Analyse de la chaîne d'approvisionnement : 5 conseils pour une logistique plus fluide

Les défis mondiaux de la chaîne d'approvisionnement qui ont tourmenté les entreprises de plusieurs secteurs tout au long de 2021 se poursuivent cette année. Une solution potentiellement efficace pour résoudre les problèmes d'offre et de demande consiste à tirer parti de l'analyse des données.

La société de services professionnels et de conseil KPMG note dans un rapport récent que plusieurs perturbations majeures affectent actuellement les chaînes d'approvisionnement. Il s'agit notamment des perturbations logistiques mondiales en cours résultant de la pandémie de COVID-19 qui continuent d'avoir un impact sur les entreprises et les consommateurs – car le flux de marchandises vers les marchés clés est limité par les fermetures des principaux ports et aéroports mondiaux.

Les perturbations logistiques majeures créent un effet d'entraînement sur les chaînes d'approvisionnement mondiales qui, en fin de compte, entraînent l'accumulation de marchandises dans le stockage, selon l'entreprise. En supposant que ces perturbations diminuent et que l'accès au fret maritime et aérien revienne aux niveaux d'avant la pandémie, il faudra probablement un certain temps avant que les choses reviennent à la normale, indique le rapport. sur un nombre limité de tiers et les pénuries sur le marché du travail. Le rapport souligne également que de nombreuses entreprises investissent dans des technologies pour automatiser les nœuds clés de la chaîne d'approvisionnement.

Cette année verra un niveau d'investissement accéléré, selon KPMG, alors que les entreprises cherchent à améliorer les capacités critiques de planification de la chaîne d'approvisionnement en adoptant plus des « catalyseurs numériques » avancés tels que la planification cognitive et l'analyse prédictive basée sur l'IA.

« L'apparition des nouvelles technologies a fondamentalement changé la façon dont les chaînes d'approvisionnement fonctionnent à l'échelle mondiale », indique le rapport. « Les consommateurs sont de plus en plus exigeants, ce qui conduit les chaînes d'approvisionnement à changer et à évoluer à un rythme plus rapide. Les opérations modernes sont axées sur la technologie et les innovations, et par conséquent, les chaînes d'approvisionnement deviennent plus complexes. »

Comment les organisations peuvent-elles utiliser au mieux l'analyse des données pour améliorer leurs efforts de gestion de la chaîne d'approvisionnement (SCM) ? Voici quelques bonnes pratiques, selon les experts.

Transformez les données en informations simples et exploitables

La plupart des entreprises sont inondées de gros volumes de données, souvent stockées dans divers systèmes et bases de données, déclare John Abel, CIO de la société de technologie réseau Réseaux extrêmes. Les chaînes d'approvisionnement ont la complexité supplémentaire des sources de données supplémentaires générées par des partenaires étendus tels que l'externalisation, la logistique et les opérations de distribution, ajoute-t-il. métriques et statistiques descriptives », explique Abel. "Les outils d'analyse de données peuvent fournir des informations plus approfondies et exploitables ainsi qu'améliorer la précision de ces informations." concentrer les résultats des projets de données sur les mesures à prendre pour faire avancer l'aiguille de la performance ; et s'assurer que les résultats sont simples à comprendre, dit Abel.

"Le dernier point est l'un des plus importants", dit Abel. "Il est souvent tentant de se concentrer sur le modèle utilisé plutôt que sur le résultat", car de nombreux leaders technologiques cherchent à inclure l'IA dans leurs processus. "Mais l'objectif le plus important est de se concentrer sur la génération d'informations claires, explicables et faciles à digérer par les utilisateurs professionnels, et pas seulement par les équipes d'analyse."

Tout rapport ou tableau de bord partagé avec des équipes interfonctionnelles doit pouvoir pour raconter une histoire claire et facilement compréhensible. "Sinon, les avantages de l'analyse de données pourraient être éclipsés par la nécessité de longues réunions pour expliquer pourquoi elles sont utiles", déclare Abel.

Cela fonctionne également dans l'autre sens. "Bien que la plupart des experts en analyse de données n'aient pas une connaissance fonctionnelle approfondie des processus et des systèmes commerciaux qui ont produit ces données, ils ont souvent une connaissance approfondie des processus et des systèmes en amont et en aval", déclare Abel. "Les projets d'analyse de la chaîne d'approvisionnement réussis partent d'une perspective" que nous disent les données ", puis se superposent à une compréhension approfondie des processus métier."

