Antipatterns en supply chain

Les initiatives supply chain échouent souvent. La la Supply Chain Quantitative est notre réponse pour réduire drastiquement les taux d’échec. Cependant, parce que la Supply Chain Quantitative se concentre sur les pratiques dont nous savons qu’elles fonctionnent, elle met peu l’accent sur celles dont nous savons également qu’elles ne fonctionnent pas. Pire encore, il s’avère que la plupart de ces pratiques indésirables sont en réalité les causes profondes des taux d’échec élevés associés aux méthodes traditionnelles de supply chain.

Ci-dessous, nous passons en revue les pratiques – ou patterns – qui causent l’échec de la plupart des initiatives supply chain. Ces enseignements ont été durement acquis, car pour chaque insight il nous a généralement fallu non pas un, mais plusieurs échecs pour en saisir la racine. Nous appelons ces pratiques nuisibles antipatterns de la supply chain. Un antipattern est une « solution » qui se retourne contre vous : c’est une approche courante, elle semble être une bonne idée et pourtant, elle échoue invariablement à apporter l’amélioration escomptée.

Mauvais leadership

Chez Lokad, nous ne voulons certainement pas antagoniser les principaux décideurs supply chain, qui sont nos prospects et nos clients. Pourtant, en même temps, nous estimons qu’il est de notre devoir de refuser de conclure un contrat lorsque la solution est vouée à échouer par design. Souvent, le problème se résume à la gestion même de l’initiative. Cela dit, nous reconnaissons que la gestion de la supply chain n’est guère le seul responsable. Certains vendeurs diffusent parfois tous les mauvais messages à leurs clients et s’en tirent sans complexe. Les pratiques héritées et la politique interne peuvent également empoisonner le quotidien de la gestion de la supply chain, qui peut aussi être utilisée comme bouc émissaire lorsque les choses ne se passent pas comme prévu. Dans cette section, nous listons les écueils fréquents qui pourraient être corrigés grâce à un leadership supply chain révisé.

Le RFQ de l’enfer

Il existe de nombreux domaines où les RFQs (requests for quotation) ont du sens. Malheureusement, le logiciel n’en fait pas partie. Rédiger le cahier des charges d’un logiciel est bien plus difficile que d’écrire le logiciel lui-même. La tâche est décourageante. Une fois le processus de RFQ engagé, les entreprises parviennent à aggraver la situation en faisant intervenir des consultants, compliquant ainsi un cahier des charges déjà surcomplexé. Le RFQ étouffe la plupart des raisonnements de résolution de problèmes, car le processus suppose que le client connaît déjà les détails de la solution souhaitée, alors que le « problème » est, par définition, en grande partie non résolu au moment de la rédaction du RFQ. De plus, en pratique, les RFQs favorisent un processus de sélection de vendeurs antagoniste : les bons vendeurs se retirent tandis que les mauvais persistent. Enfin, le logiciel est un secteur au rythme effréné et, au moment où votre entreprise termine son processus de RFQ, votre concurrent aura déjà déployé sa solution.

Le POC fragile

Réaliser un POC (proof of concept) est judicieux si ce que vous envisagez d’acheter est un service presque commoditisé : comme un service d’impression de cartes de visite. Une initiative supply chain est complexe par nature. La supply chain nécessite une coordination entre plusieurs entités. Il existe de multiples niveaux de données à exploiter. Il y a des dizaines de flux de travail à prendre en compte. Les POCs ou pilotes à petite échelle font plus de mal que de bien car, par leur conception même, ils négligent une vertu fondamentale d’une initiative supply chain réussie : sa capacité à fonctionner à grande échelle. La plupart des gens connaissent le principe des économies d’échelle; toutefois, en matière d’optimisation de la supply chain, nous devons essentiellement composer avec des déséconomies d’échelle, où il devient de plus en plus difficile de prendre de bonnes décisions à mesure que la complexité augmente. Réussir pour un petit centre de distribution ne garantit pas du tout que la solution fonctionnera aussi bien pour des dizaines de centres de distribution différents.

Ignorer l’incertitude

L’avenir est incertain, et cette incertitude ne peut être simplement écartée. De même, l’optimisation numérique de la supply chain est un problème difficile qui ne peut être ignoré. L’optimisation de la supply chain nécessite des prévisions probabilistes, conséquence directe de la gestion d’un futur incertain. L’optimisation de la supply chain fait également face aux comportements contre-intuitifs générés par les optimisations numériques. Certains vendeurs exploitent le désir de simplifier les choses pour vendre une pratique fantaisiste où tous les obstacles sont abstraits. Malheureusement, ces obstacles ne sont pas de simples détails techniques : ils définissent ce qui a réellement une chance de fonctionner pour votre supply chain. L’incertitude doit être appréhendée d’un point de vue numérique approfondi. La gestion de la supply chain doit également reconnaître et accepter l’incertitude.

