È difficile a immaginare a qualcosa di diverso dalla supply chain come migliore espressione della serie di imprevisti verificatasi negli ultimi anni e relativa necessità di cambiamenti. Tra pandemia e invasione dell’Ucraina, anche una situazione all’apparenza secondaria come l’incagliamento di una nave porta container nel Canale di Suez si è trasformata in un moltiplicatore di problemi. Per uscirne, una delle strade più promettenti passa dalla business intelligence, e dagli analytics in particolare.
Un’organizzazione considerata fino a quel momento perfettamente oliata , si è invece rivelata improvvisamente fragile, compromettendo le forniture su scala mondiale, accentuando il calo nella lavorazione di materie prime e nella produzione, mettendo in discussione processi consolidati da tempo.
Di fronte all’impossibilità di gestire in autonomia processi di tale dimensione e complessità, superata la fase dell’emergenza, è importante ora capire come sfruttare l’analytics al servizio della supply chain. Uno strumento fondamentale per raccogliere i dati e trasformarli in informazioni, passando da una visione di analisi a posteriori a una sempre più orientata alla previsione.
Come sottolinea Gianluca Vergaretti, data & technology transformation leader di IBM Consulting Italia, molto dipende da problemi di visibilità. Dei dati prima di tutto, e di conseguenza sul reale stato di salute dei propri processi.
Come viene attualmente sfruttata la business intelligence nella supply chain?
L’ottimizzazione della supply chain è diventata ancora più critica dopo la crisi generata dal periodo pandemico, con i costi cresciuti esponenzialmente e la disponibilità delle materie prime drasticamente calata. E’ diventata fondamentale quindi l’analisi dei dati disponibili, per ottenere previsioni sempre più affidabili che permettano di ottimizzare il processo end-to-end. Per questo motivo, accanto alle analisi descrittive di business intelligence, vengono utilizzati degli analytics al servizio della supply chain basati su tecnologie innovative che permettono di introdurre modelli predittivi, inferenziali nell’ambito dell’analisi del patrimonio dati disponibile.
Cosa chiedono le aziende del settore a un software di nuova generazione, e cosa è realisticamente possibile ottenere?
Le catene di approvvigionamento sono sottoposte a pressioni estreme, dalla volatilità della domanda e dalle fluttuazioni delle scorte, ai vincoli logistici e alle mutevoli reti di approvvigionamento. Molte di queste sfide derivano da problemi di visibilità/monitoraggio della supply chain con relativa difficoltà di accesso ai dati e raltivi analytics, gestione/previsione della domanda, efficienza del flusso di lavoro operativo e collaborazione inefficiente tra domini, che incidono tutti su costi e ricavi.
Inoltre, la pandemia ha portato una serie di difficoltà aggiuntive, a partire dallo shortage sulla disponibilità dovuta ai blocchi, ritardi, riduzione delle forniture, in particolare dei fornitori asiatici. Al tempo stesso, contrapposti a picchi fortissimi della domanda con fortissimi rialzi su alcuni prodotti di largo consumo, dovuti sia alle mutate condizioni di vita sia all’effetto ‘acquisti da panico’.
Infine, si è dovuto fare i conti con effetti Bullwhip e Shortage Gaming, dovuti alla domanda a valle, che si alza artificiosamente per assicurarsi quote maggiori di fornitura di risorse scarse, e all’amplificazione delle variazioni di domanda risalendo la catena.
Di conseguenza il cosiddetto New Normal è molto difficile da prevedere, a causa della forte incertezza e delle numerose variabili. Si rischia di interpretare semplici rimbalzi di fornitura e ricostituzione scorte come segnali di ripresa reale. In questo scenario la costruzione di una smart supply-chain necessita di un progetto guidato da una strategia e della capacità di prendere decisioni intelligenti, data-driven, a partire dal disegno del network logistico.
Quali possono essere i vantaggi di un’adozione più diffusa degli analytics di ultima generazione?
