Come gestire i dati sparsi in diverse piattaforme?

settembre 01, 2022

01 settembre 2022

Come gestire i dati sparsi in diverse piattaforme?

Sistema delle forniture globalizzato

Le supply chain globali si sono indebolite sotto la pressione di una domanda senza precedenti e di una capacità logistica effettiva limitata dalla pandemia di Covid-19 e i conseguenti lockdown, e dalle tensioni geopolitiche esacerbatesi negli ultimi anni.

In media, le tariffe globali di trasporto dei container sono più che quadruplicate dal 2019 e i ritardi sono aumentati. In alcune rotte commerciali strategiche, come Asia-Europa e Asia-Nord America, i picchi delle tariffe hanno toccato i massimi storici e i ritardi sono diventati più frequenti.

Le aziende di logistica hanno dunque la necessità di puntellare il più possibile le proprie supply chain e migliorare le operazioni di logistica e la gestione delle scorte di magazzino per sopperire a questi problemi strutturali. Un metodo che va in questa direzione è l’organizzazione di supply chain collaborative, che a loro volta affondano le proprie radici nell’uso strategico degli strumenti di analisi di big data.

 

Supply chain e dati incongruenti

Oggi le supply chain globali sono composizioni complesse che includono numerosi attori in tutti i continenti, che lavorano insieme per offrire un servizio impeccabile ai propri clienti. Spesso, le loro operazioni sono interrotte o influenzate negativamente da eventi e interruzioni imprevisti. I responsabili della supply chain lavorano ogni giorno per evitare perdite del 24% perché la loro azienda può perdere 250 milioni di euro/anno. Nel 2021, il costo totale delle interruzioni della supply chain è stato di circa 4 trilioni di dollari1

“Migliorare la gestione delle scorte di magazzino è un passo che va nella direzione giusta, ma che implica necessariamente sia una grande attenzione alla gestione delle scorte sia l’uso di strumenti di analisi di big data.”

Per esempio, nella gestione dell'inventario è molto importante verificare la correttezza delle scorte in termini di quantità e valore. Un’elevata densità di incongruenze provoca l'instabilità dei sistemi gestionali in termini di reportistica errata, dichiarazioni di scorte false e decisioni sbagliate. Queste, a loro volta, generano degli effetti a cascata che, in ultima istanza, hanno un impatto non indifferente sulla percezione del brand e sui profitti aziendali.

In una corretta gestione di magazzino e della logistica, un ruolo chiave viene esercitato dai dati: le aziende non sempre hanno una comprensione completa dei dati generati internamente, e di conseguenza non hanno una visione chiara e completa delle loro operazioni. Ciò può essere causato dalla ridondanza o dell'incongruenza dei dati2, dall'assenza di comunicazione tra i diversi dipartimenti e team, o da sistemi diversi e non collegati tra loro, che generano silos di dati. Di conseguenza, i dati non possono passare facilmente da un reparto all'altro dell'organizzazione. Questo accade soprattutto perché si pensa che non esistano strumenti adeguati per realizzare questa connessione vitale e attivare un flusso continuo di informazioni.

Flusso_Wenda

 

 

Soluzione? Piattaforme condivise e collaborative per la supply chain

Esistono grandi opportunità e un enorme potenziale di ottimizzazione se un'azienda è in grado di memorizzare, aggregare e combinare i dati e poi utilizzare i risultati per migliorare la gestione delle loro attività quotidiane grazie agli strumenti di analisi di big data. 

“Il problema principale per le aziende è come scegliere il giusto stack tecnologico e il giusto approccio per creare soluzioni data-driven in modo efficiente.”

Utilizzare piattaforme condivise e collaborative è la soluzione più congeniale per gestire non solo le scorte di magazzino o le operazioni di logistica ma l’intera supply chain: una singola piattaforme cloud collaborative accelera la comunicazione tra le aziende, aumentando la visibilità della catena, migliorando l'efficacia della relazione con i partner e garantendo un’esperienza cliente ottimale. 

Se analizziamo i principali sistemi usati nelle supply chain globali dalle aziende di logistica e trasporti per tracciare merci, prodotti, processi e informazioni, si nota che gli elementi ricorrenti sono i seguenti:

  • ERP (Enterprise Resource Planning): è un software che permette l'integrazione delle informazioni provenienti da più fonti e aree dell'azienda, come sales, contabilità, produzione, risorse umane e altri dipartimenti.
  • WMS (Warehouse Management System): è un software che ottimizza i flussi di materiali all'interno del magazzino. Ogni movimento delle merci viene registrato nel WMS e trasmesso all'ERP.
  • TMS (Transport Management System): è un software per la gestione delle flotte di trasporto, serve a organizzare e pianificare i percorsi dei veicoli e dei corrieri. 

L'obiettivo ultimo delle aziende dovrebbe essere quello di dotarsi di una piattaforma digitale che sia in grado di unificare i dati derivanti da questi sistemi differenti e di gestire i dati del network di supply chain e logistica, per eseguire e pianificare azioni nel modo più efficiente, ottenere una visibilità completa dei processi globali, prendere decisioni efficaci, razionalizzare i costi, mitigare i rischi e migliorare i livelli di servizio.

 

Conclusioni

Il sistema delle supply chain globali è sotto pressione per motivi differenti, ma tutti portano alla conclusione che le aziende devono necessariamente migliorare la gestione delle scorte di magazzino e di tutti gli altri processi della catena con gli strumenti di analisi dei big data, se intendono navigare questo momento economico non proprio pienamente favorevole e, di conseguenza aumentare efficienza e profitti.
Utilizzare un’unica piattaforma condivisa e collaborativa per la supply chain è la soluzione più efficiente per tutte le aziende che devono gestire grandi quantità di dati attualmente sparse su sistemi diversi come ERP, WMS, TMS.

 

 

Note

1. Vedi il report di GEP intitolato The business costs of supply chain disruption

2. Vedi l’articolo di BizData intitolato The cost of data redundancy and data inconsistency