Bridging The Decision Abyss - Plato AiStream V2.1

Αναδημοσίευση από τον Πλάτωνα

Ακολουθούν: 0

Φανταστείτε αυτό το κοινό πρόβλημα προμηθειών: Πέντε ομάδες προμηθειών στην ίδια εταιρεία προμηθεύονται ανεξάρτητα ένα πανομοιότυπο ανταλλακτικό από τον ίδιο προμηθευτή. Καμία από τις ομάδες δεν γνωρίζει τα σχέδια των άλλων και όλες καταλήγουν να εξασφαλίζουν το ανταλλακτικό σε πολύ διαφορετικές τιμές λόγω έλλειψης ορατότητας δεδομένων και επικοινωνίας. Το αποτέλεσμα? Μια σημαντική αποσύνδεση τιμής που θα μπορούσε ενδεχομένως να κοστίσει στην εταιρεία χιλιάδες, αν όχι εκατομμύρια, περισσότερα δολάρια από ό,τι θα έπρεπε. Εάν αυτό το σενάριο σας φαίνεται γνωστό, πιθανότατα έχετε πέσει θύμα της «άβυσσος των αποφάσεων» - η αποσύνδεση μεταξύ της μηχανικής και του σχεδιασμού προϊόντων, του σχεδιασμού της αλυσίδας εφοδιασμού και των προμηθειών εντός των οργανισμών που εμποδίζει τη γρήγορη, ενημερωμένη λήψη αποφάσεων και την προβολή.

Ωστόσο, δεν είστε μόνοι όταν πρόκειται για ζητήματα ορατότητας δεδομένων σε οργανισμούς. Τα δεδομένα μπορεί να είναι δύσκολο να διαχειριστούν και να χρησιμοποιηθούν - η άβυσσος αποφάσεων είναι ένα κοινό πρόβλημα. Ένα πλήρες 99% των εταιρειών Τάλεντ Οι ερωτηθέντες αναγνωρίζουν ότι τα δεδομένα είναι ζωτικής σημασίας για την επιτυχία, αλλά το 97% αντιμετωπίζει προκλήσεις στην αποτελεσματική χρήση των δεδομένων και το ένα τρίτο δεν χρησιμοποιεί καν δεδομένα για τη λήψη αποφάσεων. Οι λόγοι για τους οποίους οι εταιρείες δυσκολεύονται να αξιοποιήσουν δεδομένα για να οδηγήσουν στη λήψη τεκμηριωμένων αποφάσεων ποικίλλουν - ορισμένες υποδηλώνουν δεδομένα κακής ποιότητας, ενώ άλλες αναγνωρίζουν την εξάρτηση από μη αυτόματες διαδικασίες.

Ενώ πολλές βιομηχανίες έχουν υποστεί μια σημαντική ψηφιακή μετατροπή για τη βελτίωση των ροών εργασίας και το χαμηλότερο κόστος, αυτό δεν ισχύει για τους περισσότερους επαγγελματίες της αλυσίδας εφοδιασμού και των προμηθειών, οι οποίοι αφήνονται στο έλεος των αποσυνδεδεμένων εργαλείων λογισμικού, χρησιμοποιώντας υπολογιστικά φύλλα για να προσπαθήσουν να σχηματίσουν χρήσιμες πληροφορίες από περίπλοκα και ασύνδετα δεδομένα. Πάρα πολλές εταιρείες πέφτουν στην άβυσσο των αποφάσεων όσον αφορά την αλυσίδα εφοδιασμού τους, ειδικά τις λειτουργίες προμήθειας και προμηθειών.

Κατανόηση του Decision Abyss

Η κατανόηση της άβυσσος απόφασης απαιτεί να αναγνωρίσουμε ότι οι ομάδες προμηθειών, αλυσίδας εφοδιασμού και προϊόντων προορίζονται να συνεργάζονται απρόσκοπτα σε ολόκληρο τον οργανισμό και να μοιράζονται πληροφορίες για να επιτύχουν τους κοινούς οργανωτικούς τους στόχους. Ωστόσο, η πραγματικότητα συχνά απέχει πολύ από αυτό το ιδανικό, καθώς το 64% των επαγγελματιών της εφοδιαστικής αλυσίδας εξακολουθεί να βασίζεται στο Excel για διαχείριση άμεσης προμήθειας και μόνο Το 35% των εταιρειών που χρησιμοποιούν AI στην επιχείρησή τους.

