Что представляет собой аналитика цепочки поставок?

Аналитика — это способность принимать решения исходя из данных, на основе совокупности релевантных и надежных данных, зачастую с применением средств визуализации, например графиков или диаграмм. Как правило, цепочки поставок генерируют гигантские объемы данных. Аналитика цепочки поставок помогает осмысливать эти данные, выявлять закономерности и извлекать знания.

Существует несколько типов аналитики цепочки поставок:

  • Описательная аналитика. Обеспечивает прозрачность и наличие единого источника достоверной информации по всей цепочке поставок, включая внутренние и внешние системы и данные.
  • Прогнозная аналитика. Помогает организации прогнозировать наиболее вероятный исход будущего развития событий и его последствия для бизнеса. Например, прогнозная аналитика помогает прогнозировать и устранять помехи и риски.
  • Предписывающая аналитика. Помогает организациям решать проблемы и сотрудничать для получения максимальной отдачи. Помогает организациям сотрудничать с партнерами по логистике для сокращения затрат времени и усилий на устранение помех.
  • Когнитивная аналитика. Помогает организации найти ответы на сложные вопросы на естественном языке — так, как на эти вопросы ответил бы человек или группа людей. Данное решение помогает обдумывать сложные вопросы и проблемы, например «Как улучшить или оптимизировать Х?».

Аналитика цепочки поставок лежит в основе применения когнитивных технологий, например искусственного интеллекта (ИИ), к процессам цепочки поставок. Когнитивные технологии мыслят, аргументируют, учатся и взаимодействуют подобно человеку, но при этом обладают огромным объемом ресурсов и скоростью.

Эта расширенная форма аналитики преображает оптимизацию цепочек поставок. Появляется возможность автоматического анализа больших объемов данных для оптимизации прогнозирования, выявления неэффективных процессов, повышения эффективности реагирования на потребности заказчиков, ускорения инноваций и реализации революционных идей.

Чем обусловлена важность аналитики цепочки поставок?

Аналитика цепочки поставок помогает организациям в принятии более продуманных, быстрых и эффективных решений. В число ее достоинств входит способность решать следующие задачи:

  • Значительное повышение рентабельности инвестиций. В ходе недавнего опроса Gartner представители 29% опрошенных организаций заявили, что аналитика обеспечила высокую рентабельность инвестиций, и только 4% не отметили роста рентабельности.
  • Более четкое понимание рисков. Аналитика помогает выявить известные риски и прогнозировать будущие риски путем выявления закономерностей и тенденций в цепочке поставок.
  • Повышение точности планирования. Анализ данных о клиентах помогает организациям лучше прогнозировать будущий спрос. Организациям становится проще определить, производство каких продуктов можно сократить, когда эти продукты становятся менее прибыльными, а также узнать будущие потребности клиентов после начального заказа.
  • Формирование бережливой цепочки поставок. Организации могут пользоваться аналитикой цепочки поставок для мониторинга запасов, действий партнеров и потребностей клиентов для принятия более обоснованных решений.
  • Подготовка к будущему. Сегодня можно пользоваться расширенной аналитикой для управления цепочкой поставок. Расширенная аналитика помогает в обработке структурированных и неструктурированных данных и получении своевременных предупреждений, необходимых для принятия оптимальных решений. У организаций появляется возможность определять корреляцию и закономерности данных из различных источников и пользоваться системой предупреждений для минимизации рисков с минимальными затратами и минимальным влиянием на устойчивость бизнеса.

По мере распространения таких технологий, как ИИ, в аналитике цепочки поставок, компании могут получить множество других преимуществ. Информацию, которая ранее не подлежала обработке из-за ограничений в сфере анализа естественного языка, теперь можно анализировать в реальном времени. ИИ может быстро и в полном объеме читать, понимать и сопоставлять данные из разных источников, приемников и систем. Затем он может проводить анализ в реальном времени, опираясь на интерпретацию данных. Организации будут располагать значительно более богатой информацией о цепочке поставок. Они могут стать более эффективными и избегать помех, а также внедрять новые модели бизнеса.

Эволюция аналитики цепочки поставок

В прошлом аналитика цепочки поставок в основном ограничивалась статистическим анализом и расчетом количественных показателей в целях планирования и прогнозирования спроса. Данные хранились в электронных таблицах, полученных от разных участников цепочки поставок.

В 1990-х годах компании начали осваивать системы электронного обмена данными (EDI) и управления ресурсами предприятия (ERP) для обеспечения связи и обмена информацией между партнерами по цепочке поставок. Эти системы упрощали доступ к данным для анализа и помогали организациям в проектировании, планировании и прогнозировании.

В 2000-х годах организации начали пользоваться решениями для управленческой аналитики и предсказательного анализа. Эти решения помогали углублять понимание показателей сетей цепочек поставок, повышать эффективность принятия решений и оптимизировать эти сети.

