La visibilité de la chaîne d'approvisionnement n'est pas qu'un slogan ; C'est un impératif

Republié par Platon

Suiveurs: 0

Il n'est pas surprenant qu'une meilleure visibilité des commandes, des stocks et des expéditions figure en tête de liste des priorités pour 60 % à 80 % des entreprises interrogées dans les enquêtes sur la chaîne d'approvisionnement.

Là où les fabricants et les détaillants développaient, stockaient et expédiaient de gros volumes de marchandises vers les marchés régionaux sur la base de modèles historiques et saisonniers prévisibles, le commerce électronique D2C est accessible à un public beaucoup plus large via Internet, sur une base pull. Un flux global et quasi continu de petites commandes expédiées à la demande, ainsi qu'une augmentation de la demande globale de fret, ont submergé la capacité des terminaux, des entrepôts, des équipements et des véhicules dans un marché du travail tendu.

Les attentes changeantes des clients aggravent les difficultés. Les pressions et les coûts du dernier kilomètre sont très différents pour le fret palettisé détenu dans un centre de distribution pour une livraison progressive vers les usines ou les magasins sous la direction de l'expéditeur, par rapport aux commandes à durée déterminée avec plusieurs options de délai de livraison et d'emplacement et une attente de base de ponctualité et livraison complète.

Qu'il s'agisse d'une nouvelle variante pandémique, d'un événement météorologique ou d'un porte-conteneurs bloquant le canal de Suez, des circonstances imprévues peuvent facilement fournir un point de basculement qui désaligne la demande, l'offre et la capacité du jour au lendemain.

Les nombreuses pièces mobiles de la visibilité

La plupart des chaînes d'approvisionnement manquent encore de visibilité adéquate du côté de la demande en aval au point de vente (POS), en amont de l'approvisionnement et de la production des fournisseurs, et en transit pendant l'expédition. Il est particulièrement important de détecter la demande à un stade précoce compte tenu de la volatilité continue du marché due à la croissance constante du D2C, amplifiée par la pandémie, le climat, la guerre en Ukraine, l'inflation mondiale et d'autres pressions externes.

Les signaux de la demande, plus que toute autre influence, dirigent la chaîne d'approvisionnement. Ils dictent ce qu'il faut produire, en quelles quantités et où expédier - en bref, tout, de l'approvisionnement à l'allocation des actifs et des ressources en passant par le flux de travail. Il semble donc contre-intuitif que la plupart des modèles de chaîne d'approvisionnement hiérarchique conventionnels ne relient toujours pas les usines et les fournisseurs directement aux détaillants et aux clients dans une boucle de rétroaction vertueuse.

Au lieu de cela, la plupart des communications circulent du centre vers l'extérieur, et la contribution des partenaires s'étend rarement au-delà d'un niveau supérieur ou inférieur, piégeant les données critiques dans des silos organisationnels. Les données des agrégateurs tiers languissent dans le marketing, les données de gestion de la relation client (CRM) dans les ventes, les données de production dans les opérations et dans la suite C. Cela pose un risque important de coûts plus élevés et de perte d'activité en cas de perturbation.

La complexité de la chaîne d'approvisionnement aggrave le problème, avec plus de 60 % des consommateurs mondiaux utilisant désormais le commerce électronique, plus de 25 millions de points de vente mondiaux ouverts, une multiplication par dix des nouveaux produits arrivant sur le marché chaque année au cours de la dernière décennie, et 10 % de marchandises en rupture de stock.

"Sur les marchés émergents, les fabricants mondiaux expédient par l'intermédiaire de distributeurs, et leur visibilité s'arrête à ce stade", explique Suresh Prahlad Bharadwaj, responsable de la plateforme TradeEdge chez EdgeVerve Systems, une filiale en propriété exclusive d'Infosys. « Ils ne savent pas qui sont leurs clients, principalement de petits magasins familiaux. Même dans le commerce moderne, où les fabricants vendent par l'intermédiaire d'un grossiste ou directement à un magasin à grande surface comme Walmart ou Target, ils ne sont pas équipés pour traiter cette visibilité au point de vente qui leur revient.

