Auparavant, l'analyse de la chaîne d'approvisionnement se limitait principalement à l'analyse statistique et aux indicateurs de performance quantifiables pour la planification et la prévision de la demande. Les données étaient stockées dans des feuilles de calcul provenant de différents participants dans la chaîne d'approvisionnement.
Dans les années 1990, les entreprises ont adopté l'échange de données informatisé (EDI) et les systèmes de planification des ressources de l'entreprise (ERP) pour connecter et échanger des informations entre les partenaires de la chaîne d'approvisionnement. Ces systèmes facilitaient l'accès aux données à des fins d'analyse et permettaient aux entreprises de concevoir, de planifier et de prévoir.
Dans les années 2000, les entreprises ont commencé à se tourner vers les solutions logicielles d'aide à la décision et d'analytique prédictive. Ces solutions leur permettaient d'acquérir une connaissance plus approfondie des performances de leurs réseaux de chaînes d'approvisionnement, à prendre de meilleures décisions et à optimiser leurs réseaux.
Le défi actuel concerne la manière dont les entreprises peuvent utiliser au mieux les énormes quantités de données générées dans leurs réseaux de chaîne d'approvisionnement. En 2017, une chaîne d'approvisionnement type accédait à 50 fois plus de données que cinq ans auparavant.1 Toutefois, moins d'un quart de ces données sont analysées. En outre, si environ 20 % de toutes les données de la chaîne d'approvisionnement sont structurées et peuvent être facilement analysées, 80 % de ses données sont non structurées ou grises.2 Les organisations d'aujourd'hui recherchent les moyens d' analyser le plus efficacement possible ces données grises.
Des études indiquent que les technologies cognitives ou l'intelligence artificielle constituent la prochaine frontière de l'analyse de la chaîne d'approvisionnement. Les solutions d'IA vont au-delà de la conservation de l'information et de l'automatisation des processus. Les logiciels d'IA peuvent réfléchir, raisonner et apprendre d'une manière similaire à celle des êtres humains. L'IA peut également traiter d'énormes quantités de données et d'informations, structurées et non structurées, et fournir des résumés et des analyses de ces informations en un instant.
IDC estime que d'ici 2020, 50 % de tous les logiciels d'entreprise intégreront des fonctions d'informatique cognitive.3 L'IA ne fournit pas seulement une plateforme permettant de corréler et d'interpréter puissamment des données provenant de différents systèmes et sources : elle permet également aux organisations d'analyser les données et les renseignements relatifs à la chaîne d'approvisionnement en temps réel. Couplées aux technologies blockchain émergentes, les entreprises du futur seront en mesure de prévoir et de prédire les événements de manière proactive.