Data is king

La supply chain è una funzione strategica che deve perseguire obiettivi differenti, spesso in contrasto tra di loro, per raggiungere i goal indicati dal business. È una funzione ad alto livello di complessità. Dunque come rendere la produzione più efficiente? Quali saranno gli impatti sui costi? È qui che arrivano in soccorso i dati.
La supply chain è una funzione che produce tantissimi dati, che devono essere raccolti all’interno del Data Lake. Attraverso strumenti di advanced analytics poi si possono analizzare i dati relativi a una serie di sottoprocessi della supply chain, con l’obiettivo di migliorarli. Facciamo un esempio: i business devono definire le strategie promozionali che dal punto di vista finanziario e di produzione implicano un investimento economico. Dunque la raccolta e l’analisi di dati forniti dalla supply chain stessa permettono di rendere l’impatto sulla performance più misurabile e quindi di generare valore.

I KPI della supply chain

Trovare il giusto equilibrio tra le varie funzioni aziendali spetta proprio alla supply chain, che ricava dati a partire da tutti i data point disponibili. I dati servono per prevedere, modellare, descrivere e prescrivere ogni tipo di situazione che si può verificare nel rapporto con i clienti e lungo tutta la catena di approvvigionamento. Per esempio: una volta che si sa la strategia commerciale che le vendite mettono in atto, è possibile stabilire gli uplift di volumi e il procurement può ottimizzare i costi di acquisto. Lo stesso discorso vale per la produzione. Ma trovare il giusto balance non è cosa da poco.La supply chain lo fa basandosi su tantissimi KPI, che variano a seconda del tipo di azienda. Quelle che si focalizzano soprattutto sul cliente e sulla customer experience, come Amazon, privilegeranno una supply chain flessibile e reattiva alle esigenze dei clienti, con particolare attenzione a: volume di chiamate e attesa, risoluzione al primo contatto, tasso di riempimento, perfect order e rispetto dei tempi di consegna. Le imprese che hanno un focus sul prodotto, come Apple, guarderanno a: costo totale dei prodotti venduti, costo della supply chain per unità venduta, costo del lavoro, costi di trasporto e stoccaggio, performance dei software. Poi ci sono le cosiddette operational excellence, che adotteranno una metodologia “lean”, che si basa su cinque principi: valore percepito dal cliente, flusso del valore, flusso continuo di produzione, sintonia con il mercato, costante miglioramento. Qui i KPI sono mappati in base a sette categorie di spreco e inefficienza che sono: attesa eccessiva, sovrapproduzione, scarti, mobilità, lavorazione, inventario e trasporto.

Perché è importante un approccio data-driven

La supply chain quindi abbiamo detto essere una grande produttrice di dati transazionali, che aiutano a definire le strategie aziendali su più livelli. Possono essere utilizzati per definire la grandezza del batch di produzione, perché dai dati storici si ricava il volume di prodotto che è necessario produrre in un determinato mese identificando ad esempio i trend di stagionalità. In altre parole, con il costante arricchimento e integrazione dei dati di cui si è in possesso, si può ottenere una visione sulla stagionalità dei prodotti, lo storico di come sono andate le vendite, è possibile conoscere l’impatto eventuale delle promozioni che ci sono state negli anni precedenti sullo stesso prodotto nello stesso periodo dell’anno. Non solo: è anche possibile prevedere con l’Intelligenza Artificiale il giusto taglio di volumi e fare previsioni sulle vendite e sul ritorno dell’investimento.

Capite bene che è assolutamente fondamentale adottare un approccio data-driven, in grado di fornire un quadro chiaro sulla situazione per poi prendere decisioni e formulare una strategia ad hoc. In più, la supply chain essendo al centro di diverse funzioni aziendali ed essendo poi titolare dei sistemi transazionali che supportano queste funzioni, è il candidato ideale per fornire una visione end-to-end del business.

Qual è il ruolo dell’Intelligenza Artificiale nella supply chain?

Ma ora parliamo del ruolo che ha l’Intelligenza Artificiale nella catena di approvvigionamento. Abbiamo detto che un data-driven approach assistito dall’AI è un requisito fondamentale per abilitare quelle capabilities necessarie a una supply chain digitale. Con cui si intende una catena che lavori a un alto livello di automazione, con un buon livello di forecast, un basso livello di errore e un alto livello di efficienza.

Per capire meglio però come l’Intelligenza Artificiale sia un fattore chiave, vorrei farvi l’esempio di una delle funzioni che più ne beneficia. Cioè la logistica. Come capire quanto riempire i camion? Esistono diversi algoritmi di routing optimization che permettono di trovare la miglior configurazione di percorsi e riempimento che devono seguire i camion, onde evitare sprechi. Tutto questo grazie all’analisi dei dati, che consentono anche di mantenere alto il livello di servizio: se so con che tempi sarò in grado di consegnare una merce al cliente, glielo posso comunicare, aumentando soddisfazione e qualità della customer experience.

La strada verso una supply chain digitale

Le potenzialità di una supply chain digitale poi sono tantissime. Noi di DuneD stiamo lavorando alla creazione di report e algoritmi predefiniti per coprire la necessità di advanced analytics e Intelligenza Artificiale di tutti i pilastri fondamentali della supply chain. In questo modo, con i dati forniti dal cliente possiamo dare una serie di indicazioni relative a diversi aspetti del business. Qualche esempio?

La nostra soluzione sfrutta tutte le opportunità dei big data e dell’Intelligenza Artificiale. Integriamo dati finance, sales e logistica per popolare il data lake e poi addestrare modelli predittivi. In questo modo possiamo fornire una vista “end to end” integrata in processi strategici e fornire uno strumento di analisi avanzato per la definizione delle strategie di business.

Abbiamo già sviluppato delle soluzioni specifiche per quanto riguarda l’analisi dell’inventario: siamo cioè in grado di stabilire il valore dell’inventario per categoria di prodotto, la percentuale di inventario sul totale ormai obsoleta, individuando per esempio prodotti scaduti o che non ha più senso vendere perché fuori moda, edizioni speciali o limitate che non hanno più alcun valore e via dicendo.

Possiamo poi anche fare un’analisi dell’accuratezza della previsione sulla domanda: quando è il momento di pianificare i cicli di produzione, basta guardare i dati storici considerando stagionalità, promozioni, pressioni competitive, aperture o chiusure di punti vendita per capire quanto sarà necessario produrre, e quindi quanto è accurato storicamente il forecast della produzione.

Inoltre possiamo stabilire la percentuale di perfect order fulfillment, anche in base alla pianificazione della produzione che è stata fatta, al calendario delle promozioni e a tutte le azioni che vendite e marketing mettono in campo per spingere la vendita di un determinato prodotto.

Insomma, qual è il “so what?” di tutto questo discorso? È che la supply chain è una funzione strategica, che necessariamente deve adottare un approccio data-driven per consentire alle aziende di ottenere vantaggi competitivi sul mercato. Ma soprattutto che non basta avere tanti dati, bisogna saperli leggere e agire di conseguenza. Ed è esattamente ciò che non ci impegniamo a fare ogni giorno.