Joe McKendrick er forfatter og uafhængig analytiker.
Fuld biografi Udgivet i Service Oriented den 13. januar 2022 | Emne: Enterprise Software
I en tid, hvor forsyningskæderne er blevet kvalt, er investeringskroner strømmet til intelligente, kunstig intelligens eller analysedrevne løsninger. For eksempel rapporterer The Wall Street Journals Marc Vartabedian i de seneste nyheder, at Project44, der udvikler forsyningskædeanalysesoftware til shipping- og logistikvirksomheder, rejste $420 millioner i en nylig finansieringsrunde, hvilket bringer virksomhedens værdi til $2,2 milliarder. “Venture-investorer forpligtede rekordstore $24 milliarder til forsyningskædeteknologivirksomheder baseret i Nordamerika og Europa gennem tredje kvartal sidste år, et næsten 60% spring fra hele 2020, ifølge analysefirmaet PitchBook Data Inc.”
Foto: Joe McKendrick
Der er meget, som analyser og AI-baserede applikationer kan gøre for at rydde op i forsyningskæder, som er blevet rystet af pandemier og eftervirkninger, ligegyldigt overordnede skibsfartsudfordringer. En nylig undersøgelse af 788 virksomhedsledere fra Unsupervised viser, at business intelligence-tilgange har vist sig at være medvirkende til at hjælpe mange organisationer med at kæmpe med problemer i forsyningskæden, men 40 % er stadig ikke med om bord endnu. De øvrige 60 % rapporteres at bruge business intelligence – som undersøgelsens forfattere definerer som praksis med at kombinere data mining og visualisering, analyse og datainfrastruktur – til at navigere i aktuelle forsyningskædeproblemer, og 29 % implementerede business intelligence i deres forretning specifikt for forsyningskædeeffektivitet.
“I sammenhæng med de udfordringer, som forsyningskæderne står over for, bliver det klart, at de gamle måder at arbejde på ikke vil være tilstrækkelige, og at selv en klassens bedste præstation i dag næppe vil være god nok i fremtiden,” ifølge IDC-analytiker Simon Ellis. (Hans rapport er tilgængelig her via IBM.) Bevægelsen. Ellis skriver, er i retning af at “tænke” forsyningskæder, “en der er tæt forbundet med forskellige interne og eksterne datakilder såsom social stemning og IoT, aktiveret med omfattende og hurtig AI-drevet analyse, åbent samarbejdende gennem cloud-baserede handelsnetværk, bevidst om cybertrusler og kognitivt sammenvævet.”
En digitalt aktiveret tænkende forsyningskæde, “der handler på alle tilgængelige strukturerede og ustrukturerede data for at prioritere handlinger og levere overlegne resultater,” forklarer Ellis. “At være digitalt aktiveret betyder at forbinde og automatisere internt på tværs af funktionsområder eller med end-to-end processer såsom ordre til kontanter og med leverandører, kunder og forbrugere. Der vil være en netværkseffekt, hvor værdien vokser eksponentielt med automatisering af transaktioner, dokumenter og nøglepartneraktivering.”
En udfordring, der er dukket op oven i alt dette, er den voksende mangel på talent, der er nødvendig for at styre supply chain processer. “Supply chain organisationer har forfulgt omkostningsreduktion og traditionelle lean-praksis til det punkt, at der er færre mennesker i organisationen end på noget tidspunkt tidligere,” advarer Ellis. “Efterhånden som dataanalysekapaciteter uvægerligt vokser i forsyningskæden, vil der sandsynligvis ikke være nok øjeæbler til rådighed til at reagere på den resulterende indsigt. Derfor bliver rollen som AI og maskinlæring afgørende.”
Opbygning af intelligens i forsyningskæder kræver et tæt samarbejde med virksomheden og de data, der deles på tværs af disse netværk. Whitney Myers og Joel Stellner, begge sammen med Zuar, skitserer de vigtigste egenskaber, analyser bør tilføre virksomheden:
“At se og forstå efterspørgselstendenser og åbne kundeordrer,”At se og forstå nuværende beholdning og åbne ordreallokeringer mod genopfyldningsplaner fra produktionshold og/eller leverandører, og”en kombination af ovenstående for at skabe prognoser i verdensklasse, alarmering, og forsyningskædestyringsværktøjer.”
For at starte på denne rejse, siger Myers og Stellner, “du har brug for en datastrategi, der inkluderer en automatiseret dataværdikæde, og en dataopsamlingsplatform, der inkluderer en pipeline, der flytter data fra dit værktøj til databasen efter tidsplanen.” Derudover påpeger de, at it-teams skal introducere en business intelligence-platform, “der forbinder til databaser og opdaterer rapporter automatisk, bygger beregninger og interaktive dashboards og deler dashboards med dit team sammen med muligheden for at opsætte personlige advarsler og abonnementer. .”
Data – og evnen til at anvende dem til hurtig analyse – er kernen i den intelligente forsyningskæde, som er nødvendig for nutidens og morgendagens økonomi. “Integration med alle datakilder er kritisk, og det samme er automatisering af alle dokumenter på tværs af både interne funktioner og proces- og forsyningskædepartnere,” siger IDC's Ellis. “En tænkende forsyningskæde kan ikke lære af data, den ikke har. Forbundet betyder at kunne få adgang til ustrukturerede data fra sociale medier, IoT (inklusive strukturerede, semi-strukturerede og ustrukturerede data) og strukturerede data fra traditionelle datasæt, der er tilgængelige via traditionelle ERP- og B2B-integrationsværktøjer.”
(Oplysning: Jeg har udført arbejde med IDC, nævnt i denne artikel, i løbet af de sidste 12 måneder.)
Mastering Business Analytics | Sky | Big Data Analytics | Innovation | Teknik og arbejde | Samarbejde