L’applicazione dei nuovi strumenti analitici a supporto di una supply chain estesa
Il paradigma della customer centricity sta provocando impatti di ampia entità sulla supply chain che si è arricchita di nuovi attori, processi da integrare, come l’eCommerce, e nuovi scenari da governare, come l’estensione globale della concorrenza, la volatilità della domanda e l’incremento dei requisiti di conformità a norme interne e legislative. In questo contesto sempre più complesso del mercato diventa importante reagire in modo tempestivo e appropriato agli eventi ed avere il controllo real time dell’intera filiera con attenzione importante all’”ultimo miglio”.
In supply chain sempre più estese e fondate sui principi della collaborazione, anche il tema del magazzino evolve in una vista trasversale: in un certo senso diventa necessario seguire il «lifecycle journey» dei prodotti, che parte dalla realizzazione e si conclude con la vendita al cliente finale, passando «attraverso» i vari magazzini su cui si poggia l’intera supply chain.
La visibilità di ciascun attore della filiera, a monte ed a valle della fase che lo vede coinvolto in ottica molti a molti, e la sua proattività nei processi di gestione ottimizzata delle scorte favoriscono la realizzazione di una supply chain estesa, efficiente, reattiva e collaborativa. Quindi, la visibilità passa da obiettivo a cui tendere a pre-requisto necessario per attuare azioni volte a migliorare la reattività nella gestione di eventi, non previsti o prevedibili, e la fluidità nella collaborazione tra le aziende e il proprio network di business.
Reattività, qualità e tempestività nello scambio delle informazioni tra tutte le parti coinvolte nei processi di supply chain sono elementi fondamentali da governare: la sfida risiede proprio nella capacità di intercettare e organizzare dati provenienti da fonti eterogene e in formati diversi, strutturati e non strutturati.
Molteplici dati non correlati appropriatamente tra di loro fornisco informazioni parziali che rappresentano in modo poco preciso le prestazioni e i livelli di servizio sia ricevuti dai fornitori sia offerti ai clienti.
In altri termini è importante per le aziende saper “interpretare” al meglio il patrimonio dei dati raccolti e memorizzati dai sistemi più diversi. L’analisi dei dati consente di ottenere diversi livelli di rappresentazione della realtà a seconda del tipo di modello di analytics applicato:
- Descriptive Analytics: strumenti che consentono di rappresentare e descrivere, anche con supporto grafico, determinate situazioni attuali, passate o processi in modo sintetico attraverso l’elaborazione di metriche e KPI dei livelli di performance.
- Predictive Analytics: permettono di disegnare scenari futuri sfruttando i risultati di applicazione di tecniche matematiche, come regressione, forecasting e modelli predittivi.
- Prescriptive Analytics: supportano il processo decisionale in quanto forniscono indicazioni strategiche e operative sulla base delle analisi svolte.
- Automated Analytics: capaci di implementare autonomamente l’azione proposta secondo il risultato delle analisi svolte.
L’applicazione dei nuovi strumenti analitici può essere effettuata per singoli processi, come ad esempio nelle soluzioni di demand planning, per stimare con maggiore precisione la previsione della domanda dei clienti, oppure nei processi di replenishment al fine di migliorare la visibilità condividendo i dati sui livelli di inventario con un processo di collaborazione tra clienti e fornitori.
Oltre al singolo processo, possono essere applicati nella gestione “end-to-end” più processi attraverso strumenti di Control Tower, come ad esempio TESI Control Tower. Questi processi comprendono funzionalità di visibility e self-service analytics, nonché proactive analytics (alerting e workflow management): sono un potente strumento di sintesi e governo del processo che raccoglie e sistematizza i dati transazionali consentendo la consultazione e la visualizzazione delle informazioni tramite dashboard, con funzionalità di drill-down e accesso ai dati dei processi operativi ed esecutivi, mappe e grafici, in grado di evidenziare anomalie, problemi e trend, così da fornire informazioni facili da interpretare e orientate a migliorare le performance di conduzione del business.
La diffusione degli analytics è da un lato una risposta alla necessità di prendere decisioni in modo puntuale, dall’altro sta producendo trasformazione che va oltre alla pura tecnologia impattando anche a livello di processi, tecnologia e organizzazione: siamo di fronte a circolo virtuoso di continuous improvement, dove tecnologia e processi si influenzano a vicenda?
