersama – seorang dari operasi, seorang dari digital / data
  2. Matlamat dikongsi – contoh: “kurangkan out-of-stock 30% tanpa naikkan stok keseluruhan”
  3. Cycle percubaan pendek – pilot 3–6 bulan, bukan projek mega 3 tahun

4.3 Pilih kes penggunaan (use case) AI yang cepat nampak hasil

Ramai organisasi gagal sebab mula dengan projek AI yang terlalu abstrak. Realitinya, ada beberapa use case dalam logistik & runcit yang hampir pasti memberi ROI jika dilaksana dengan betul:

  1. AI demand forecasting

    • Sasaran: reduce forecast error, turunkan stok mati, kurangkan kehabisan stok

  2. Route optimization untuk penghantaran last-mile

    • Terutamanya untuk pemain kurier dan e-dagang dengan fleet sendiri
    • AI boleh merancang route berdasarkan trafik, waktu peak, zon penghantaran

  3. Slotting & kapasiti gudang pintar

    • Tentukan di mana item patut disusun untuk minimumkan jarak berjalan forklift/picker
    • Terutamanya relevan di gudang besar untuk FMCG & runcit fesyen

  4. Anomali dalam rantaian bekalan

    • AI mengesan corak pelik dalam masa transit, kerosakan, return rate mengikut rakan penghantaran

Tak perlu tunggu sampai semua sistem “perfect” untuk mula. Yang penting, pilih satu use case yang:

  • Ada data mencukupi
  • Ada “owner” bisnes yang jelas
  • Boleh diukur impaknya dalam RM, bukan sekadar “POC cantik di slide”

5. Dari Burberry ke Kuala Lumpur: ke mana hala tuju seterusnya

Pelantikan Matteo Calonaci ke jawatan tertinggi operasi rantaian bekalan Burberry tunjuk satu perkara:

Rantaian bekalan masa depan bukan lagi fungsi kos, tapi platform AI yang menyatukan pelanggan, produk dan logistik.

Bagi peruncit dan pengendali logistik di Malaysia, beberapa langkah praktikal yang boleh diambil mulai sekarang:

  • Audit kesediaan data rantaian bekalan – dah cukup bersih dan konsisten untuk AI?
  • Bina pasukan silang fungsi – operasi + digital + data dalam satu meja
  • Kenal pasti 1–2 projek AI bernilai tinggi – demand forecasting, route optimization, atau gudang pintar
  • Cari rakan teknologi yang faham runcit & logistik tempatan – bukan sekadar jual “platform”, tapi bantu ubah proses kerja

Masa depan AI dalam pengangkutan dan logistik bukan cerita drone dan robot semata-mata. Ia bermula dengan keputusan pengurusan atasan – seperti apa yang kita nampak di Burberry – untuk menjadikan data dan AI pusat strategi rantaian bekalan.

Soalannya sekarang:

Adakah pasukan anda melihat rantaian bekalan sebagai kos… atau sebagai kelebihan daya saing yang dipacu AI?