גישור על תהום ההחלטה

דמיינו את סוגיית הרכש הנפוצה הזו: חמישה צוותי רכש באותה חברה מוצאים באופן עצמאי חלק זהה מאותו ספק. אף אחד מהצוותים לא מודע לתוכניות של האחרים, וכולם בסופו של דבר מבטיחים את החלק במחירים שונים בתכלית בגלל חוסר נראות נתונים ותקשורת. התוצאה? ניתוק מחירים משמעותי שעלול לעלות לחברה אלפי, אם לא מיליונים, יותר ממה שצריך. אם התרחיש הזה נשמע מוכר, סביר להניח שנפלת קורבן ל"תהום ההחלטות" - הניתוק בין הנדסה ועיצוב מוצר, תכנון שרשרת אספקה ​​ורכש בתוך ארגונים, שמפריע לקבלת החלטות מהירה ומושכלת ונראות.

עם זאת, אתה לא לבד בכל הנוגע לבעיות נראות נתונים בין ארגונים. נתונים יכולים להיות קשים לניהול ולניצול - תהום ההחלטה היא בעיה נפוצה. 99% מלאים מהחברות כישרון הסקר מכיר בכך שהנתונים חיוניים להצלחה, אבל 97% מתמודדים עם אתגרים בשימוש יעיל בנתונים, ושליש אפילו לא משתמש בנתונים כדי לקבל החלטות. הסיבות לכך שחברות נאבקות במינוף נתונים כדי להניע קבלת החלטות מושכלות משתנות - חלקן מצביעות על נתונים באיכות ירודה, בעוד שאחרות מכירות בהסתמכות על תהליכים ידניים.

בעוד תעשיות רבות עברו התפתחות משמעותית טרנספורמציה דיגיטלית כדי לשפר זרימות עבודה ולהוזיל עלויות, זה לא המקרה של רוב אנשי שרשרת האספקה ​​והרכש, שנשארים לחסדי כלי תוכנה מנותקים, תוך שימוש בגיליונות אלקטרוניים כדי לנסות ולגבש תובנות מעשיות מנתונים מסובכים ומפורקים. יותר מדי חברות נופלות לתהום ההחלטות בכל הנוגע לשרשרת האספקה ​​שלהן, במיוחד פונקציות המקור והרכש שלהן. 

הבנת תהום ההחלטה 

הבנת תהום ההחלטה מחייבת להכיר בכך שצוותי רכש, שרשרת אספקה ​​ומוצר נועדו לעבוד יחד בצורה חלקה ברחבי הארגון ולחלוק מידע כדי להגיע ליעדים הארגוניים המשותפים שלהם. עם זאת, המציאות לרוב רחוקה מהאידיאל הזה, כאשר 64% מאנשי המקצוע בשרשרת האספקה ​​עדיין מסתמכים על Excel לניהול מקורות ישירים ורק 35% מהחברות משתמשות בבינה מלאכותית בעסק שלהן.

האתגרים של שימוש בגיליונות אלקטרוניים כמו Excel לניהול מקורות ישירים הם כפולים. ראשית, היעדר שפה משותפת בין פונקציות נפרדות מחייב חיבור נתונים בהקשר להבנה אוניברסלית - יתרון חסר באקסל. שנית, שימוש בגיליונות אלקטרוניים מפוצלים יוצר ממגורות ארגוניות, החוסם את זרימת המידע החלקה בין הצוותים. צוותים עם מטרה משותפת, כמו הפחתת עלויות או הבטחת המשכיות האספקה, חייבים להיות בעלי יכולת לשתף ולמנף את כל הנתונים שלהם כדי לקבל החלטה אחידה וחכמה.

ניווט בלחצים של היום עם הכלים של אתמול

בעקבות שיבושים בשרשרת האספקה ​​העולמית משנת 2021 ואילך, חברות הפנו תשומת לב רבה יותר לבעיות שרשרת האספקה ​​המטרידות את השורות התחתונה. בעוד ששרשרות האספקה ​​נראות כיום יציבות יותר ממה שהן נראו בתקופה האחרונה, הן עדיין שבריריות ונמצאות בסיכון מתמיד, כאשר המתחים הגיאופוליטיים מסלימים בקצב העולה על היכולות של גיליונות אלקטרוניים מסורתיים ותהליכים ידניים. לדוגמה, המתיחות הגוברת בין ארה"ב לסין היא משכנעת חברות לחשוב מחדש ולגוון את הספקים שלהן במקומות אחרים להישאר עמיד - שינוי אסטרטגי הדורש גישה לנתונים בזמן לקבלת החלטות מהירה.

