Der Supply Chain Scientist
Künstliche Intelligenz hat in den letzten Jahrzehnten stetige Fortschritte gemacht. Während selbstfahrende Autos möglicherweise kurz vor der Markteinführung stehen, sind wir noch Jahrzehnte davon entfernt, Software klug genug zu haben, um eine Supply-Chain-Strategie zu entwickeln. Dennoch wäre es falsch zu schlussfolgern, dass die gesamte Lieferkette noch Jahrzehnte davon entfernt ist, positiv von Machine-LearningAlgorithmen beeinflusst zu werden.
Lokads Kompetenz in der Lieferkettenwissenschaft entstand aus der Beobachtung, dass Algorithmen allein nicht ausreichten, sie jedoch in den Händen fähiger Lieferkettenexperten zu formidablen Enablern wurden. Machine Learning bietet die Möglichkeit, beispiellose Leistung in der Lieferkette zu erreichen, indem es sich um alle umfangreichen, aber ansonsten bürokratischen Mikroentscheidungen kümmert, die Ihre Lieferkette erfordert: wann ein Produkt bestellt werden soll, wann eine Einheit Lagerbestand bewegt werden soll, wann mehr Artikel produziert werden sollen, usw.
Der Supply Chain Scientist ist eine Mischung aus einem Datenwissenschaftler und einem Lieferkettenexperten. Diese Person ist verantwortlich für die ordnungsgemäße Datenbereitstellung und das ordnungsgemäße quantitative Modellieren Ihrer Lieferkette. Tatsächlich erfordert es menschliche Lieferkettenkenntnisse, um zu erkennen, dass einige relevante Daten in einem Projekt fehlen können und um die Optimierungsparameter mit der Lieferkettenstrategie des Unternehmens abzustimmen.
Zu oft gehen Lieferketteninitiativen mit fragmentierten Verantwortlichkeiten einher:
- Die Datenbereitstellung liegt in der Verantwortung des IT-Teams
- Statistik und Berichterstattung liegen in der Verantwortung des BI-Teams (Business Intelligence)
- Die Lieferkettenausführung liegt in der Verantwortung des Lieferkettenteams
Die traditionelle S&OP-Lösung für dieses Problem besteht darin, kollektive Verantwortung durch monatliche Treffen zwischen vielen Stakeholdern zu schaffen, idealerweise unter der Gesamtverantwortung des CEO. Allerdings, während wir dem Prinzip der kollektiven Verantwortung sicherlich nicht abgeneigt sind, zeigt unsere Erfahrung, dass die Dinge tendenziell eher langsam vorangehen, wenn es um traditionelles S&OP geht.
Im Gegensatz zur kollektiven Verantwortung, die durch geplante Treffen etabliert wird, hat der Supply Chain Scientist die wichtige Rolle, die end-to-end-Verantwortung für alle quantitativen Aspekte einer Lieferketteninitiative zu übernehmen.
Diese fokussierte Verantwortung ist entscheidend, um zu vermeiden, dass zu häufig auftretende Fallstricke vermieden werden, die mit traditionellen Lieferkettenorganisationen verbunden sind, wie zum Beispiel:
- Daten werden falsch extrahiert und aufbereitet, hauptsächlich weil das IT-Team nur begrenzte Einblicke in die Verwendung der Daten hat.
- Statistik und Berichterstattung stellen das Geschäft falsch dar; sie liefern weniger nützliche Erkenntnisse und leiden unter weniger als perfekten Dateninputs.
- Die Ausführung stützt sich stark auf ad-hoc Excel-Tabellen, um zu versuchen, die beiden oben beschriebenen Probleme zu mildern, und schafft dabei eine ganze Kategorie neuer Probleme.
Wenn wir eine quantitative Supply Chain-Initiative mit einem Kundenunternehmen beginnen, stellen wir sicher, dass ein Supply Chain Scientist verfügbar ist, um die Initiative durchzuführen.
Erfahren Sie mehr über Supply Chain Scientists
Leserkommentare (1)
Vielen Dank für sehr nützliche Einblicke in die Prognose.
JMMGSR (Vor einem Jahr)
