Eine effektive Supply-Chain-Planung steckt in den Daten

Es war ein wunderschöner, sonniger Nachmittag und wir machten uns auf den Weg zu einem unserer Lieblingsziele für Wochenendausflüge. Mein Plan, dorthin zu gelangen, war ziemlich einfach; Ich kannte die beste Route und alle üblichen Verkehrsmuster, also machten wir uns auf den Weg zu einer eigentlich zweistündigen Fahrt. Vier Stunden später kamen wir endlich müde und frustriert an – kein toller Start in ein entspanntes Wochenende. Als ich darüber nachdachte, wo meine Planung fehlgeschlagen war, verließ ich mich fast ausschließlich auf mein persönliches Wissen über die Route und die Verkehrsmuster – nur auf interne und historische Daten. Natürlich habe ich einige externe Daten berücksichtigt, wie zum Beispiel die Wetterbedingungen. Allerdings war ich immer noch den Risiken externer Störungen ausgesetzt, wie zusätzlichem Verkehr durch ein großes Konzert, Straßenbauarbeiten und mehreren Autounfällen, die die Autobahn verstopften.

Sie können ein Auto fahren, indem Sie in den Rückspiegel schauen
solange nichts vor dir liegt. – Bill Joy

Bei der Supply-Chain-Planung ist es ähnlich. Es besteht die Tendenz, sich stark auf historische Trenddaten zu verlassen, um Saison- und Kaufmuster zu ermitteln und so zukünftige Ergebnisse vorherzusagen. Verstehen Sie mich nicht falsch, historische Daten sind für die Nachfrageprognose von entscheidender Bedeutung. Der überwiegende Teil der Volatilität und Unsicherheit kommt jedoch von außen – vom erweiterten Netzwerk aus Liefer-, Logistik-, Vertriebs- und globalen Handelspartnern. Wenn diese Daten nicht in Ihre kurzfristigen Planungsberechnungen einbezogen werden, spielt es keine Rolle, welches glänzende neue KI-Tool Sie verwenden; Es gilt immer noch das alte Sprichwort: Müll rein, Müll raus.

Öffnen Sie die Datenschleusen

Der effektivste Weg, einen umfassenden, genauen und realisierbaren Supply-Chain-Plan zu erstellen, ist die Erstellung eines digitalen Zwillings. Ein digitaler Zwilling erfordert eine enorme Menge an Daten aus verschiedenen internen und externen Quellen, um die KI-gestützte Insights-Engine zu speisen. 

Zunächst sollten Sie Daten aus allen internen Systemen und Datenquellen berücksichtigen, einschließlich Enterprise Resource Management Systemen (ERP), Customer Relationship Management Systemen (CRM), Manufacturing Execution Systemen (MES), Lagerverwaltungssystemen (WMS) und Transportmanagement (TMS), Produktlebenszyklusmanagement (PLM), Finanz- und Rechnungswesen, andere Planungssysteme und mehr. 

Fügen Sie dann externe Partnerdaten über alle Ebenen hinweg hinzu – nicht nur die erste Ebene (POS, Lagerbestand, Lagerbestand des Vertriebszentrums, Materialbestand, Lieferantenkapazität und -vorteile, Lieferzusagen/-freigaben, erweiterte Versandbenachrichtigungen), Daten von Drittanbietern (Wetter, soziale Stimmung, Risikoereignisse, Import- und Exportzölle und -zölle, Listen verbotener Parteien, Zwangsarbeitsvorschriften, Marktdaten usw.) und IoT-Sensordaten (Produktionslinien, Fahrzeuge, Lagereinheiten usw.).  

Mittlerweile denken Sie wahrscheinlich, dass das theoretisch fundiert klingt, aber es fehlt an Zeit und Budget, um all diese Verbindungen herzustellen. Ganz zu schweigen davon, wie Sie sogar beginnen, Daten aus vielen unterschiedlichen Quellen zu bereinigen und zu harmonisieren.

