Cos'è l'analytics della supply chain?

L'analytics rappresenta la capacità di prendere decisioni dettate dai dati, in base a un riepilogo di dati pertinenti e attendibili, spesso usando la visualizzazione sotto forma di grafici e altri mezzi. Le supply chain solitamente generano enormi quantità di dati. L'analytics della supply chain aiuta a dare un senso a tutti questi dati - scoprendo schemi e generando insight.

Esistono vari tipi di analytics della supply chain tra cui:

  • Analytics descrittiva. Fornisce visibilità e un'unica fonte di informazioni attendibili in tutta la supply chain, per i sistemi e i dati sia interni che esterni.
  • Analytics predittiva. Aiuta un'organizzazione a comprendere i risultati più probabili o gli scenari futuri e le relative implicazioni sul business. Ad esempio, utilizzando l'analytics predittiva si possono prevedere e mitigare le interruzioni e i rischi.
  • Analytics prescrittiva. Aiuta le organizzazioni a risolvere i problemi e a collaborare per ottenere il massimo valore di business. Aiuta le aziende a collaborare con i partner di logistica per ridurre i tempi e gli sforzi necessari per ridurre le interruzioni.
  • Analytics cognitiva. Aiuta un'organizzazione a rispondere a domande complesse in linguaggio naturale - nello stesso modo in cui una persona o un team di persone potrebbe rispondere ad una domanda. Assiste le aziende nel pensare a come risolvere problemi complessi, ad esempio “Come potremmo migliorare o ottimizzare X?”

L'analytics della supply chain è anche la base per l'applicazione di tecnologie cognitive, come l'intelligenza artificiale (AI), al processo della supply chain. Le tecnologie cognitive capiscono, ragionano, imparano e interagiscono come un umano, ma a un livello di capacità e velocità elevato.

Questa forma avanzata di analytics della supply chain si sta radicando nella nuova era dell'ottimizzazione della supply chain. Può vagliare automaticamente grandi quantità di dati per aiutare un'organizzazione a migliorare le previsioni, identificare le inefficienze, rispondere meglio alle esigenze del cliente, promuovere l'innovazione e portare avanti idee rivoluzionarie.

Perché l'analytics della supply chain è importante?

L'analytics della supply chain può aiutare un'organizzazione a prendere decisioni più intelligenti, rapide ed efficaci. I vantaggi includono la possibilità di:

  • Ottenere un ROI (return on investment) significativo. Un recente sondaggio di Gartner ha rivelato che il 29% delle organizzazioni intervistate ha detto di aver raggiunto alti livelli di ROI utilizzando l'analytics, rispetto solo al 4% che non ha ottenuto alcun ROI.
  • Migliorare la comprensione dei rischi. L'analytics della supply chain può identificare i rischi noti e contribuire a predire i rischi futuri individuando schemi e andamenti in tutta la supply chain.
  • Aumentare l'accuratezza nella pianificazione. Analizzando i dati del cliente, l'analytics della supply chain può aiutare un'azienda a prevedere meglio la domanda futura. Aiuta un'organizzazione a decidere quali prodotti possono essere ridotti quando diventano meno redditizi o a capire quali saranno le esigenze del cliente dopo l'ordine iniziale.
  • Ottenere una supply chain snella. Le aziende possono utilizzare l'analytics della supply chain per monitorare il magazzino, le risposte del partner e le esigenze dei clienti per prendere decisioni più informate.
  • Prepararsi al futuro. Le aziende attualmente offrono l'analytics avanzata per la gestione della supply chain. L'analytics avanzata può elaborare sia i dati strutturati che quelli non strutturati per dare alle organizzazioni la possibilità di ricevere avvisi al momento giusto per prendere decisioni ottimali. Può creare correlazioni e schemi tra le diverse fonti per fornire avvisi che riducano i rischi a basso costo e con un impatto minore sulla sostenibilità.

Man mano che le tecnologie come l'AI diventano più comuni nell'analytics della supply chain, le aziende possono constatare gli enormi vantaggi che ne derivano. Le informazioni non elaborate in precedenza a causa delle limitazioni nell'analisi dei dati in linguaggio naturale, ora possono essere analizzate in tempo reale. L'AI può leggere, comprendere e correlare i dati provenienti da fonti, silos e sistemi differenti rapidamente e in modo esauriente. Può quindi fornire un'analisi in tempo reale basata sull'interpretazione dei dati. Le aziende disporranno di un'intelligence della supply chain di gran lunga più ampia. Possono diventare più efficienti ed evitare le interruzioni - supportando contemporaneamente nuovi modelli di business.

Evoluzione dell'analytics della supply chain

In passato, l'analytics della supply chain è stata limitata per lo più ad analisi statistiche e a indicatori di prestazioni quantificabili per la pianificazione e la previsione della domanda. I dati venivano memorizzati in fogli di calcolo che provenivano da diversi partecipanti nella supply chain.

Negli anni '90, le aziende adottavano sistemi EDI (Electronic Data Interchange) e ERP (Enterprise Resource Planning) per collegare e scambiare informazioni tra i partner della supply chain. Questi sistemi fornivano un accesso più facile ai dati per l'analisi, oltre ad assistere le aziende nella progettazione, pianificazione e previsione.

Negli anni duemila, le aziende hanno iniziato a passare a soluzioni di software di analytics predittiva e business intelligence. Queste soluzioni hanno aiutato le aziende ad acquisire una conoscenza più approfondita su come funzionavano le loro reti di supply chain, su come prendere decisioni migliori e su come ottimizzare le reti.