Dans un environnement de commerce électronique décentralisé, explique Suresh, les points de vente peuvent être dispersés entre des centaines ou des milliers de distributeurs, de détaillants et de sites Web, tous avec différents niveaux de maturité dans la collecte et le partage des données, et différentes façons de formater les données et de communiquer.

« Qui sont mes clients, où se trouvent-ils, que commandent-ils ? » demande Suresh. "Pour le savoir, je dois collaborer avec les détaillants pour transmettre rapidement aux fabricants ces informations globales sur les points de vente et les stocks en magasin, afin qu'ils puissent faire des ajustements." À l'heure actuelle, ajoute-t-il, ce processus peut prendre trois à quatre semaines, s'appuyant sur des syndicats de données tiers comme Nielsen ou IRI pour collecter et harmoniser les données d'un panel de magasins, puis préparer des rapports personnalisés pour des clients particuliers. "Dans le monde d'aujourd'hui", dit-il, "c'est trop tard".

Alors que la puissance de traitement des données basée sur le cloud a augmenté et que les coûts ont baissé, explique Suresh, de plus en plus de détaillants et d'intermédiaires coupent les accords de partage direct de données avec les entreprises clientes pour disperser les données de vente de source primaire dans la chaîne. Mais ce n'est que le début.

Trouver des aiguilles dans les meules de foin

Les outils logiciels de détection de la demande, aidés par l'intelligence artificielle et l'apprentissage automatique, attirent l'attention pour leur capacité à prédire la demande dans un avenir proche. Ces outils modélisent des données agrégées en temps réel sur les points de vente par rapport aux anomalies internes et externes de la chaîne d'approvisionnement telles que les événements climatiques, la congestion portuaire, une grève ferroviaire, les fluctuations des prix du carburant, les hausses des taux d'intérêt et les taux de chômage élevés - qui influencent tous les décisions d'achat.

En bref, comprendre de manière granulaire les conditions dans lesquelles les biens ont été vendus hier offre des informations à court terme sur comment et où les mêmes biens sont susceptibles de se vendre demain, dans les mêmes conditions ou dans des conditions différentes. À mesure que des données plus granulaires sont collectées au fil du temps, l'intelligence artificielle et l'apprentissage automatique détectent des modèles et des informations qui seraient manqués par une opération manuelle traditionnelle exécutée sur une suite de planification des ressources d'entreprise (ERP). Des intervalles de rapport plus fréquents raccourcissent le temps de réponse lorsque des événements soudains et plus prononcés se produisent.

Étant donné la quasi-disparition de la planification stratégique et de la demande à long terme traditionnelle depuis le début du COVID, la construction de données en temps quasi réel de cette manière peut apporter des avantages importants. Soudainement, les entreprises travaillent à partir des données de vente et d'inventaire des SKU des magasins POS d'hier, par rapport aux rapports récapitulatifs vieux de plusieurs semaines. Les données sur les ventes ont également tendance à fournir des résultats de prévision de la demande plus précis que des données d'expédition comparables, car les marchandises peuvent être expédiées pour diverses raisons - des échanges ou des échantillons de marchandises, par exemple.

En utilisant des règles et des normes commerciales définies comme références, l'IA et l'apprentissage automatique cartographient les codes SKU, produits, UPC et autres codes des détaillants par rapport aux codes des fabricants dans le cadre du processus d'intégration. Ils peuvent également différencier les SKU standard et promotionnels avec, par exemple, de petites modifications de contenu pour le même produit. Un avantage important est la capacité de l'IA et de l'apprentissage automatique à analyser et à éliminer les stocks fantômes et à afficher les vides afin de prévoir et de réduire les ruptures de stock. Grâce à l'analyse, les entreprises peuvent valider les données sur les tendances des ventes en quelques heures.

"L'une des choses que nous savons sur les prévisions, c'est qu'elles ne seront pas exactes", explique Suresh. « La question est donc de savoir comment combler les lacunes. Nous le faisons en exécutant des décisions de réapprovisionnement à court terme sur l'ensemble du réseau. »

Construire le réseau de valeur de la chaîne d'approvisionnement

La visibilité en aval sur la façon dont les marchés et les clients interagissent pour influencer les ventes, générant ainsi de précieux signaux de demande dans le processus, ouvre la voie à une refonte plus large de l'ensemble de la chaîne d'approvisionnement.

