El Manifiesto de Supply Chain Quantitativa
En Lokad, estamos descubriendo mejores formas de optimizar supply chains y deseamos ayudar a otros a hacer lo mismo. A través de nuestro trabajo, hemos llegado a valorar que:
El Manifiesto de Supply Chain Quantitativa
1. Todos los futuros posibles deben ser considerados; una probabilidad para cada posibilidad

Los clientes por sí mismos no siempre saben con certeza qué comprarán, cuándo lo comprarán o si comprarán en absoluto. La incertidumbre no puede ser negada y, en cambio, debe ser abrazada. Sin embargo, la incertidumbre no implica que todos los futuros sean igualmente probables. Algunos futuros son más propensos a ocurrir que otros. El objetivo del proceso de forecasting es asignar una probabilidad a cada futuro posible. Las computadoras modernas tienen una potencia de procesamiento increíble, y aunque evaluar todas esas probabilidades requiere capacidades de procesamiento significativas, esto ya no representa un problema insuperable.
2. Todas las decisiones factibles deben ser consideradas; posibilidades vs. probabilidades

Cada unidad de mercancía que tienes en stock implica tomar al menos una decisión por día: conservar la unidad donde está o hacer algo diferente con ella. Cada unidad que no tienes en stock, ya sea porque aún no se ha comprado o porque aún no se ha producido, también requiere tomar una decisión por día: si esta unidad extra debe “materializarse” o no. Todas estas decisiones deben ser consideradas cada día, para cada producto, para cada ubicación, para cada proveedor, para cada ruta. De nuevo, aunque la potencia de procesamiento pudo haber sido un problema en el pasado, ya no es un obstáculo. Por lo tanto, se deben examinar todas las decisiones posibles en relación con todos los futuros posibles y sus respectivas probabilidades.
3. Los impulsores económicos deben ser utilizados para priorizar las decisiones factibles

Stocks nulos, faltante de stock, y cero retrasos son solo límites algo teóricos de tu supply chain; esas no son opciones prácticas, factibles - y ciertamente no rentables. Un objetivo clave de la supply chain es minimizar los dólares de error, no los porcentajes de error. Pensar que mejorar los porcentajes de error se traduce automáticamente en ahorros de costos es una falacia. Los costes de inventario deben equilibrarse con los costes de faltante de stock. Los precios de compra deben equilibrarse con las cantidades de compra. Cualquier optimización depende fundamentalmente de las métricas que se están optimizando. Para lograr una optimización orientada al negocio, es necesario introducir impulsores económicos. Gracias a esos impulsores económicos, ahora es posible priorizar todas las decisiones factibles en relación con su ROI esperado. Refinar los impulsores económicos puede requerir tanto esfuerzo como ejecutar la optimización en sí; sin embargo, este es el precio a pagar para asegurarse de que los resultados estén alineados con la economía del negocio.
4. Estar en control requiere la automatización de cada tarea mundana

La automatización es la clave para otorgar a la dirección un mayor control sobre su propia supply chain. Si el manejo del flujo incesante de decisiones de supply chain requiere un flujo incesante de entradas manuales, entonces los profesionales de supply chain se convierten en esclavos de su propia solución de supply chain. Se requiere añadir manualmente, de forma interminable, entradas manuales a la solución, lo que es exactamente lo opuesto a tener el control.
De hecho, estar en control significa que todas las perspectivas estratégicas se integren adecuadamente en los millones de decisiones que se toman en relación con tu supply chain. Cada vez que cambie la situación de tu mercado, tus perspectivas estratégicas también deben revisarse. Revisar una solución de supply chain para tener en cuenta los nuevos elementos en la estrategia de una empresa debería ser indoloro, idealmente realizado en horas, y no en semanas. Además, no debería haber límite a la cantidad de conocimiento experto que se pueda inyectar en la automatización.
5. Un supply chain scientist debe hacerse cargo de los resultados numéricos

Si tu supply chain es significativa y ha estado operando durante años, entonces preparar los datos de tu supply chain es una tarea de gran envergadura en sí misma. Muy pocos profesionales se dan cuenta de cuán profunda puede ser la información contenida en los datos y, como regla general, un departamento de TI “tradicional” casi nunca lo hace. El desafío principal radica en establecer la semántica de los datos: qué es lo que realmente significan. La semántica no depende únicamente del software que se opera, sino también de los muchos procesos operativos que se siguen. Descubrir y documentar la semántica de los datos requiere una habilidad considerable. Además, la entrega de los resultados numéricos requiere una modelización adecuada de la supply chain, lo que a su vez demanda habilidades adicionales. Que un supply chain scientist se haga cargo de la entrega de los resultados numéricos es fundamental para asegurar el éxito de un proyecto. Sin las competencias necesarias en supply chain science, una iniciativa corre el riesgo de sufrir sutilezas no identificadas que pueden estar vinculadas a los datos, a los procesos de supply chain o a artefactos de modelización. A su vez, esto puede causar estragos en las operaciones de supply chain una vez que los resultados se ponen en producción.
Este manifiesto resume la filosofía adoptada por Lokad para abordar los desafíos de la supply chain. Nuestra tecnología proporciona los componentes esenciales para implementar esta visión en tu empresa. Nuestro forecasting engine probabilístico asigna una probabilidad para cada futuro posible. Nuestros solucionadores numéricos consideran y puntúan todas las decisiones posibles. La automatización de extremo a extremo se logra a través de Envision, nuestro lenguaje de programación. Nuestro equipo aporta la experiencia y el conocimiento necesarios para ejecutar la iniciativa. Te ayudaremos a diseñar las métricas que tu empresa necesita. Te ayudaremos a sacar el máximo provecho de los datos que tienes; incluso si aún no son los datos que deseas tener.