Сегодня встает вопрос о том, как лучше всего пользоваться огромными объемами данных, создаваемыми в сетях цепочек поставок. В 2018 году в типичной цепочке поставок было в 50 раз больше данных, чем всего за 5 лет до этого¹. При этом анализировалось менее четверти от общего объема данных. Тогда как 20% данных в цепочках поставок структурированы и легко поддаются анализу, оставшиеся 80% приходятся на неструктурированные и темные данные². Сегодня организации ищут оптимальные способы анализа темных данных.

Результаты исследований свидетельствуют о том, что когнитивные технологии и искусственный интеллект станут новым рубежом аналитики цепочки поставок. Возможности решений на основе ИИ не ограничиваются хранением информации и автоматизацией процессов. Программное обеспечение с ИИ может думать, рассуждать и учиться по образу и подобию человека. ИИ может обрабатывать колоссальные объемы данных и информации, включая структурированные и неструктурированные данные, и мгновенно обобщать и анализировать их.

По оценке IDC, к 2020 году 50% программного обеспечения для бизнеса будет использовать когнитивные возможности.³ ИИ не только предлагает мощную платформу для сопоставления и интерпретации данных из различных систем и источников, но также дает организациям возможность анализировать информацию из цепочки поставок в реальном времени. В связке с перспективными технологиями блокчейна это позволит компаниям будущего прогнозировать и предсказывать события.

Основные возможности эффективной аналитики цепочки поставок

Цепочка поставок — это самый заметный для клиентов и потребителей аспект бизнеса. Чем эффективнее будет аналитика цепочки поставок, тем лучше компания сможет защищать свою репутацию и долгосрочную устойчивость бизнеса.
Саймон Эллис (IDC) в материале Умная цепочка поставок рассказывает о пяти важных аспектах перспективной аналитики цепочки поставок:

  • Взаимосвязанность. Наличие доступа к неструктурированным данным из социальных сетей, структурированным данным Интернета вещей (IoT) и традиционным наборам данных в системах ERP и B2B.
  • Коллективная работа. Повышение эффективности сотрудничества с поставщиками все чаще требует коллективной работы и взаимодействия организаций в облачных сетях.
  • Киберосведомленность. В цепочке поставок должна быть усилена защита систем от взлома и хакеров. Эту задачу необходимо решать на уровне всей организации.
  • Когнитивные технологии. Платформа ИИ становится современным командно-диспетчерским пунктом цепочки поставок и обеспечивает объединение, координацию и реализацию решений и операций в масштабах всей цепочки. Значительная часть цепочки поставок автоматизирована и способна самообучаться.
  • Полноценность. Аналитические возможности необходимо масштабировать вместе с данными в реальном времени. Информация должна поступать быстро и в полном объеме. Задержки будут неприемлемы в цепочке поставок будущего.

В современных цепочках поставок для эффективной аналитики нужна клиентоориентированность — способность быстрого реагирования с высокой точностью и надежностью. Предприятия заинтересованы в аналитических решениях для цепочки поставок, способных быстро обрабатывать огромные объемы данных из разнообразных источников, включая неструктурированные данные и данные на основе естественного языка. Наконец, аналитика цепочки поставок должна обеспечивать прогнозирование растущего количества переменных, включая воздействие внешних факторов: погоды, военных конфликтов, рабочих и правовых норм.

Использование программного обеспечения для анализа цепочки поставок

Усложнение аналитики цепочки поставок привело к появлению разнообразного программного обеспечения для повышения ее эффективности. Программные продукты помогают решать широкий спектр вопросов — от обеспечения своевременного получения точной информации до мониторинга продаж.

Например, IBM разработала много продуктов для повышения эффективности аналитики цепочки поставок, и в некоторых из этих продуктов применяются технологии ИИ. Возможности ИИ дают программному обеспечению возможность изучать постоянно меняющиеся производственные процессы и прогнозировать потребность в изменениях. Продукты IBM:

IBM Sterling Supply Chain Insights with Watson

Пользуется возможностями ИИ для удаления шума и получения ценной информации, помогающей действовать быстрее и более надежно.

Watson Supply Chain Fast Start

Гибкая услуга по ускорению интеграции ИИ в цепочку поставок компании.

IBM Sterling Supply Chain Business Network

Дает компаниям возможность видеть все транзакции на единой панели мониторинга. Данное программное обеспечение помогает выявлять, оценивать и устранять проблемы за считанные минуты.

IBM Planning Analytics

Помогает автоматизировать планирование, составление бюджетов, прогнозирование и анализ процессов для повышения эффективности и своевременной подготовки надежных планов.

Примеры проектов и блоги об аналитике цепочки поставок

Lenovo использует IBM Sterling Supply Chain Insights with Watson

Lenovo

Среднее время реагирования на аномалии в цепочке поставок сократилось с нескольких дней до считанных минут — на 90%.

Аналитика данных для создания умной цепочки поставок

Аналитика данных

Как пользоваться аналитикой данных для оптимизации деятельности компании и коммерческих результатов?

Ресурсы

Источники информации

1. «The path to a thinking supply chain», Simon Ellis, John Santagate, IDC Technology Spotlight, август 2018 (PDF; 1,2 МБ)

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, 27.03.2017

4. «Why supply chain analytics is a must have», Christy Pettey, Gartner, 14.05.2015