Faire confiance au stagiaire

Si l’amélioration de la supply chain revêt la moindre importance pour votre entreprise, alors l’initiative nécessite l’implication directe de votre direction générale. Trop souvent, les entreprises chérissent l’idée d’amélioration, puis confient l’affaire à un ou deux stagiaires. Bien que nous ayons rencontré des stagiaires très brillants, nous n’avons jamais vu une initiative supply chain pilotée par des stagiaires progresser. Nous n’avons rien contre les stagiaires, certes. Ils peuvent être intelligents, motivés, et avoir une pensée originale; mais ils sont loin de ce dont votre entreprise a besoin pour impulser le changement dans sa supply chain. L’engagement de la direction supply chain devrait être acquis d’avance, sinon, les équipes n’exécutent pas. Les équipes n’ont généralement que très peu de temps libre, voire aucun. À moins que la direction ne précise, par son implication directe, que l’initiative en cours est une priorité, celle-ci ne le sera en réalité pour personne, sauf peut-être pour le pauvre stagiaire affecté à l’affaire.

Mort par planification

La direction recherche des garanties, et rien n’est aussi rassurant qu’une feuille de route solide, avec des phases, des rôles et des livrables bien définis. Cependant, si l’histoire du logiciel nous a appris quelque chose, c’est que les plans prédéfinis ne survivent généralement pas à la première semaine de l’initiative. Parfois, ils ne survivent même pas au premier jour. Concernant l’optimisation de la supply chain, des imprévus surviendront constamment, et cette perspective est quelque peu effrayante. Rigidifier l’initiative par une planification précise ne fait qu’empirer les choses : l’initiative devient encore plus fragile face aux imprévus. Au lieu de cela, elle devrait être rendue aussi résiliente que possible face à l’inconnu. La capacité à se remettre des problèmes est plus importante que celle à les éliminer dès le départ. Ainsi, la gestion de la supply chain devrait se concentrer sur rendre l’initiative agile plutôt que minutieusement planifiée.

Découpler la prévision de l’optimisation

La perspective traditionnelle de l’optimisation de la supply chain dissocie le processus de prévision du processus de prise de décision. Bien que cela puisse être envisageable techniquement en utilisant deux ensembles d’algorithmes distincts, l’un pour la prévision et l’autre pour l’optimisation, d’un point de vue fonctionnel, l’équipe chargée de la prévision doit également être responsable de l’optimisation. En effet, la logique de prise de décision, autrement dit l’optimisation, est numériquement très sensible à la logique de prévision. Isoler ces deux perspectives revient à amplifier les défauts déjà présents au niveau de la prévision, perturbant ainsi les décisions qui en résultent. La logique d’optimisation devrait plutôt s’harmoniser numériquement avec les forces et les faiblesses de la logique de prévision.

Frankensteinisation du logiciel

Il est difficile d’obtenir un consensus dans les grandes entreprises. En conséquence, alors que la majorité des parties prenantes impliquées dans la supply chain pourrait décider de choisir un vendeur spécifique, une minorité pourrait rester fermement attachée à sa propre vision, ou souhaiter opter pour certaines fonctionnalités d’un produit différent. Puisque la personnalisation du logiciel constitue une affaire rentable pour les grands vendeurs de logiciels, le vendeur se montre trop souvent disposé à céder, ce qui gonfle les coûts et la valeur perçue. Cependant, un bon logiciel met des années à être développé, et quand il est bien réalisé, le résultat final représente un compromis finement ajusté entre des objectifs contradictoires. Le résultat quasi systématique d’une surpersonnalisation du logiciel par les grandes entreprises consiste à enlever les propriétés d’origine du produit et à le rendre non pas meilleur, mais pire, en y ajoutant toujours plus de couches, le transformant ainsi en monstre. Il n’y a pas de pénurie de vendeurs de logiciels. Si la solution ne convient pas à votre entreprise, passez à autre chose et choisissez un autre vendeur. Si aucun vendeur ne correspond à votre entreprise, alors soit votre activité est réellement unique – ce qui est rare – soit vous devriez peut-être revoir vos exigences.