La visibilité à la fois en amont et en aval, de la commande au paiement dans un modèle de réseau non hiérarchique, « plusieurs à plusieurs », présente une opportunité pour la communication et le partage de données en temps réel de bout en bout, et pour la collaboration de toutes les parties. dans le réseau.

Le processus commence par la création d'une source unique, fiable et partageable d'informations sur le réseau. Les partenaires sont intégrés avec les autorisations appropriées pour accéder à des types de données spécifiques pour des utilisations spécifiques. Les données, y compris les formulaires, la documentation et les communications pertinents, sont normalisées, harmonisées et structurées dans un format de base de données commun pour en faciliter l'utilisation.

Que se passe-t-il lorsque les signaux de demande commencent à clignoter ? La production peut-elle être rapidement augmentée ou réduite, ou la gamme de produits et le séquençage modifiés pour s'assurer que les commandes sont exécutées à temps ? Les fournisseurs de niveau 2 disposent-ils des matériaux et des pièces nécessaires pour augmenter la production selon les besoins ? Si non, le stock existant dans le système peut-il être localisé, redirigé et réapprovisionné ? Si non, les équipes d'exploitation et de planification devraient-elles repenser les stocks de sécurité, la diversification des fournisseurs ou les alternatives de portefeuille de produits ? Quels seraient les impacts sur les coûts ? Le temps est critique pour obtenir des réponses à ces questions et prendre les mesures correctives optimales.

La différence importante avec le modèle de réseau est que les fournisseurs, les fabricants et les détaillants peuvent non seulement détecter les changements de demande, mais aussi collaborer directement et de manière proactive, en temps réel, pour résoudre les problèmes, plutôt que d'avoir chacun des communications séparées et cloisonnées via l'entreprise principale. où des détails cruciaux peuvent se perdre dans la traduction. De plus, les analyses basées sur l'IA et l'apprentissage automatique peuvent exécuter des centaines ou des milliers de scénarios en quelques minutes, en jouant chacun sur la base des données d'expédition et d'inventaire actuelles et historiques pour formuler une solution optimale.

Mais comme le dit le vieil adage technologique : ordures à l'intérieur, ordures à l'extérieur. Les performances du réseau dépendent de l'adhésion des partenaires et d'un ensemble de données précis. "Il ne s'agit pas seulement de technologie dans le cloud", insiste Suresh, "il s'agit d'assurer la conformité des partenaires dans les rapports, le volume et l'actualité des données, la granularité des informations et la fréquence à laquelle elles sont partagées".

Suresh reconnaît que, jusqu'à présent, ce sont principalement les très grandes entreprises, dans la fourchette de 6 milliards de dollars et plus, qui ont conduit ce niveau de transformation numérique, en partie en raison de leur effet de levier pour forcer et gérer le changement avec de plus petits fournisseurs, vendeurs, et clients. Mais il voit une opportunité dans le recrutement de clients dans la fourchette de 1 à 5 milliards de dollars.

Où tout cela va-t-il ? Il deviendra impératif au fil du temps pour les entreprises de toutes tailles d'entreprendre une transformation numérique, conduisant à l'interconnexion et à la consolidation des chaînes d'approvisionnement au fil du temps. Recherchez davantage d'opérations et de processus à automatiser, raccourcissant davantage les temps de réponse, éliminant les erreurs et compressant le cycle de la commande au paiement, tout en libérant des personnes et des ressources pour un travail plus productif et gratifiant. L'intégration et l'harmonisation des données deviendront probablement presque plug-and-play pour les fournisseurs et vendeurs de petite et moyenne taille, la capacité du réseau devenant un différenciateur clé en passe de devenir omniprésent.

L'essentiel : après une période d'ajustement brève, parfois difficile, la chaîne d'approvisionnement est sur le point de devenir beaucoup plus rapide, plus simple et plus résiliente.

Liens de ressources:

BordVerve, http://www.edgeverve.com

CommerceEdge, www.edgeverve.com/tradeedge