Οι προκλήσεις της χρήσης υπολογιστικών φύλλων όπως το Excel για τη διαχείριση της άμεσης προμήθειας είναι διπλές. Πρώτον, η έλλειψη μιας κοινής γλώσσας μεταξύ των χωριστών συναρτήσεων απαιτεί τη δημιουργία συμφραζομένων για καθολική κατανόηση — ένα πλεονέκτημα που λείπει από το Excel. Δεύτερον, η χρήση κατακερματισμένων υπολογιστικών φύλλων δημιουργεί οργανωτικά σιλό, εμποδίζοντας την ομαλή ροή πληροφοριών μεταξύ των ομάδων. Οι ομάδες που επιφορτίζονται με έναν κοινό στόχο, όπως τη μείωση του κόστους ή τη διασφάλιση της συνέχειας του εφοδιασμού, πρέπει να έχουν τη δυνατότητα να μοιράζονται και να αξιοποιούν όλα τα δεδομένα τους για να λάβουν μια ενοποιημένη και έξυπνη απόφαση.

Πλοήγηση στις πιέσεις του σήμερα με τα εργαλεία του χθες

Μετά τις παγκόσμιες διακοπές της εφοδιαστικής αλυσίδας από το 2021 και μετά, οι εταιρείες έχουν στρέψει περισσότερο την προσοχή στα ζητήματα της εφοδιαστικής αλυσίδας που μαστίζουν τα τελικά αποτελέσματα. Ενώ οι αλυσίδες εφοδιασμού φαίνονται επί του παρόντος πιο σταθερές από ό,τι πρόσφατα, εξακολουθούν να είναι εύθραυστες και διαρκώς σε κίνδυνο καθώς οι γεωπολιτικές εντάσεις κλιμακώνονται με ρυθμό που ξεπερνά τις δυνατότητες των παραδοσιακών υπολογιστικών φύλλων και των μη αυτόματων διαδικασιών. Για παράδειγμα, οι αυξανόμενες εντάσεις ΗΠΑ-Κίνας είναι επιτακτικές εταιρείες να επανεξετάσουν και να διαφοροποιήσουν τους προμηθευτές τους αλλού να παραμείνει ανθεκτικός — μια στρατηγική αλλαγή που απαιτεί πρόσβαση σε έγκαιρα δεδομένα για γρήγορη λήψη αποφάσεων.

Βλέπουμε επίσης αλλαγές στους χρόνους παράδοσης που απαιτούν πληροφορίες σε πραγματικό χρόνο, ώστε οι ομάδες να μπορούν να προσαρμόσουν γρήγορα τις στρατηγικές προμήθειας για να μετριάσουν την περαιτέρω διακοπή της προσφοράς. Για παράδειγμα, όταν ξέσπασε ο πόλεμος Ισραήλ-Χαμάς, οι επικεφαλής της αλυσίδας εφοδιασμού και των προμηθειών έπρεπε να κατανοήσουν αμέσως ποιοι προμηθευτές και ανταλλακτικά επηρεάστηκαν σε ολόκληρη την εταιρεία τους. Σε περιπτώσεις όπως αυτές, όπου ομάδες μέσα σε έναν οργανισμό χρησιμοποιούν ανεξάρτητα ξεχωριστά υπολογιστικά φύλλα χωρίς αποτελεσματική επικοινωνία ή κοινή χρήση πληροφοριών, είναι αδύνατο να αποκτήσουν αυτή την ορατότητα και να μπορέσουν να ενεργήσουν προληπτικά για να βρουν εναλλακτικούς προμηθευτές και ανταλλακτικά όταν χρειάζεται.

Πώς να γεφυρώσετε την άβυσσο της απόφασης

Οι ηγέτες της εφοδιαστικής αλυσίδας και των προμηθειών μπορούν να λύσουν προβλήματα κατακερματισμού και συναφή ζητήματα αξιοποιώντας προηγμένες τεχνολογίες όπως η αυτοματοποίηση τεχνητής νοημοσύνης, η συγκέντρωση δεδομένων και η δημιουργία συμφραζομένων.

Εάν οι οργανισμοί δημιουργήσουν ολοκληρωμένη ορατότητα δεδομένων σε εσωτερικές λειτουργίες και στο ευρύτερο οικοσύστημα δεδομένων με λογισμικό τεχνητής νοημοσύνης, τα δεδομένα με βάση τα συμφραζόμενα μπορούν να παρέχουν έγκαιρες, εφαρμόσιμες πληροφορίες και να γεφυρώσουν την άβυσσο των αποφάσεων. Με την ενοποίηση και τη χρήση δεδομένων σε σχετικές ομάδες, οι εταιρείες αποκτούν μια ενιαία πηγή αλήθειας για τη λήψη αποφάσεων, καθώς και προηγμένη ορατότητα σχετικά με τον τρόπο σύνδεσης των εξαρτημάτων και των υλικών με τα τελικά προϊόντα, με μια καλύτερη, πιο ακριβή αντιστοίχιση για το τι μπορεί να παραχθεί με πρέπει να παραχθεί.