La sfida oggi consiste nel conoscere in che modo le aziende possono utilizzare al meglio le enormi quantità di dati generate nelle loro reti di supply chain. Solo nel 2017, una supply chain tipica accedeva a una quantità di dati 50 volte superiore a quella di soli cinque anni prima.¹ Tuttavia, meno di un quarto di questi dati veniva analizzato. Inoltre, mentre circa il 20% di tutti i dati della supply chain è strutturato e può essere facilmente analizzato, l'80% dei dati della supply chain non è strutturato o è oscuro.² Le organizzazioni moderne cercano delle soluzioni per analizzare meglio questi dati oscuri.

Gli studi puntano sulle tecnologie cognitive o sull'intelligenza artificiale come la nuova frontiera nell'analytics della supply chain. Le soluzioni AI vanno oltre la conservazione delle informazioni e all'automazione dei processi. Il software AI può pensare, ragionare e imparare in modo umano. L'AI può anche elaborare enormi quantità di dati e informazioni - sia dati strutturati che non strutturati - e fornire riepiloghi e analisi di tali informazioni in un istante.

IDC stima che entro il 2020, il 50% di tutto il software di business includerà alcune funzionalità di cognitive computing.³ L'AI non solo fornisce una piattaforma per correlare e interpretare in modo eccezionale i dati provenienti da vari sistemi e fonti - permette anche alle organizzazioni di analizzare i dati della supply chain e l'intelligence in tempo reale. In combinazione con le emergenti tecnologie di blockchain, le aziende in futuro saranno in grado di prevedere proattivamente gli eventi.

Funzioni chiave per un'analytics della supply chain efficace

La supply chain è l'aspetto più evidente del business per i clienti e i consumatori. Più un'azienda è in grado di eseguire l'analytics della supply chain e più riesce a proteggere la propria reputazione commerciale e la sostenibilità a lungo termine.
Simon Ellis di IDC in The Thinking Supply Chain identifica le cinque caratteristiche principali per un'analytics della supply chain efficiente in futuro:

  • Connessa. Essere in grado di accedere a dati non strutturati dai social media, ai dati strutturati da Internet of Things (IoT) e dataset più tradizionali disponibili attraverso strumenti di integrazione ERP e B2B tradizionali.
  • Collaborativa. Migliorare la collaborazione con i fornitori, aumentando l'uso di reti di commercio basate su cloud per consentire la collaborazione e il coinvolgimento multi-aziendale.
  • Pronta agli attacchi informatici. La supply chain deve rafforzare i sistemi contro le intrusioni e gli attacchi informatici, problema che dovrebbe essere affrontato a livello dell'intera azienda.
  • Dotata di capacità cognitive. La piattaforma AI diventa la torre di controllo della supply chain moderna raccogliendo, coordinando e guidando decisioni e azioni in tutta la catena. La maggior parte della supply chain è automatizzata e dotata di funzioni di apprendimento automatico.
  • Completa. Le funzionalità di analytics devono essere scalate con i dati in tempo reale. Gli insight saranno completi e veloci. La latenza è inaccettabile nella supply chain del futuro.

Nelle reti di supply chain moderne, per un'analytics efficace occorre concentrarsi di più sul cliente - rispondendo rapidamente e mantenendo contemporaneamente accuratezza e integrità. Le aziende cercano soluzioni analitiche di supply chain che possano analizzare rapidamente enormi quantità di dati da fonti di dati disparate, compresi i dati non strutturati e basati sul linguaggio naturale. Infine, l'analytics della supply chain deve prevedere un numero crescente di variabili della supply chain - comprese le forze esterne come il tempo, le guerre, i lavoratori e i regolamenti.

Utilizzo del software per l'analytics della supply chain

Poiché l'analytics della supply chain diventa sempre più complicata, sono stati sviluppati molti tipi di software per ottimizzare le prestazioni della supply chain. I prodotti di software coprono l'intera gamma - dalla fornitura di informazioni tempestive e accurate sulla supply chain al monitoraggio delle vendite.

Ad esempio, IBM ha sviluppato molti prodotti di software per aumentare l'efficacia dell'analytics della supply chain, alcuni dei quali utilizzano anche le tecnologie AI. Con le funzionalità AI, il software di supply chain può effettivamente imparare un flusso di produzione sempre fluttuante e può indicare in anticipo la necessità di un cambiamento. I prodotti IBM includono:

IBM Sterling Supply Chain Insights with Watson

Utilizza le funzionalità AI per aiutare un'azienda ad eliminare i dati fuorvianti e a ottenere gli insight per agire con sicurezza più rapidamente.

Watson Supply Chain Fast Start

Un agile workshop per accelerare il percorso di un'azienda verso una supply chain basata sull'AI.

IBM Sterling Supply Chain Business Network

Consente alle aziende di visualizzare tutte le transazioni rilevanti da un unico dashboard. Il software può individuare e valutare rapidamente i problemi, senza coinvolgere l'IT, arrivando così a una risoluzione nel giro di qualche minuto, invece che in ore.

IBM Planning Analytics

Aiuta le aziende ad automatizzare la pianificazione, la determinazione del budget, le previsioni e i processi di analisi per raggiungere l'efficienza e creare piani tempestivi e affidabili.

Case study e blog sull'analytics della supply chain

Lenovo utilizza IBM Sterling Supply Chain Insights with Watson

Lenovo

Riduce il tempo di risposta medio alle interruzioni della supply chain da giorni a minuti - fino al 90% più velocemente che in precedenza.

Analytics dei dati per una supply chain più intelligente

Analisi dati

Come puoi applicare l'analytics dei dati per migliorare le operazioni e i risultati?

Risorse

Fonte

1. “The path to a thinking supply chain,” Simon Ellis, John Santagate, IDC Technology Spotlight, agosto 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 marzo 2017

4. “Why supply chain analytics is a must have,” Christy Pettey, Gartner, 14 maggio 2015