Home Digitale Come il machine learning produce risparmi per il procurement

Come il machine learning produce risparmi per il procurement

Oggi quando si parla di machine learning il pensiero va subito ad Amazon Alexa e agli altri assistenti virtuali.

Ma il machine learning svolge anche un ruolo importante per le aziende che desiderano risparmiare tempo e denaro, in particolar modo quando si tratta di procurement.

Secondo uno studio pubblicato da Amazon Business e WBR Insights, oltre il 60% dei responsabili degli acquisti e chief procurement officer si sta muovendo verso il l’intelligenza artificiale e il machine learning, implementando queste tecnologie nei processi d’acquisto e aiutando le aziende a prendere le decisioni migliori.

Si tratta di una trasformazione che coinvolge ormai anche l’analisi dei dati sugli acquisti: fino a qualche tempo fa le aziende avrebbero dovuto chiedere aiuto ad esperti come ingegneri di business intelligence, data scientist e professionisti IT che, a loro volta, avrebbero creato modelli di analisi complessi.

Gerardo Di Filippo, Senior Manager Amazon Business

Con il machine learning, spiega Gerardo Di Filippo, Amazon Business Senior Manager per l’Italia, oggi non è necessario essere esperti professionisti per acquisire dati complessi: i buyer possono analizzare i dati attraverso la cronologia degli ordini di migliaia di dipendenti per prendere decisioni di acquisto.

I problemi del procurement

L’approvvigionamento è un fattore chiave nella crescita e nella trasformazione delle aziende, ma allo stesso tempo può risultare un processo dispendioso sia per le grandi sia per le piccole realtà.

Le imprese di tutte le dimensioni sono alla ricerca di modalità che facciano risparmiare tempo e costi, garantiscano efficienza dei processi, con un maggiore controllo e trasparenza.

Per esempio, per quanto riguarda le aziende più grandi, l’esigenza riguarda soprattutto la cosiddetta tail spend (tutti gli acquisti che si verificano al di fuori dei normali processi di approvvigionamento e dove può venire meno la supervisione) e che può rappresentare dal 20% al 40% del volume lordo degli acquisti di un’azienda.

Per le imprese più piccole, con budget limitati, la difficoltà si può verificare già nella fase di ricerca delle offerte migliori, generando spesso errori che possono costare caro e impattare anche sul tempo impiegato.

L’esempio di Schindler

Ne è un esempio Schindler, il famoso produttore leader di ascensori, scale e tappeti mobili che opera a livello globale con più di 64.000 dipendenti trasportando più di 1 miliardo di persone ogni giorno.

In questo contesto, una supply chain affidabile è fondamentale per garantire un supporto adeguato ai dipendenti distribuiti sul territorio e per sostenere la trasformazione digitale dell’azienda.

Claudio Rumolo, Chief Information Officer di Schindler Italia, ha spiegato a Di Filippo come i suoi oltre 1.500 stakeholder interni siano sempre più esigenti e i tempi di consegna diventino sempre più un fattore chiave per le decisioni di acquisto.

Gestire questa complessità richiede uno strumento di procurement facile da usare come Amazon Business, con un’ampia selezione, un efficace algoritmo di ricerca, pagine prodotto contenenti tutte le informazioni necessarie per prendere decisioni guidate dai dati, prezzi competitivi e consegne veloci.

Come il machine learning aiuta le aziende

L’intelligenza artificiale è un campo delle scienze informatiche dedicato alla soluzione di problemi cognitivi comunemente associati all’intelligenza umana, ad esempio l’apprendimento, la risoluzione di problemi e il riconoscimento di schemi.

Il machine learning è un sotto campo, in cui i dati acquisiti dalle esperienze precedenti consentono all’apprendimento di verificarsi automaticamente.

Amazon Business, spiega Di Filippo, implementa l’uso dell’apprendimento automatico per automatizzare attività manuali e dispendiose in termini di tempo per i propri clienti.

Anticipare quindi le tendenze del prodotto e sfruttare questi risultati per prevedere meglio la richiesta di un determinato prodotto, come per esempio i toner delle stampanti, può aiutare a ridurre i costi di stoccaggio nei centri di distribuzione di Amazon, a semplificarne i processi, abbassando infine il prezzo di un articolo per i clienti.

Migliorare costantemente con il machine learning

Il machine learning riesce a identificare automaticamente gli stessi articoli o simili che i responsabili degli acquisti hanno scelto come loro prodotti preferiti da Amazon Business, fornendo al bisogno anche alternative convenienti.

Un altro campo che Amazon Business sta esplorando, spiega Di Filippo, è quello del search, il punto di partenza nel processo di acquisto per la maggior parte dei clienti business.

Il machine learning apprende continuamente dalle modalità di ricerca e acquisto e dalle informazioni fornite dall’utente, combinando parametri specifici del settore per identificare prodotti che potrebbero risultare interessanti per i clienti.

Nel comprendere una query di ricerca, gli algoritmi di elaborazione del linguaggio naturale possono filtrare informazioni semantiche e presentare prodotti adatti. In questo modo, l’apprendimento automatico aiuta gli utenti a ottenere risultati pertinenti al contesto e presenta suggerimenti, prodotti e fornitori che potrebbero non essere stati presi in considerazione in precedenza.

Ciò garantisce che i prodotti siano classificati e ottimizzati in modo altamente pertinente per aiutare le aziende a trovare gli articoli in modo più rapido ed efficace.

Se, per tornare all’esempio di Schindler, Claudio Rumolo cerca un toner, il machine learning garantisce che i prodotti più interessanti per le sue esigenze siano visualizzati nell’elenco dei risultati.

Acquisti intelligenti sempre più automatizzati

Un ulteriore campo per l’utilizzo del machine learning, spiega Di Filippo, è il curated buying.

La tecnologia aiuta le aziende a favorire l’efficienza dei processi, dando la priorità automatica ai prodotti di cui hanno bisogno e che preferiscono, in base alla cronologia degli ordini, al budget dell’acquirente, ai sistemi di classificazione del settore e alle linee guida per gli acquisti, fornite direttamente dai clienti.

In futuro il sistema potrebbe impostare in automatico le linee guida per gli acquisti, in base agli obiettivi aziendali forniti, in modo tale che possano variare e adattarsi in modo che i risultati vengano sempre raggiunti.

Inoltre, nella fase di restock dei prodotti, gli acquisti effettuati più volte potrebbero essere rinnovati più semplicemente, grazie ad un inventario clienti, in grado di prevedere e riordinare automaticamente gli articoli per conto del buyer.

Il machine learning di Amazon Business aiuta a prevedere le esigenze di tutti i clienti aziendali con funzionalità capaci di soddisfarle. Un ulteriore vantaggio per risparmiare sui costi di spedizione, impostare migliori modalità di pagamento per semplificare i processi o impostare la funzione multi-utente, per consentire anche ad altri dipartimenti di acquistare in modo indipendente.

In questo modo si favorisce maggiore produttività, flessibilità e velocità del business a supporto degli uffici acquisti di svariate realtà, che vanno dalle Pmi alle grandi aziende con decine di migliaia di dipendenti, fino agli ospedali e le università.

Per chiudere con l’esempio di Schindler, per Claudio Rumolo o uno dei membri del suo team questo significa risparmiare ore di ricerca e comparazione dei prodotti,

operando in maniera più efficiente, e migliorare l’organizzazione e la produttività dei dipendenti su tutta la linea.

 

LASCIA UN COMMENTO

Inserisci il tuo commento
Inserisci il tuo nome

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche
css.php