La gestione della catena di distribuzione (o Supply Chain) riguarda diverse attività logistiche dell’azienda, che hanno come obiettivo quello di controllare le prestazioni e migliorare l’efficienza del lavoro.
Questi processi di solito generano enormi quantità di dati, ai quali è possibile dare un valore scoprendo schemi e generando insights.
La Data Science per la Supply Chain rappresenta la capacità di prendere decisioni dettate dai dati, in base a un riepilogo di informazioni pertinenti e attendibili.
Data Science per la Supply Chain: tipi di analisi
Ci sono 4 tipologie di analisi per la gestione della catena di distribuzione, che puoi approfondire qui: www.datadeep.it/aziende-analisi.
La Data Science per la Supply Chain è la base per capire, ragionare, imparare e interagire come un “essere umano”, ma a un livello di capacità e velocità elevatissimo.
Questa forma avanzata di analytics sta aprendo la strada a una nuova era di ottimizzazione della Supply Chain.
Con queste tecnologie è possibile vagliare automaticamente grandi quantità di dati per aiutare l’organizzazione a migliorare le previsioni, identificare le inefficienze, rispondere meglio alle esigenze dei clienti, e promuovere l’innovazione.
Data Science per la Supply Chain: cosa può fare
La Data Science per la Supply Chain può aiutare un’organizzazione a prendere decisioni più intelligenti, rapide ed efficaci.
I vantaggi includono la possibilità di:
- Ottenere un ROI (Return On Investment) significativo
Un recente sondaggio di Gartner ha rivelato che il 29% delle organizzazioni intervistate ha detto di aver raggiunto alti livelli di ROI utilizzando queste analisi, rispetto al solo 4% che non ha ottenuto alcun ROI.
- Migliorare la comprensione dei rischi
La Data Science per la Supply Chain può identificare i rischi noti e contribuire a prevedere i rischi futuri, individuando schemi e tendenze in tutta la catena di distribuzione.
- Aumentare l’accuratezza nella pianificazione
Analizzando i dati dei clienti, la Data Science per la Supply Chain può aiutare l’azienda a prevedere meglio la domanda futura.
Tramite queste analisi, l’organizzazione riesce a decidere quali prodotti possono essere ridotti quando diventano meno redditizi, o capire quali saranno le esigenze del cliente dopo l’ordine iniziale.
- Rendere la catena di distribuzione più snella
L’azienda può utilizzare la Data Science per la Supply Chain per monitorare il magazzino, le risposte dei partner e le esigenze dei clienti, in modo da prendere decisioni più informate.
- Prepararsi al futuro
La Data Science per la Supply Chain può elaborare sia i dati strutturati che quelli non strutturati per garantire alle organizzazioni un vantaggio: assicurarsi che gli avvisi arrivino in modo puntuale per poter pianificare meglio il futuro.
Può anche creare correlazioni e schemi tra le diverse fonti, per fornire avvisi che riducano al minimo i rischi a costi contenuti e con un impatto minore sulla sostenibilità.
Man mano che le tecnologie di Intelligenza Artificiale diventano più comuni nella Data Science per la Supply Chain, ogni azienda può toccare con mano i vantaggi derivanti dall’uso delle stesse.
Le informazioni non elaborate in precedenza a causa delle limitazioni nell’analisi dei dati in linguaggio naturale, ora possono essere valutate in tempo reale.
La Data Science per la Supply Chain può leggere, comprendere e correlare i dati provenienti da fonti, silos e sistemi differenti rapidamente e in modo esauriente.
Fornisce un’analisi in tempo reale basata sull’interpretazione delle informazioni disponibili.
Ogni azienda può quindi diventare più efficiente ed evitare le interruzioni, supportando contemporaneamente nuovi modelli di business.
Data Science per la Supply Chain: funzioni chiave
La Supply Chain è l’espressione più evidente dell’azienda per i clienti e i consumatori.
Più un’organizzazione è in grado di eseguire analisi approfondite, meglio riesce a proteggere la propria reputazione commerciale e la sostenibilità a lungo termine.
In “The Thinking Supply Chain”, Simon Ellis di IDC identifica le cinque caratteristiche principali per la Supply Chain efficiente del futuro.
- Connessa
L’azienda deve essere in grado di accedere a dati non strutturati dai social media, ai dati strutturati da IoT (Internet of Things), e ai dataset più tradizionali disponibili attraverso strumenti di integrazione ERP e B2B.
- Collaborativa
Migliorare la collaborazione con i fornitori significa usare sempre di più reti di commercio basate sul cloud, per consentire il coinvolgimento multi-aziendale e in tempo reale.
