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.
Solo da una visione integrata di dati spesso considerati separatamente, come sottolinea Fabio Pascali, regional vice president di Cloudera, si può pensare di rispondere in tempi rapidi a imprevisti e cambiamenti improvvisi di scenario.
Come viene attualmente sfruttata la business intelligence nella supply chain?
Il mondo della supply chain si è prestato e si presta molto a processi di business intelligence, in quanto l’ottimizzazione delle scorte, la previsione della domanda e l’ottimizzazione della rete distributiva sono punti nevralgici del successo di ogni azienda produttiva. Tuttavia, come abbiamo realizzato negli ultimi anni, la Business Intelligence che agisce su dati storici e spesso non complessi genera informazioni utili in contesti tradizionali di mercato, ma difficilmente riesce a generare insight in contesti di forte dinamicità e criticità. Inoltre, osserviamo ancora approcci verticali, con dati e applicazioni specificamente dedicate al mondo della logistica, a quello della produzione o a quello dell’approvvigionamento. In questo modo si perde la possibilità di integrare dati provenienti da altre fonti esterne o interne all’azienda, per avere una visione più ampia e risultati più accurati, e non si forniscono dati ad altri dipartimenti per processi al di fuori della supply chain.
Cosa chiedono le aziende del settore a un software di nuova generazione, e cosa è realisticamente possibile ottenere?
Oltre a essere cresciuta per dimensione e complessità, oggi la supply chain deve fare i conti con una domanda sempre più globale, sottoposta a cambi repentini che devono essere rapidamente intercettati, interpretati ed elaborati. Basti pensare all’attuale crisi energetica e al fenomeno inflattivo, all’origine di forti turbolenze nei mercati. Le aziende richiedono quindi soluzioni in grado di elaborare continuamente dati provenienti dalle fonti più disparate, per agire in tempi rapidi sui processi produttivi, su quelli connessi alle scorte e quelli della distribuzione per contenere i costi, intercettare nuova domanda e migliorare la redditività aziendale anche in un contesto turbolento.
Tutto questo si può ottenere seguendo una strategia olistica, con l’adozione di una piattaforma che consenta di integrare dati di qualunque natura, magari elaborandoli in tempo reale per avere già delle informazioni utili, consolidarle all’interno di un lakehouse, che fonda i benefici di un tradizionale data warehouse con i più moderni data lake, e metta a disposizione questi dati sia ai team di Business Intelligence sia ai Data Scientist che con algoritmi di ML/AI estraggono valore utile a guidare le aziende.
Quali possono essere i vantaggi di un’adozione più diffusa degli analytics di ultima generazione?
L’utilizzo di advanced analytics porta una serie di vantaggi nel comparto della supply chain, in particolare correlati alla capacità di considerare e interpretare un numero sempre crescente di dati, sempre più eterogenei e soprattutto con la necessità di elaborarli in un tempo sempre più ristretto. In particolare, quest’ultimo aspetto che afferisce all’area del dato in movimento, consente alle aziende di creare rapidamente pipeline digitali di eventi, collegarle fra loro e definire azioni in tempo reale.
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?
IoT, può aiutare le aziende a generare sempre più dati da qualunque oggetto intelligente all’interno della supply chain. L’elaborazione in tempo reale, con algoritmi di ML/AI può contribuire a decisioni rapide che possono impattare tutta la catena. Pensiamo all’elaborazione di dati provenienti dalla flotta distributiva che in funzione di percorsi, traffico, meteo possa essere ottimizzata con cambi di programmi che possano influire sulla riduzione complessiva dei tempi. Oppure, dall’altro versante della catena, elaborare all’interno del lakehouse eventi esterni all’azienda, dalla geopolitica all’economica, che possano dare indicazioni in tempi rapidi su come cambiare la catena di approvvigionamenti per prevenire potenziali impatti negativi.
Potete fornire un caso pratico di applicazione di business analytics al servizio della supply chain?
Un caso concreto è quello dell’ottimizzazione della logistica. Questo caso d’uso, che abbiamo creato presso il Cloud Innovation Center di Accenture in Italia, dimostra come l’elaborazione in tempo reale di informazioni quali la geolocalizzazione della flotta distributiva, il percorso che viene richiesto e tanti altri parametri che possono essere facilmente aggiunti al modello (capacità di carico, informazioni meteo, traffico, priorità del trasporto ecc…) possa generare insight utili per l’ottimizzazione della logistica in tempo reale. Grazie alla Cloudera Data Platform, gli stessi dati possono essere anche elaborati a posteriori per prendere decisioni più strutturali sul modello di logistica. O ancora, tali dati possono essere acceduti dal team che lavora sulle dashboard ESG per rappresentare in maniera semplice e veloce i KPI dell’azienda sull’impatto ambientale.
Quali sono gli elementi e le tecnologie distintivi della vostra soluzione?
La piattaforma Cloudera Data Platform al servizio degli analytics nella supply chain propone una soluzione end-to-end, in grado di gestire dati di qualunque natura dall’ingestione del dato a partire da sistemi IoT, da sistemi della logistica, da sistemi di produzione e distribuzione, fino alla gestione storica dei dati stessi in un lakehouse con caratteristiche evolute sia in termini di flessibilità sia di economicità. La piattaforma effettua un’analisi dei dati in tempo reale per generare insight utili in tempi strettissimi, ma al tempo stesso consente di applicare modelli di ML a enormi quantità di dati. Altra caratteristica distintiva è rappresentata dalle radici open source, grazie alle quali tutte le componenti sono parte del progetto Apache, ma sono perfettamente integrate, testate e supportate per ridurre il time to value nell’adozione di una piattaforma dati.
La piattaforma è proposta in un contesto on premise o in public cloud, sfruttando le risorse messe a disposizione dai cloud provider, AWS, Microsoft o Google, ma rimanendo indipendente da essi. Questo permette tra l’altro il trasferimento di provider oppure favorire un modello ibrido. Infine, Data Fabric SDX, gestisce la sicurezza, le policy di accesso, le regole di spostamento dei dati e molto altro in un contesto ibrido on premise e cloud.