Les partenariats entre les équipes d'analyse et les utilisateurs métier aident à développer ces informations explicables qui peuvent être facilement communiquées à travers une organisation, dit Abel.

Concentrez l'analyse sur les domaines qui font la différence

Les organisations de la chaîne d'approvisionnement sont inondées de données telles que les commandes des clients, les informations sur les articles, l'utilisation de l'équipement et les coûts de transport en constante évolution, déclare Erik Singleton, praticien expert en chaîne d'approvisionnement mondiale au sein du cabinet de conseil North Highland Worldwide Consulting.

« La clé pour créer une chaîne d'approvisionnement réussie et centrée sur le client tout en maximisant l'efficacité opérationnelle consiste à utiliser les bonnes analyses pour prendre des décisions basées sur les données », dit Singleton. Il recommande aux organisations de la chaîne d'approvisionnement de concentrer leurs analyses sur trois domaines principaux.

L'un est la planification de la demande et le placement des stocks. "Les organisations collectent des millions de lignes de données transactionnelles, permettant des analyses vigoureuses sur les habitudes d'achat des clients", déclare Singleton. "L'exploitation de ces données pour créer un algorithme analytique robuste pour piloter le placement des stocks tout au long de la chaîne d'approvisionnement garantit que les produits sont au bon endroit au bon moment." Les entreprises doivent concentrer leurs ressources analytiques sur la prévision des modèles de demande entre le type de produit, le canal de vente et le placement géographique.

Le deuxième domaine est l'efficacité des opérations. Les données sur les clients et les commandes permettent aux chaînes d'approvisionnement de maximiser l'utilisation des actifs et de la main-d'œuvre en planifiant efficacement les ressources pour s'adapter aux modèles de demande fluctuants, explique Singleton. "Ajuster les horaires de travail pour augmenter les ressources pendant les pics, tout en planifiant la maintenance des équipements/actifs pendant les creux, permet aux entreprises de maximiser l'efficacité et de réduire les coûts opérationnels", dit-il.

Et le troisième domaine est la prise de décision sur le chemin d'exécution des commandes. "Les clients s'attendent à ce que les chaînes d'approvisionnement soient plus flexibles et centrées sur le client que jamais, avec de multiples voies pour que les produits atteignent le client final", déclare Singleton. Les organisations doivent équilibrer une multitude de facteurs, y compris les attentes en matière de service, les coûts de transport et d'exécution et les niveaux de stock, pour déterminer la meilleure méthode d'exécution des commandes. dit Singleton.

Exploitez les données en temps réel pour faire face aux perturbations

Alors que la taille et la complexité des chaînes d'approvisionnement augmentent à l'échelle mondiale, il devient de plus en plus difficile de gérer et de répondre aux fluctuations de la chaîne d'approvisionnement, déclare Abel.

"Les points de données évoluant rapidement, l'analyse et la prise de décision sont souvent basées sur des informations obsolètes et encore exacerbées par le temps nécessaire pour analyser efficacement les données", déclare Abel. "Pour y parvenir avec succès, les responsables de la chaîne d'approvisionnement doivent développer des systèmes de planification simultanés qui optimisent la demande et l'offre en utilisant des analyses avancées et une visibilité en temps réel sur l'ensemble de la chaîne d'approvisionnement."

Historiquement, les mises à jour étaient basées sur une période spécifique et partagées. peut-être tous les jours ou toutes les heures, dit Abel. « Mais aujourd'hui, cela ne suffit pas », dit-il. "La demande et l'offre fluctuent constamment, il est donc préférable d'avoir des intégrations de système avec les principaux fournisseurs afin d'obtenir des mises à jour en temps réel."

Si quelque chose change chez un fournisseur, les organisations doivent immédiatement comprendre l'impact potentiel afin qu'elles puissent faire plans alternatifs pour maintenir les engagements envers les clients. "L'utilisation d'analyses avancées sur les flux de données en temps réel permet à ceux qui gèrent la chaîne d'approvisionnement de modéliser et d'évaluer rapidement les impacts des perturbations potentielles, afin qu'ils puissent planifier et exécuter les fluctuations de la demande, de l'offre et des stocks", déclare Abel.

Ces informations peuvent également être utilisées pour comprendre les impacts potentiels des contraintes de la chaîne d'approvisionnement sur les prévisions de revenus, déclare Abel. La visibilité en temps quasi réel des données telles que les réservations, les expéditions, les niveaux de stock, les engagements des fournisseurs, les remises et les opportunités de vente du pipeline – ainsi que l'analyse en temps réel de ces données – est devenue essentielle à la capacité d'une organisation à surveiller et à gérer les revenus. prévisions.