- Sicura
La Supply Chain deve rafforzare i sistemi contro le intrusioni e gli attacchi informatici, problema che dovrebbe essere affrontato a livello complessivo di azienda.
La Data Science permette di creare strumenti di difesa evoluti e in continuo aggiornamento contro le nuove minacce.
- Cognitiva
La piattaforma di Intelligenza Artificiale diventa la torre di controllo della Supply Chain moderna raccogliendo, coordinando e guidando decisioni e azioni in tutta la catena.
La maggior parte della Supply Chain è automatizzata e dotata di funzioni di apprendimento automatico.
- Completa
Le funzionalità di analytics devono essere ridimensionate con i dati in tempo reale.
Gli insights saranno completi e veloci.
La latenza è inaccettabile nella Supply Chain del futuro.
La Data Science per la Supply Chain è proprio ciò che serve per poter raggiungere questi risultati.
Data Science per la supply chain: storia
In passato, la Supply Chain era limitata per lo più ad analisi statistiche e a indicatori di prestazioni quantificabili per la pianificazione e la previsione della domanda.
I dati venivano memorizzati in fogli di calcolo che provenivano da diverse fonti.
Negli anni ‘90, le aziende adottarono sistemi EDI (Electronic Data Interchange) e ERP (Enterprise Resource Planning) per collegare e scambiare informazioni tra i vari partner.
Questi sistemi fornivano un accesso più facile ai dati per l’analisi, oltre ad assistere le imprese nella progettazione, pianificazione e previsione.
Negli anni duemila le aziende hanno iniziato a passare a soluzioni software di analytics predittiva e business intelligence, che hanno aiutato ad acquisire una conoscenza più approfondita sul funzionamento delle reti di Supply Chain, su come prendere decisioni migliori, e su come ottimizzare le reti.
La sfida oggi consiste nel capire in che modo le aziende possono utilizzare al meglio le enormi quantità di dati generate nei loro network.
Non più tardi del 2017, una Supply Chain tipica aveva accesso a una quantità di dati 50 volte superiore a quella di soli cinque anni prima.
Tuttavia, meno di un quarto di questi veniva analizzato.
Inoltre, mentre circa il 20% di tutti i dati della Supply Chain è strutturato e può essere facilmente analizzato, l’80% non è strutturato o è sconosciuto.
Le odierne organizzazioni cercano soluzioni per analizzare meglio questi dati sconosciuti.
Gli studi puntano sulle tecnologie cognitive o sull’Intelligenza Artificiale come nuova frontiera della Supply Chain.
Le soluzioni di AI vanno oltre la conservazione delle informazioni e l’automazione dei processi.
I software di Data Science, infatti, possono pensare, ragionare e imparare in modo molto più “umano”.
Data Science per la Supply Chain: casi di studio
A causa delle sempre più frequenti interruzioni della catena di distribuzione, le aziende si stanno affidando in maniera crescente all’analisi dati per ottenere informazioni dettagliate sulle loro Supply Chain.
UPS
In media UPS consegna circa 21 milioni di pacchi ogni giorno.
In passato, la multinazionale delle spedizioni si è affidata ai dati storici e al know-how di pianificatori esperti per tenere traccia dello stato delle consegne.
Oggi invece utilizza lo strumento di analisi aziendale armonizzato (HEAT) – una piattaforma di Business Intelligence, per acquisire e analizzare i dati dei clienti, i dati operativi, e i dati di pianificazione – per tenere traccia dello situazione in tempo reale di ogni pacco mentre si sposta attraverso la rete di spedizione dell’azienda.
“HEAT ci aiuta a prendere decisioni migliori sul modo in cui i pacchi si muovono, il modo in cui pianificare al meglio la nostra rete e il modo in cui forniamo informazioni ai nostri clienti”, afferma Juan Perez, Chief Information and Engineering Officer di UPS.
“Analizza milioni e milioni di dati ogni singolo giorno per garantire le informazioni più aggiornate sullo stato di un singolo pacco, alimentando tutti i tipi di altri sistemi che ci consentono di fare una pianificazione e una gestione migliore della nostra rete di distribuzione”.
La piattaforma HEAT analizza più di 5,3 petabyte di dati a settimana.
Sfrutta l’analisi predittiva, l’apprendimento automatico e la previsione multimodello con fattori di crescita proprietari di casualità e stagionalità per supportare le previsioni, la visibilità delle operazioni, l’ottimizzazione e il reporting.
“Per quanto siamo grandi e per quanto siamo bravi nell’utilizzo dei dati, una cosa che so è che il viaggio verso una solida strategia per i dati non ha davvero una fine immediata”, afferma Perez. “Dobbiamo essere costantemente e costruttivamente insoddisfatti dello stato della nostra tecnologia e dello stato dei nostri dati, in modo da poter apportare costantemente miglioramenti per supportare il business”.
