Was sind Supply-Chain-Analysen?

Analysen bieten die Möglichkeit, datengesteuerte Entscheidungen auf Basis einer Zusammenfassung relevanter, vertrauenswürdiger Daten zu treffen. Dabei kommen häufig Visualisierungen in Form von Grafiken, Diagrammen und anderen Methoden zur Anwendung. In Lieferketten werden in der Regel enorme Datenmengen generiert. Supply-Chain-Analysen helfen, Aussagekraft in diese Daten zu bringen, Muster aufzudecken und Erkenntnisse zu generieren.

Es gibt verschiedene Arten der Supply-Chain-Analyse:

  • Deskriptive Analyse. Diese Analyseform bietet Transparenz und eine zentrale Wissensressource in der gesamten Lieferkette sowohl für interne als auch externe Systeme und Daten.
  • Prädiktive Analyse. Diese Analyseform hilft Unternehmen, das wahrscheinlichste Ergebnis oder das künftige Szenario und dessen geschäftliche Auswirkungen zu verstehen. Mithilfe von Vorhersageanalysen können Sie beispielsweise Unterbrechungen und Risiken projizieren und abmildern.
  • Präskriptive Analyse. Diese Analyseform hilft bei der Lösung von Problemen und verbessert die Zusammenarbeit, um einen maximalen geschäftlichen Nutzen zu erzielen. Darüber hinaus verbessert sie die Zusammenarbeit mit logistischen Partnern, um Zeit- und Arbeitsaufwand für die Minimierung von Unterbrechungen zu reduzieren.
  • Kognitive Analyse. Diese Analyseform hilft Unternehmen, komplexe Fragen in natürlicher Sprache zu beantworten – in der Art und Weise, wie eine Person oder ein Team auf eine Frage antworten könnte. Diese Analyse unterstützt Unternehmen auch dabei, einen komplexen Fehler/ein komplexes Problem im Detail zu durchdenken, wie zum Beispiel die Fragestellung „Wie können wir X verbessern oder optimieren?“.

Supply-Chain-Analysen bilden die Grundlage für die Anwendung kognitiver Technologien wie künstliche Intelligenz (KI) auf den Supply-Chain-Prozess. Kognitive Technologien verstehen, folgern, lernen und interagieren wie ein Mensch, jedoch mit enormer Kapazität und Geschwindigkeit.

Diese fortschrittliche Form der Supply-Chain-Analyse läutet eine neue Ära der Supply-Chain-Optimierung ein. Mit dieser Analyseform können automatisch große Datenmengen durchsucht werden. So können Unternehmen Prognosen verbessern, Ineffizienzen erkennen, besser auf Kundenanforderungen reagieren, Innovationen vorantreiben und bahnbrechende Ideen verfolgen.

Warum sind Supply-Chain-Analysen wichtig?

Supply-Chain-Analysen können einem Unternehmen helfen, intelligentere, schnellere und effizientere Entscheidungen zu treffen. Die Lösung bietet folgende Vorteile:

  • Sichtbarer Return-on-Investment. Eine aktuelle Gartner-Studie kam zu dem Ergebnis, dass 29 Prozent der befragten Unternehmen durch den Einsatz von Analysen einen hohen ROI erzielten. Nur vier Prozent gaben an, keinen ROI erzielt zu haben.⁴    
  • Risiken besser verstehen. Supply-Chain-Analysen können helfen, bekannte Risiken zu identifizieren und zukünftige Risiken durch Muster und Trends in der gesamten Lieferkette vorherzusagen.
  • Mehr Genauigkeit bei der Planung. Durch die Analyse von Kundendaten können Supply-Chain-Analysen einem Unternehmen helfen, zukünftige Nachfragen besser vorherzusagen. Solche Analysen helfen Unternehmen bei der Entscheidung, welche Produkte reduziert werden können, wenn sie weniger rentabel werden, oder beim Verständnis, welche Anforderungen Kunden nach der Erstbestellung haben.
  • Realisierung der schlanken Lieferkette. Unternehmen können mit Supply-Chain-Analysen Warenlagerprozesse, Reaktionen von Partnern und Kundenanforderungen überwachen und so fundiertere Entscheidungen treffen.
  • Vorbereiten auf die Zukunft. Unternehmen bieten nun auch erweiterte Analysen für das Supply-Chain-Management. Über erweiterte Analysen können strukturierte und unstrukturierte Daten verarbeitet werden. So haben Unternehmen die Möglichkeit, Alerts rechtzeitig zu erhalten und optimale Entscheidungen zu treffen. Über diese Analysen können Korrelationen und Muster zwischen verschiedenen Quellen erkannt und auf dieser Basis Alerts ausgegeben werden. Dadurch lassen sich Risiken ohne großen Kostenaufwand und mit weniger Auswirkungen auf die Nachhaltigkeit minimieren.