Όταν είναι εξοπλισμένο με αυτές τις προηγμένες δυνατότητες, η προμήθεια αποκτά μια σαφή κατανόηση του τρόπου με τον οποίο κάθε στοιχείο, συμπεριλαμβανομένων των διακυμάνσεων των τιμών και των αποθεμάτων, μπορεί να επηρεάσει την κορυφαία και την τελευταία γραμμή ενός οργανισμού. Χρησιμοποιώντας τη νοημοσύνη AI, οι διαχειριστές προμηθειών μπορούν να βελτιστοποιήσουν το κόστος κατά τη διάρκεια των διαπραγματεύσεων με τους προμηθευτές, ενώ οι ομάδες λαμβάνουν ειδοποιήσεις σε πραγματικό χρόνο σχετικά με πιθανή έκθεση σε κίνδυνο που σχετίζεται με εξαρτήματα και υλικά εμπορευμάτων πριν εκδηλωθούν διακοπές. Αυτές οι ανεκτίμητες πληροφορίες εξουσιοδοτούν τις ομάδες μηχανικών και προϊόντων να αξιολογήσουν την υγεία των προμηθευτών και να μοντελοποιήσουν πώς τα βασικά στοιχεία επηρεάζουν τη δομή κόστους ενός προϊόντος στα αρχικά στάδια της διαδικασίας σχεδιασμού.

A Μελέτη Kearney 2021 έδειξε ότι κορυφαίες εταιρείες με ισχυρές συνεργασίες προμηθειών σε ολόκληρο τον οργανισμό δημιούργησαν σχεδόν δύο φορές μεγαλύτερη συνολική απόδοση των μετόχων, συνεισφέροντας 200 μονάδες βάσης περισσότερες στο βασικό μέτρο εταιρικής κερδοφορίας EBITDA από δαπάνες τρίτων και ανακάμπτοντας τρεις φορές ισχυρότερους μετά την COVID-19.

Γενικά, τα εργαλεία τεχνητής νοημοσύνης οδηγούν σε ουσιαστικές βελτιώσεις στη λειτουργική απόδοση. Μόλις απελευθερωθούν από τις ταλαιπωρίες της διαχείρισης υπολογιστικών φύλλων και των χειροκίνητων, χρονοβόρων ροών εργασίας, οι ομάδες προμηθειών μπορούν να επικεντρωθούν σε πιο στρατηγικές εργασίες.

Τα εμπόδια στη γεφύρωση της άβυσσος της απόφασης

Ένα κοινό εμπόδιο για να γεφυρωθεί η άβυσσος της απόφασης είναι η αδυναμία έναρξης ή η «οργανωτική αδράνεια», η οποία καθοδηγείται από τον φόβο του άγνωστου ταξιδιού, τη διάρκειά του και τις πιθανές προκλήσεις στην πορεία. Η απροθυμία της ηγεσίας να ξεκινήσει την αλλαγή είναι βαθιά ριζωμένη επειδή οι ομάδες προμήθειας και προμηθειών ακολουθούν παραδοσιακά κοινές διαδικασίες για δεκαετίες.

Σύμφωνα με McKinsey έρευνα, το 61% των στελεχών της κατασκευής αναφέρει μειωμένο κόστος και το 53% αναφέρει αυξημένα έσοδα ως άμεσο αποτέλεσμα της εισαγωγής της τεχνητής νοημοσύνης στην αλυσίδα εφοδιασμού. Αυτή η αλλαγή δεν είναι απλώς μια τεχνολογική αναβάθμιση. είναι ένα ταξίδι ενδυνάμωσης που επιτρέπει στις ομάδες να ενισχύσουν την αποτελεσματικότητα και να έχουν πιο σημαντικό στρατηγικό αντίκτυπο εντός του οργανισμού.

Μπροστά στην άβυσσο της απόφασης, η πορεία προς τα εμπρός είναι ξεκάθαρη. Είναι μια έκκληση για δράση για τους ηγέτες της εφοδιαστικής αλυσίδας και των προμηθειών να απαιτήσουν καλύτερα εργαλεία λογισμικού για να ξεκινήσουν μια εποχή βελτιωμένης ευφυΐας αποφάσεων. Δεν είναι πολύ αργά για να αρχίσετε να μεταμορφώνετε τον οργανισμό σας με AI. Η αποτυχία δράσης τώρα εγκυμονεί τον κίνδυνο να εγκλωβιστείτε σε μια άβυσσο αποφάσεων, ενώ οι οργανισμοί που υιοθετούν γρήγορα πλατφόρμες με τεχνητή νοημοσύνη θα προχωρήσουν με βέλτιστα επιχειρηματικά αποτελέσματα και ανταγωνιστικό πλεονέκτημα.

Ο Keith Hartley είναι Διευθύνων Σύμβουλος της LevaData.