Schnelle und skalierbare Herstellung von unternehmensübergreifenden Verbindungen

Ähnlich wie LinkedIn es Ihnen ermöglicht, mit Hunderten oder Tausenden von Kollegen, Kollegen und Partnern Kontakte zu knüpfen und Beziehungen zu pflegen, rationalisiert und skaliert ein Supply-Chain-Unternehmensnetzwerk den Prozess der Verbindung mit Ihren Ökosystempartnern. Ein Netzwerk verfügt über vorgefertigte Verbindungen zu Hunderttausenden von Liefer-, Vertriebs-, Logistik- und globalen Handelspartnern, was die Wertschöpfung beschleunigt.

Seien Sie vorsichtig bei der Bewertung von Unternehmensnetzwerken in der Lieferkette. Sie sind nicht alle gleich geschaffen. Sie unterscheiden sich hinsichtlich Umfang, Umfang und Leistungsfähigkeit. Suchen Sie nach Supply-Chain-Geschäftsnetzwerken mit dem Umfang aller vier Ökosysteme von vollständiger Transparenz – Lieferung, Kanal, Logistik und globaler Handel. Ein weiterer Gesichtspunkt ist die Größe des Netzwerks im Hinblick auf die Anzahl der angeschlossenen Unternehmen und die Tiefe der Ebenen. Einige stellen möglicherweise nur eine Verbindung zur ersten oder zweiten Ebene her. Im Gegensatz dazu können effektive Netzwerke alle Ebenen der vor- und nachgelagerten Partner verbinden. 

Und schließlich bieten erstklassige Supply-Chain-Netzwerke ein umfassendes Spektrum an Verbindungs- und Integrationsmöglichkeiten. Während Sie auf eine vollständige digitale Transformation zusteuern, verfügen Ihre Partner möglicherweise nicht über die Ressourcen, um mitzuhalten. Ihr Netzwerkanbieter sollte Partner in deren technischem Reifegrad treffen, anstatt ihnen einen kostspieligen Integrationsansatz aufzuzwingen. Dazu gehören natürlich die neuesten Rest-APIs und EDI sowie ein Webportal und eine E-Mail-basierte Integration für Long-Tail-Lieferanten und -Partner.

Machen Sie schmutzige, unterschiedliche Daten zu einem wertvollen Gut 

Das Netzwerk verkürzt zwar die Zeit zum Herstellen von Verbindungen und zum Sammeln von Daten, um Ihren Planungsprozess zu verbessern, reicht jedoch nicht aus. Daten sind von Natur aus fehlerhaft und enthalten fehlende, falsche und Nullwerte. Und sehr oft werden unterschiedliche Master Data Management (MDM)-Richtlinien und -Praktiken angewendet, sogar über interne Systeme hinweg. Durch die Einbeziehung von Daten von außerhalb des Unternehmens wird diese Herausforderung exponentiell erschwert.

Das unternehmensübergreifende Lieferkettennetzwerk benötigt ein unternehmensübergreifendes MDM (ME-MDM), um unterschiedliche Daten in einen wertvollen, entscheidungsrelevanten Vermögenswert umzuwandeln. Betrachten Sie es als einen universellen Übersetzer, der Informationen aus jedem System und Partner versteht und in einer einzigen, klaren Sprache interpretiert. Um ME-MDM zu erreichen, suchen Sie nach Netzwerken, die auf einer Plattform mit einem kanonischen Datenmodell basieren, um die Kontextattribute für jede Ressource aus allen Quellen, einschließlich interner und Ökosystem-Partnersysteme, zu verwalten. Das System muss fehlerhafte Werte bereinigen und Daten aus unterschiedlichen unternehmensübergreifenden Quellen in großem Maßstab harmonisieren.

-

Genau wie Bill Joy sagte: „Sie können ein Auto fahren, indem Sie in den Rückspiegel schauen, solange nichts vor Ihnen ist.“ Sie können Ihre Lieferkette ausschließlich anhand historischer Daten planen, solange sich weder Nachfrage noch Angebot ändern.

Mike Hitmar, Senior Director, Produktmarketing bei e2open. Lesen Sie mehr darüber, wie e2open Ihnen dabei helfen kann, realisierbare, profitable Pläne zu erstellen und die Agilität zu steigern Vernetzte Planung.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://talkinglogistics.com/2023/12/12/effective-supply-chain-planning-is-all-in-the-data/