Da Technologien wie KI bei Supply-Chain-Analysen immer mehr Anwendung finden, können Unternehmen von zahlreichen weiteren Vorteilen profitieren. Informationen, die bisher aufgrund der Einschränkungen bei der Analyse natürlicher Sprache nicht verarbeitet wurden, können nun in Echtzeit analysiert werden. Durch die KI können Daten aus unterschiedlichen Quellen, Silos und Systemen schnell und umfassend gelesen, verstanden und korreliert werden. Zudem können mithilfe der KI auch Echtzeitanalysen basierend auf der Interpretation der Daten erfolgen. Unternehmen stehen dadurch deutlich umfassendere Informationen zur Lieferkette zur Verfügung. Daraus ergeben sich Vorteile wie mehr Effizienz, höhere Ausfallsicherheit und Unterstützung neuer Geschäftsmodelle.

Die Entwicklung der Supply-Chain-Analyse

In der Vergangenheit beschränkte sich die Supply-Chain-Analyse meistens auf statistische Analysen und quantifizierbare Leistungsindikatoren für die Bedarfsplanung und -prognose. Daten wurden in Spreadsheets gespeichert, die von verschiedenen Beteiligten der Lieferkette stammten.

In den 1990er Jahren führten Unternehmen Systeme für den elektronischen Datenaustausch (EDI) und ERP-Systeme (Enterprise Resource Planning) ein, um Informationen zwischen den Supply-Chain-Partnern zu verbinden und auszutauschen. Diese Systeme vereinfachten den Zugang zu Daten für Analysezwecke und unterstützten Unternehmen bei Entwurf, Planung und Prognose.

In den 2000er Jahren begannen die Unternehmen, sich auf Business-Intelligence- und Predictive-Analytics-Softwarelösungen zu konzentrieren. Diese Lösungen halfen den Unternehmen, ein umfassenderes Wissen zum Leistungsverhalten ihrer Supply-Chain-Netzwerke zu gewinnen, bessere Entscheidungen zu treffen und ihre Netzwerke zu optimieren.

Die Herausforderung besteht heute darin, wie Unternehmen die riesigen Datenmengen, die in ihren Supply-Chain-Netzwerken generiert werden, am besten nutzen können. Stand 2017 wurden in einer typischen Lieferkette 50-mal mehr Daten abgerufen als vor fünf Jahren¹. Allerdings wurde weniger als ein Viertel dieser Daten auch analysiert. Während etwa 20 Prozent aller Supply-Chain-Daten strukturiert sind und leicht analysiert werden können, sind 80 Prozent dieser Daten unstrukturierte oder ungenutzte Daten². Unternehmen suchen heute nach Möglichkeiten, wie sie diese ungenutzten Daten am besten analysieren können.

Studien nennen kognitive Technologien oder künstliche Intelligenz als die nächste Stufe bei der Supply-Chain-Analyse. KI-Lösungen gehen über die Informationsaufbewahrung und Prozessautomatisierung hinaus. KI-Software ist in der Lage, wie ein Mensch zu denken, folgern und lernen. Die KI kann zudem enorme Mengen an Daten und Informationen verarbeiten – strukturierte und unstrukturierte Daten – und innerhalb kürzester Zeit Auswertungen und Analysen dieser Informationen zur Verfügung stellen.

IDC schätzt, dass bis zum Jahr 2020 50 Prozent aller Business-Software in irgendeiner Form Cognitive-Computing-Funktionen beinhalten werden³. Die KI bietet nicht nur eine Plattform, um Daten system- und quellenübergreifend zu korrelieren und interpretieren. Sie ermöglicht Unternehmen auch, Supply-Chain-Daten und -Wissen in Echtzeit zu analysieren. In Verbindung mit neuen Blockchain-Technologien können Unternehmen in Zukunft Ereignisse proaktiv vorhersagen.

Hauptmerkmale einer effektiven Supply-Chain-Analyse

Die Lieferkette ist für Kunden und Verbraucher das offensichtlichste Gesicht des Unternehmens. Je besser ein Unternehmen Supply-Chain-Analysen durchführen kann, desto besser kann es seinen Unternehmensruf schützen und eine langfristige Nachhaltigkeit sicherstellen.
Simon Ellis von IDC definiert in The Thinking Supply Chain die fünf „Cs“ der effektiven Supply-Chain-Analyse der Zukunft:

  • Connected (Vernetzt). Das heißt, Zugriff auf unstrukturierte Daten aus sozialen Medien, strukturierte Daten aus dem Internet der Dinge (IoT) und traditionelle Datensätze, die über konventionelle ERP- und B2B-Integrationstools verfügbar sind.
  • Collaborative (Bereichsübergreifend). Die Verbesserung der Zusammenarbeit mit Lieferanten bedeutet zunehmend, dass cloudbasierte Commerce-Netzwerke verwendet werden, um Zusammenarbeit und Einbindung über mehrere Unternehmen hinweg zu ermöglichen.
  • Cyber-aware (Cyber-orientiert). In der Lieferkette müssen die Systeme gegen Eindring- und Hacker-Versuche geschützt werden. Dies sollte jedem im Unternehmen bewusst sein.
  • Cognitively enabled (Offen für kognitive Technologien). Die KI-Plattform wird zum zentralen Kontrollinstrument der modernen Lieferkette, indem über sie Entscheidungen und Aktionen über die gesamte Lieferkette zusammengeführt, koordiniert und geleitet werden. Der größte Teil der Lieferkette ist automatisiert und selbstlernend.
  • Comprehensive (Umfassend). Analysefunktionen müssen zusammen mit den Daten in Echtzeit skaliert werden. Die daraus ermittelten aussagekräftigen Informationen sind umfassend und schnell verfügbar. Latenzen sind in der Lieferkette der Zukunft nicht mehr akzeptabel.

In den heutigen Supply-Chain-Netzwerken setzt eine effektive Analyse die Fähigkeit voraus, kundenorientierter zu denken – schnelle Reaktion bei gleichzeitig hoher Genauigkeit und Integrität. Unternehmen suchen nach Supply-Chain-Analyse-Lösungen, die sehr schnell riesige Datenmengen aus unterschiedlichen Datenquellen, wie unstrukturierte Daten und Daten auf Basis natürlicher Sprache analysieren können. Zudem müssen Supply-Chain-Analysen die steigende Anzahl von Supply-Chain-Variablen vorhersagen können – einschließlich externer Faktoren wie Wetter, Krieg, Arbeitskräfte und Vorschriften.

Software für Supply-Chain-Analysen verwenden

Da Supply-Chain-Analysen sehr kompliziert sind, wurden viele Arten von Softwarelösungen entwickelt, um die Supply-Chain-Leistung zu optimieren. Die Softwareprodukte decken das gesamte Spektrum ab – von der zeitnahen Bereitstellung präziser Supply-Chain-Informationen bis zur Überwachung der Verkäufe.

IBM hat zum Beispiel viele Softwareprodukte entwickelt, die die Effektivität der Supply-Chain-Analyse steigern sollen. Bei einigen dieser Softwareprodukte kommen sogar KI-Technologien zum Einsatz. Mithilfe der KI-Funktionalität kann die Supply-Chain-Software tatsächlich einen sich ständig verändernden Produktionsfluss erlernen und den Bedarf an Änderungen vorwegnehmen. Die IBM Produkte weisen folgende Merkmale auf:

IBM Sterling Supply Chain Insights mit Watson

Nutzung von KI-Funktionalität, damit Unternehmen den so genannten „Data Noise“ unterbinden und ausreichende Erkenntnisse erhalten, um auf fundierten Erkentnnissen schneller agieren zu können.

Schneller Einstieg in Watson Supply Chain

Ein agiles Workshop-Projekt, um mit KI-Unterstützung die Journey eines Unternehmens zu einer effektiven Lieferkette zu beschleunigen.

IBM Sterling Supply Chain Business Network

Unternehmen können alle relevanten Transaktionen in einem einzigen Dashboard sehen. Die Software kann ohne IT-Einbindung Probleme schnell ermitteln und bewerten, sodass die Problemlösung in Minuten statt Stunden erfolgen kann.

IBM Planning Analytics

Unterstützung von Unternehmen bei der Automatisierung von Planungs-, Budgetierungs-, Prognose- und Analyseprozessen, um mehr Effizienz zu erzielen und zeitnah zuverlässige Pläne zu erstellen.

Fallstudien und Blogs zur Supply-Chain-Analyse

Lenovo nutzt IBM Sterling Supply Chain Insights mit Watson

Lenovo

Reduzierung der durchschnittlichen Reaktionszeiten bei Lieferkettenunterbrechungen von Tagen auf Minuten – bis zu 90 Prozent schneller als bisher.

Datenanalysen für eine intelligentere Lieferkette

Datenanalyse

Wie können Sie Datenanalysen nutzen, um Ihre Prozesse und Ergebnisse zu verbessern?

Ressourcen

Quelle

1. „The path to a thinking supply chain, Simon Ellis, John Santagate, IDC Technology Spotlight, August 2018 (PDF, 1.2 MB)

2. „The AI journey: Artificial intelligence and the supply chain, IBM Watson Supply Chain

3. „Creating a thinking supply chain for the cognitive era“, Matt McGovern, Watson Customer Engagement, 27. März 2017

4. „Why supply chain analytics is a must have, Christy Pettey, Gartner, 14. Mai 2015