L’utilizzo combinato di Analitica Predittiva, in grado di stimare il comportamento degli agenti/eventi esterni, tra cui clienti, fornitori, meteo, e Analitica Prescrittiva, che suggerisce le azioni utili ad affrontare al meglio il contesto previsto, permette di innalzare non solo le performance della supply chain, ma anche la marginalità del business.
Le previsioni real-time con modelli predittivi permettono di ottenere previsioni più accurate, che combinate con piani operativi ottimizzati con modelli analitici prescrittivi producono una migliore pianificazione operativa. Sfruttando tecnologie più recenti come Intelligenza artificiale o IoT, è possibile risolvere i problemi manifestati negli ultimi anni ed evitare il ripetersi di situazioni simili?
Per anticipare e affrontare al meglio le interruzioni e la volatilità, le organizzazioni hanno bisogno di supply chain più intelligenti e agili. Il primo passo verso il raggiungimento di questo obiettivo è attraverso il Continuos Intelligence Planning, un approccio che migliora la pianificazione aziendale integrata con una pianificazione continua e collaborativa, utilizzando funzionalità potenziate dall’intelligenza artificiale. Queste funzionalità abilitano capacità always on a livello aziendale, fornendo continuità nei mercati dinamici e la capacità di passare da operazioni reattive a operazioni più flessibili ‘rileva e rispondi’.
Potete fornire un caso pratico di applicazione di business analytics al servizio della supply chain?
IBM Consulting ha sviluppato sia a livello locale sia internazionale moltissimi progetti di applicazione di analytics a supporto della supply chain. In particolare, tra i più recenti, un progetto sviluppato per una primaria utility italiana che ha visto la realizzazione di un ambiente collaborativo e integrato a supporto dei processi Extended Supply Chain di un impianto di produzione di materie plastiche (Monomeri e Polimeri) per l’ottimizzazione end-to-end del singolo asset in una visione integrata di linea di business.
La metodologia adottata per lo sviluppo del programma è stata quella Agile, strutturata secondo iterazioni autoconsistenti e in grado di raggiungere concreti risultati operativi, facilmente misurabili e in linea con le esigenze dell’azienda.
In particolare i modelli di Advanced Analytics a supporto dei processi previsionali e di pricing critici costruiti, hanno permesso di ottenere risultati misurabili quali: il supporto attivo nella trasformazione dei modelli di business già esistenti, la diminuzione dei costi con particolare riferimento a quelli operativi, l’aumento dei ricavi, una significativa semplificazione dei processi con conseguente aumento della loro accuratezza e diminuzione dei tempi di esecuzione. Oltre a un miglioramento della qualità della vita dei dipendenti grazie alla semplificazione e introduzione di strumenti che supportano e facilitano lo svolgimento delle attività lavorative quotidiane.
Quali sono gli elementi e le tecnologie distintivi della vostra soluzione?
Come IBM Consulting abbiamo naturalmente la capacità di costruire soluzioni basate su tecnologia IBM, ma anche su tecnologia di altre aziende come AWS, Microsoft o Google. Questo rende le nostre soluzioni indipendenti dalla tecnologia e ci permette di costruire modelli di machine learning o comunque predittivi adattandoci all’ambiente in uso dal cliente, oppure fare da advisor nella scelta. Introducendo poi il concetto di Cognitive Supply chain nelle organizzazioni con una visione molto avanzata o che stanno per re-inventare drasticamente le loro operazioni, possiamo proporre l’adozione di diverse soluzioni.
Tra queste, Hybrid Cloud per assicurarsi che l’infrastruttrura sia nel posto giusto e abiliti l’utilizzo dei dati sempre disponibili, Blockchain per lo sharing della informazioni certificate in sicurezza, Artificial Intelligence per render la supply chain adattiva e self-learning e Automation per migliorare l’efficienza rispetto ai task manuali.