אנו רואים גם שינויים בזמני אספקה ​​הדורשים תובנה בזמן אמת, כך שצוותים יכולים להתאים במהירות את אסטרטגיות המקור שלהם כדי לצמצם שיבושים נוספים באספקה. לדוגמה, כאשר פרצה מלחמת ישראל-חמאס, ראשי שרשרת האספקה ​​והרכש היו צריכים להבין מיד אילו ספקים וחלקים הושפעו בכל החברה שלהם. במקרים כמו אלה, בהם צוותים בתוך ארגון משתמשים באופן עצמאי בגיליונות אלקטרוניים נפרדים ללא תקשורת או שיתוף מידע יעיל, אי אפשר להשיג את הנראות הזו ולהיות מסוגלים לפעול באופן יזום כדי למצוא ספקים וחלקים חלופיים בעת הצורך.

איך לגשר על תהום ההחלטה

מובילי שרשרת אספקה ​​ורכש יכולים לפתור בעיות פיצול ובעיות קשורות על ידי מינוף טכנולוגיות מתקדמות כגון אוטומציה של AI, צבירת נתונים והקשר.

אם ארגונים מבססים נראות נתונים מקיפה על פני פעולות פנימיות ומערכת אקולוגית נתונים רחבה יותר עם תוכנת AI, נתונים מבוססי הקשר יכולים לספק תובנות ניתנות לפעולה בזמן ולגשר על תהום ההחלטה. על ידי איחוד וניצול נתונים בין צוותים רלוונטיים, חברות מקבלות מקור יחיד של אמת לקבלת החלטות, בתוספת נראות מתקדמת כיצד ניתן לקשור חלקים וחומרים למוצרים מוגמרים, עם התאמה טובה יותר ומדויקת יותר למה שניתן לייצר עם מה צריך לייצר.  

כאשר מצוידים ביכולות המתקדמות הללו, הרכש משיג הבנה ברורה כיצד כל רכיב, כולל תנודות מחיר ומלאי, יכול להשפיע על השורה העליונה והתחתונה של הארגון. תוך ניצול אינטליגנציה של בינה מלאכותית, מנהלי מקורות מידע יכולים לייעל את העלויות במהלך משא ומתן עם ספקים, בעוד שהצוותים מקבלים התראות בזמן אמת על חשיפת סיכון פוטנציאלית הקשורה לחלקי סחורות וחומרים לפני שיתפתחו שיבושים. מידע רב ערך זה מעצים צוותי הנדסה ומוצרים להעריך את בריאות הספק ולדגמן כיצד מרכיבי מפתח משפיעים על מבנה העלויות של מוצר בשלבים המוקדמים של תהליך התכנון.

A מחקר קרני 2021 הראו שחברות מובילות עם שותפויות רכש חזקות ברחבי הארגון הניבו כמעט פי שניים יותר תשואה כוללת של בעלי המניות, תרמו 200 נקודות בסיס יותר למדד הרווחיות התאגידית המרכזית EBITDA מהוצאות צד שלישי והתאוששות חזקה פי שלושה לאחר ה-COVID-19.

ככלל, כלי AI מובילים לשיפורים משמעותיים ביעילות התפעולית. לאחר שהשתחררו מהטרדות של ניהול גיליונות אלקטרוניים וזרימות עבודה ידניות וגוזלות זמן, צוותי רכש יכולים להתמקד במשימות אסטרטגיות יותר.

החסמים לגישור על תהום ההחלטה

מכשול נפוץ לגישור על תהום ההחלטה הוא חוסר היכולת להתחיל, או "אינרציה ארגונית", המונעת מהפחד מהמסע הלא נודע, מהמשכו ומהאתגרים הפוטנציאליים שבדרך. חוסר הרצון של מנהיגות ליזום שינוי מושרש עמוק מכיוון שצוותי מקורות ורכש עקבו באופן מסורתי אחר תהליכים משותפים במשך עשרות שנים.

לפי מקינזי מחקר, 61% מבכירי הייצור מדווחים על ירידה בעלויות, ו-53% מדווחים על עלייה בהכנסות כתוצאה ישירה מהכנסת AI בשרשרת האספקה. השינוי הזה הוא לא רק שדרוג טכנולוגי; זהו מסע מעצים המאפשר לצוותים להגביר את היעילות ולהשפיע אסטרטגית משמעותית יותר בתוך הארגון.

אל מול תהום ההחלטה, הדרך קדימה ברורה. זוהי קריאה לפעולה למובילי שרשרת אספקה ​​ורכש לדרוש כלי תוכנה טובים יותר כדי לפתח עידן של מודיעין החלטות משופר. עדיין לא מאוחר להתחיל לשנות את הארגון שלך עם AI. אי-פעולה כעת מביא את הסיכון להיקלע לתהום החלטה, בעוד שארגונים המהירים לאמץ פלטפורמות המופעלות בינה מלאכותית יזנקו קדימה עם תוצאות עסקיות אופטימליות ויתרון תחרותי.

קית' הארטלי הוא מנכ"ל LevaData.

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
• PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
• PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
• PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
• מקור: https://www.supplychainbrain.com/blogs/1-think-tank/post/38761-bridging-the-decision-abyss