Sebbene alcuni colli di bottiglia si stiano attenuando1, il sistema delle supply chain globali è fortemente sotto stress: le spinte inflazionistiche, i continui lockdown in Cina, le tensioni geopolitiche e le conseguenti ricadute sui mercati energetici portano alla conclusione per cui le aziende devono prendere decisioni rapidamente per orientare tutti i processi della propria catena in una direzione di maggiori produttività e contenimento dei costi.
Quando si tratta di prendere decisioni, dobbiamo affidarci ai dati. È impossibile per le organizzazioni prendere decisioni accurate senza usare i dati. Siccome in tutte le fasi della supply chain viene prodotta continuamente una grande quantità di dati, anche ma non solo tramite i dispositivi IoT – come ad esempio i data logger – si possono raccogliere questi dati in tempo reale, per poi girarli ai diversi strumenti di analisi dei big data. Quanto più questi strumenti saranno collaborativi e centralizzati su un’unica piattaforma, tanto più le aziende potranno aumentare efficienza, rapidità decisionale e profitti.
La gestione real-time dei dati
Il fatto che le supply chain producono grandi quantità di dati (chiamati anche big data) che vengono raccolti da diversi dispositivi IoT contribuisce a generare conseguenze indesiderate: spesso può accadere che i dati di supply chain generati da data logger utilizzati per tracciare la posizione e le condizioni delle spedizioni (ad esempio, temperatura, umidità, urti), gestire le scorte di magazzino o monitorare le operazioni siano frammentati in diverse piattaforme.
Spesso sono archiviati in applicazioni diverse e in silos e questo rende molto difficile sfruttare simultaneamente i dati generati da fonti diverse e rallenta il funzionamento armonico degli strumenti di analisi dei big data.
Si pensi a un'azienda che spedisce prodotti a temperatura controllata verso Paesi esteri, e che riceve i dati sullo status della spedizione da un'applicazione e quelli sulla temperatura da un'altra. Inoltre, gestisce gli ordini di acquisto con il suo sistema ERP.
Accedere ai dati rapidamente è cruciale per acquisire la maggiore visibilità possibile nel minor tempo possibile – e di conseguenza per ottenere un vantaggio competitivo e un miglior posizionamento della qualità di servizio offerta dal brand – ma in condizioni simili diventa difficile prendere decisioni rapidamente.
Questo è un esempio chiarissimo di frammentazione dei dati.
Un altro tema tuttavia emerge: considerando il volume, la velocità e la diversità dei big data, i metodi classici di raccolta dei dati non sono più adatti a generare insight di valore per l’azienda poiché i risultati delle elaborazioni arrivano sempre dopo che l'evento si è già verificato, a processo già terminato o a consegna avvenuta. È per questo motivo che oggi le analisi avvengono in tempo reale e i risultati vengono presentati quasi istantaneamente. Però, la maggior parte dei manager della supply chain o della logistica, anche quelli con un background tecnico, ha poca o nessuna esperienza con questo tipo di analisi dei dati.
“Per estrarre valore dai big data, le aziende devono adottare tecnologie e metodi adeguati.”
Superare la frammentazione dei dati
Spesso le organizzazioni rilevano che i dati di tracciabilità sono frammentati tra diverse piattaforme dando luogo a quelli che si chiamano silos di dati, vale a dire raccolte di dati detenuti da un gruppo che non è facilmente o completamente accessibile da altri gruppi. Ci sono tre concetti importanti e comunemente utilizzati che si sentono spesso quando si parla di abbattere i silos di dati:
- Aggregazione, che nel contesto della supply chain significa raccogliere i dati della supply chain da più data logger o fonti di dati, e inserirli in gruppi ben definiti;
- Integrazione, che fa riferimento al processo di raccolta di risultati da più gruppi di dati;
- Interoperabilità, che nel contesto della supply chain significa che i sistemi di diversi partner commerciali possono comunicare e comprendersi a vicenda.
Per massimizzare le performance degli strumenti di analisi big data e superare i silos è quindi necessario agire su questi tre concetti.
Le aziende che mirano a ottenere insight da grandi quantità di dati al fine di prendere le decisioni giuste devono capire come raccogliere efficacemente i dati attraverso le pratiche di aggregazione e analizzarli tramite i processi di integrazione. Queste operazioni si possono applicare ai dati generati sia internamente sia esternamente, e con differenti metodologie.
Questo aspetto mette in risalto l’importanza delle funzioni di interoperabilità dei dati in un contesto di scambio di dati e informazioni tra aziende, o nel caso in cui si abbia a che fare con un multi-enterprise supply chain business network.
“Le aziende che vogliono ottenere insight da grandi quantità di dati per prendere le decisioni giuste devono raccogliere i dati attraverso l'aggregazione e analizzarli attraverso l'integrazione.”
Esiste un grande potenziale di ottimizzazione se un'azienda è in grado di memorizzare, aggregare e combinare i dati e poi dare in pasto i risultati agli strumenti di analisi dei big data. Il problema principale per il management è come scegliere le giuste tecnologie e il giusto approccio per creare soluzioni data-driven in modo efficiente e quindi prendere decisioni basate sui dati in modo rapido.
Supply chain e piattaforme condivise per un analisi rapida dei dati
Abbiamo visto che se l'obiettivo dei manager è di riuscire a prendere decisioni rapidamente e in base a flussi di dati in tempo reale, allora la necessità di accedere ai dati rapidamente diventa a maggior ragione più pressante. Esistono oggi molte tecnologie che consentono di arrivare a questo obiettivo e anche di avere i dati di di supply chain in un'unica piattaforma, per avere l'evidenza del dato in tempo reale. Contrariamente a quanto si pensa comunemente, queste soluzioni – allo stesso modo dei data logger e dei dispositivi IoT – non sono accessibili solo alle aziende tecnologiche o ai grandi conglomerati multinazionali.
Le opportunità di analisi della supply chain possono essere trovate in tutte le fasi della supply chain, come la pianificazione, la produzione, il magazzino, il trasporto, il punto vendita e il consumatore.
Le soluzioni di analisi avanzata, l'Intelligenza Artificiale e le tecnologie di Machine Learning possono essere implementate su una singola piattaforma collaborativa, che può poi essere utilizzata da aziende che operano in tutti i settori della supply chain: dal food al pharma, le aziende utilizzano già le tecnologie GPS per ridurre i tempi di attesa, assegnando le baie di magazzino in tempo reale, e stanno implementando tecnologie di ottimizzazione dei percorsi selezionando le tratte migliori per le consegne.
Altre organizzazioni utilizzano queste tecnologie nei processi interni di digitalizzazione e automazione della lettura dei documenti, garantendosi notevoli risparmi di carta e di tempo che le risorse in precedenza dedicavano ad attività ripetitive e a basso valore aggiunto.
Tutto questo aiuta a ridurre gli spostamenti inutili, ridurre le perdite di tempo, tagliare i costi, ridurre l’impatto della deforestazione e le emissioni di CO2 e altri gas serra.
Conclusioni
Già oggi gli strumenti di analisi dei big data della supply chain rappresentano un elemento cruciale per le strategie aziendali e per prendere decisioni rapidamente. In un mercato sempre più orientato all’innovazione, riuscire a trasferire questi processi in un’unica piattaforma collaborativa – abbattendo così i silos e portando avanti un’operazione di time & cost saving – e affiancargli le tecnologie più avanzate appena menzionate può costituire un vantaggio competitivo fondamentale per le aziende.
Nota
1. Vedi l'articolo di Fitch Ratings intitolato Easing Supply-Chain Pressures Should Help Reduce Core Goods Inflation