Supply Chain ciencia y tecnología
Requisitos de datos para la Optimización de supply chain
La optimización predictiva de supply chain depende de datos fuertemente preparados. El propósito de estos datos es doble: primero, se utilizan los datos históricos de supply chain para construir los modelos de previsión; segundo, se usan los datos que describen el estado actual de supply chain para impulsar la optimización de las decisiones.
Pronosticando la Demanda de Nuevos Productos
Los nuevos productos no tienen un historial de ventas que se pueda representar como una serie de tiempo. Como resultado, los modelos de previsión de series de tiempo no funcionan para productos nuevos. Pronosticar la demanda de nuevos productos requiere modelos alternativos de previsión capaces de aprovechar datos, como los atributos del producto, que no se presentan en forma de serie de tiempo.
Miedo al Cambio en Supply Chain
Una buena práctica de gestión de supply chain (SCM) incluye una dosis saludable de conservadurismo ya que el costo del fracaso tiende a ser alto. Sin embargo, rechazar todo cambio no es una opción en un mundo donde la innovación expulsa a las empresas rezagadas del negocio.
Frankensteinización de software en Supply Chain
Gestionar supply chain y optimizarlo es particularmente desafiante desde una perspectiva de software. La 'Software Frankensteinisation' se refiere a la decadencia tecnológica que aqueja al software empresarial cuando se enfrenta a su propia evolución a lo largo de varias décadas.
Previsión probabilística para supply chain
Optimizar supply chain se basa en tener visiones sobre el futuro. Las previsiones clásicas descartan por completo la incertidumbre y asumen que la previsión es perfectamente conocida. En contraste, las previsiones probabilísticas abrazan la incertidumbre y reflejan que la optimización de supply chain debe mantenerse robusta frente a eventos inesperados.
Internet de las Cosas para Supply Chains
Para que una práctica de gestión de supply chain sea eficiente, los gerentes necesitan tener acceso a la posición de cada activo. A diferencia de la clásica gestión electrónica de inventario, el Internet de las Cosas (IoT) ofrece la posibilidad de obtener visibilidad en tiempo real de todos los activos, incluidos los vehículos.
Preparación de Datos en Supply Chain
Preparar adecuadamente los datos es un requisito para lograr el éxito en cualquier iniciativa orientada por datos. Cuando se consideran los desafíos de la supply chain, la preparación de datos resulta difícil porque involucra sistemas empresariales complejos que no fueron diseñados pensando en la ciencia de datos.
Inteligencia Artificial y Supply Chains
En este episodio hablamos de esta gran palabra de moda y su aplicación a supply chains.
Pronosticando Promociones
Pronosticar la demanda promocional es necesario para asignar la cantidad correcta de stock. Sin embargo, los modelos de previsión basados en series temporales normalmente no se ajustan bien para abordar patrones de demanda relacionados con precios. Se necesitan modelos de previsión de machine learning más complejos para tener en cuenta adecuadamente las promociones pasadas y reflejar el impacto próximo de aquellas que están planificadas.
La Paradoja de la Experiencia del Usuario
Los sistemas de gestión de supply chain (SCM) presentan interfaces de usuario complejas. Entre ellas, los subsistemas de previsión de demanda no solo son complejos, sino complicados. Se necesitan mejores interfaces de usuario para abordar esta complejidad.
Silos y decisiones en supply chain
Las supply chain modernas son complejas, y la respuesta más directa a la complejidad es una 'especialización de la mano de obra'. Desafortunadamente, este enfoque resulta en 'silos' que no logran entregar decisiones que maximizan los retornos para la empresa.
El Data Scientist en Supply Chain
Los desafíos de supply chain son frecuentemente cuantitativos y orientados a los datos. Esto los hace idóneos para una práctica de ciencia de datos. Sin embargo, comprender el negocio es un aspecto frecuentemente pasado por alto en la práctica de la ciencia de datos en supply chain.