En utilisant des analyses et une automatisation avancées, "ces entrées de données variables peuvent être utilisées pour créer des modèles de suivi qui permettent aux équipes de la chaîne d'approvisionnement de réagir aux changements en temps quasi réel, de développer des imprévus et de fournir une prévision de revenus plus prévisible », déclare Abel.

Mettre l'accent sur la gouvernance et la qualité des données

Le vieil adage sur l'information, "garbage in, garbage out", s'applique certainement aux données de la chaîne d'approvisionnement, déclare Mark Korba, vice-président de la chaîne d'approvisionnement et de l'intelligence d'affaires chez Optimas Solutions, un fabricant et distributeur de fixations.

« Il est important de valider les données, d'autant plus qu'elles proviennent de diverses sources », y compris les systèmes de gestion des stocks des clients. tems, applications de planification de la demande, logiciels de fournisseurs et autres, explique Korba. "Souvent, les données ne sont pas cohérentes ou gérées de la même manière sur tous les systèmes, et manquent donc d'intégrité." « Un programme de gouvernance garantit que les données sont correctement alignées et renforce la collaboration entre les partenaires de la chaîne d'approvisionnement », dit-il. "Il existe de nombreuses informations publiques sur la mise en place de programmes de gouvernance des données."

L'analyse comparative de la chaîne d'approvisionnement d'une entreprise par rapport à des données connues est particulièrement importante, déclare Korba. « Chez Optimas Solutions, nos équipes de la chaîne d'approvisionnement comparent leurs performances à celles de leurs concurrents », dit-il. "Ils examinent les moyennes du secteur et glanent des informations qui aideront à améliorer la capacité de l'entreprise à répondre à la demande."

Rendre l'analyse de la chaîne d'approvisionnement largement disponible

SCM implique plusieurs facettes de l'organisation, de sorte que les capacités d'analyse doivent être partagées généreusement.[19659002] "Permettez à toutes les personnes impliquées dans la chaîne d'approvisionnement d'obtenir facilement les données et les outils dont elles ont besoin", déclare Arthur Hu, vice-président senior et CIO chez le fournisseur de matériel informatique Lenovo. "Cela nécessite d'abord de briser tous les" silos d'informations "et d'établir un système d'information intégré de bout en bout."

Cela signifie également tirer parti d'outils tels que l'apprentissage automatique et l'intelligence artificielle pour tirer pleinement parti d'un tel système, dit Hu. "Lorsque ce type de système est en place, les responsables et les opérateurs en amont et en aval de la chaîne d'approvisionnement peuvent optimiser ses performances."

Il est également important de se rappeler que les cas d'utilisation de l'analyse de la chaîne d'approvisionnement ne connaissent pas les frontières des départements. "Les équipes ont tendance à se concentrer sur les données facilement disponibles au sein de leur organisation", déclare Hu. « Ce faisant, ils peuvent passer à côté de toutes les données nécessaires pour vraiment avoir un aperçu d'un problème. En tant que plate-forme critique qui touche plusieurs parties de l'entreprise, la chaîne d'approvisionnement doit être gérée dans une perspective holistique. »

Par exemple, dans la gestion de la qualité des produits, une équipe doit avoir accès non seulement à l'usine " configuration et métriques, mais aussi aux données de développement de produits, aux données des fournisseurs de composants et aux données de retour des clients, dit Hu. Tout cela pris ensemble crée une image multidimensionnelle de ce qui génère des résultats de qualité, dit-il. se préparent au succès et génèrent des rendements à long terme qui améliorent leurs résultats », déclare Stanislav Tatarzuk, vice-président de la planification et des prévisions des stocks chez la société de commerce électronique CarParts.com.

Les informations sur les données « peuvent offrir différents niveaux de valeur à différentes équipes et les départements », dit Tatarzuk. "Par exemple, une équipe logistique peut utiliser des données pour découvrir des goulots d'étranglement et accroître l'efficacité de son entrepôt ou de son centre de distribution, tandis qu'un service financier peut examiner les mêmes données et identifier des moyens de rationaliser les coûts et de réduire les dépenses."

Ce Le niveau de partage des connaissances au sein d'une organisation réduit non seulement le risque global, mais permet également d'améliorer la prise de décision et les performances, déclare Tatarzuk.