PepsiCo
L’azienda alimentare e delle bevande PepsiCo sta utilizzando l’analisi e l’apprendimento automatico per prevedere l’esaurimento delle scorte e avvisare i rivenditori.
“Alcuni prodotti stavano volando via dagli scaffali per vari motivi all’inizio della pandemia”, afferma Jason Fertel, responsabile dell’ingegneria e-commerce di PepsiCo. “I clienti volevano ottenere quanta più farina d’avena possibile, per esempio”.
Fortunatamente per PepsiCo, Fertel e la sua organizzazione di ingegneria all’interno dell’e-commerce avevano già lavorato per fornire l’automazione del flusso di lavoro per la gestione delle operazioni di marketing dei motori di ricerca sotto forma di Sales Intelligence Platform dell’azienda.
La piattaforma combina i dati del rivenditore con i dati della catena di approvvigionamento di PepsiCo per prevedere quando gli articoli andranno esauriti e invitare gli utenti a effettuare acquisti per rifornirli.
“Vogliamo fare molte cose, ma ci siamo concentrati molto sull’esaurimento delle scorte”, afferma Fertel. “C’è tutta una serie di diversi verticali e informazioni sulle vendite in cui entriamo, ma inizialmente ci siamo concentrati molto sull’esaurimento delle scorte, e penso che questo ci abbia aiutato a trovare il successo”.
Pfizer
La multinazionale farmaceutica Pfizer afferma che il suo progetto Global Supply – Digital Operations Center (DOC) è stato fondamentale per la capacità dell’azienda di produrre e fornire il vaccino Pfizer-BioNTech Covid-19 in tutto il mondo.
Il progetto è un “cockpit” per le operazioni Pfizer, che fornisce una visione condivisa della produzione “end-to-end” e dati sulle prestazioni operative per l’azienda.
Pfizer afferma che i dati l’hanno aiutata a identificare le opportunità per ridurre fino al 10% il tempo di ciclo in alcune aree di produzione e per mantenere la continuità della fornitura critica per i pazienti che dipendono dai prodotti farmaceutici.
“Questa soluzione ha trasformato il modo in cui i colleghi di produzione collaborano e prendono decisioni, fornendo strumenti che consentono loro di prevedere un problema prima che si verifichi e di adeguarsi in tempo reale”, afferma Lidia Fonseca, vicepresidente esecutivo e chief digital and technology officer di Pfizer. “Il DOC consente ai team di estrarre dati per fornire analisi sulle variazioni rispetto ai tempi di consegna standard stimati in precedenza, consentendo ulteriori opportunità di miglioramento”.
Il passaggio di Pfizer verso l’analisi della catena di approvvigionamento l’ha aiutata a trasformarsi in un’organizzazione più snella, più orientata alla scienza e più incentrata sul paziente.
Il successo ha richiesto una comunicazione chiara della strategia digitale dell’azienda per ispirare il supporto e la partecipazione dei dipendenti.
“La nostra cultura è stata determinante nell’incoraggiare i nostri dipendenti a essere coraggiosi e pensare in modo diverso per realizzare ciò che prima non avremmo immaginato possibile”.
Conclusioni
La Data Science per la Supply Chain è lo strumento più potente che oggi abbiamo a disposizione per fare la differenza in ogni settore.
In un mercato sempre più frenetico, avere insights in tempo reale ci permette di prendere le migliori decisioni possibili per la crescita della nostra organizzazione.
Se vuoi sapere cosa possiamo fare per te e la tua azienda e come avviare un progetto di Data Science per la Supply Chain prenota una videochiamata di 45 minuti!
Ecco come si svolgerà:
- Analizzeremo la tua organizzazione
Per comprendere meglio il mercato in cui ti trovi dobbiamo sapere di che cosa si occupa la tua azienda e com’è strutturata.
- Analizzeremo la digitalizzazione della tua azienda
Per poter sfruttare al meglio le tecnologie che hai a disposizione dobbiamo conoscere quanto la tua azienda oggi è digitalizzata.
- Studieremo le basi del progetto
Stabiliremo insieme le basi del primo progetto su cui è possibile applicare le tecniche di Intelligenza Artificiale.
Tu non devi preoccuparti di avere già tutto chiaro, saremo noi a porti le domande giuste per mettere a fuoco l’obiettivo!
Prima si avvia un progetto di Intelligenza Artificiale, prima si ottengono risultati mai ottenuti prima!
Non aspettare ancora