Initiatives dictées par des buzzwords

Vers 2010, la mode dans le retail était de découvrir comment exploiter les prévisions météo pour affiner les prévisions de demande. En 2012, il s’agissait d’intégrer les données des réseaux sociaux dans la prévision de la demande. En 2014, le Big Data dominait, pour être remplacé par le machine learning en 2016. Chaque année apporte sa nouvelle vague de buzzwords. Bien qu’il n’y ait jamais beaucoup de mal à revisiter un vieux problème avec une perspective nouvelle, perdre de vue les défis fondamentaux revient presque à compromettre toute initiative en cours. Si cela semble trop beau pour être vrai, c’est probablement le cas. Les améliorations supply chain se méritent. Assurez-vous que toute nouveauté que vous souhaitez introduire se concentre réellement sur les défis centraux de votre supply chain.

Mauvaise exécution IT

L’IT est trop souvent tenue pour responsable des échecs de projets. L’IT est difficile – bien plus difficile que ce que la plupart des personnes extérieures à l’IT imaginent. Pourtant, il arrive parfois que les équipes IT, avec de bonnes intentions, créent tant de frictions à travers leurs processus que l’initiative est ralentie au point que le reste de l’entreprise abandonne. Les équipes IT doivent non seulement accepter le changement en général, mais aussi adopter le type de changement spécifique qui ne compromet pas les évolutions positives futures. Plus facile à dire qu’à faire.

Se méfier des mécanismes de défense IT

Comme les équipes IT ont peut-être déjà été utilisées comme boucs émissaires lors de l’échec de certains projets, elles ont pu développer certains « mécanismes de défense ». L’un des mécanismes les plus courants consiste à demander des spécifications écrites détaillées pour chaque nouvelle initiative. Pourtant, spécifier une solution logicielle s’avère généralement plus difficile que de la mettre en œuvre. Cela revient donc à remplacer un problème complexe par un problème encore plus complexe. D’autres mécanismes consistent à afficher une ligne dure d’« exigences » telles que : le logiciel doit être installé sur site, il doit être compatible avec XYZ, il doit disposer de fonctionnalités de sécurité spécifiques, etc. Un bon logiciel met des années à être développé. Une fois cette longue liste d’exigences rédigée, il ne reste généralement que deux types de vendeurs de logiciels : ceux qui ne correspondent pas à vos exigences et ceux qui mentent en affirmant qu’ils y correspondent.

Sous-estimer l’effort lié aux données

Bien que cela puisse sembler paradoxal, les initiatives supply chain peuvent également échouer parce que l’IT s’implique trop dans l’élaboration de la solution et se charge de préparer les données. En effet, l’IT est d’une complexité démesurée et peut donc compter parmi ses membres des individus très talentueux, au point que certaines équipes IT en viennent à penser qu’elles connaissent mieux le métier que le reste de l’entreprise. La conséquence indésirable principale de cette approche est une sous-estimation constante des défis liés à la gestion des données de l’entreprise. Analyser les données de manière pertinente ne consiste pas à déplacer des mégaoctets d’information d’un côté à l’autre, mais à établir une compréhension fine de la manière dont ces données reflètent les processus et les flux de travail de l’entreprise. Il s’agit également de comprendre les subtilités, les biais et les limites des données, tels qu’ils se manifestent dans les systèmes de l’entreprise à un moment donné. Le fait que les équipes IT prennent en charge la préparation des données est une garantie d’imprévus, car elles réalisent progressivement à quel point leur vision initiale manquait de profondeur. En tenant compte de tout cela, l’option raisonnable consiste à déléguer ce rôle dès le départ à quelqu’un en dehors du département IT.

La tentation de la plateforme extensible

En ce qui concerne le logiciel d’entreprise, il y a une chose que les vendeurs maîtrisent : l’art d’être une plateforme « extensible » équipée de nombreux modules, qui représentent autant d’opportunités d’upsell. Cependant, les plateformes ne s’associent pas bien et des recoupements fonctionnels, c’est-à-dire deux plateformes qui se font concurrence en interne pour la même fonction au sein de votre entreprise, apparaissent très rapidement. Deux plateformes se chevauchant constituent un cauchemar IT pour toute entreprise et entraînent généralement des mécanismes de synchronisation difficiles à mettre en place et encore plus à maintenir. Ainsi, bien qu’il soit tentant d’opter pour une solution globale, l’option raisonnable consiste presque toujours à choisir des applications spécifiques qui font une seule chose et la font bien. Gérer des dizaines d’applications spécifiques est simple, tandis que gérer deux grandes plateformes – avec des recoupements fonctionnels tout aussi importants – relève de l’enfer.

Extractions de données peu fiables

Les données sont comme le sang pour une initiative de la Supply Chain Quantitative : arrêter de pomper et elle meurt. L’initiative doit être alimentée en données fraîches en permanence. Trop souvent, l’informatique considère qu’effectuer quelques extractions de données ponctuelles suffira à démarrer. Après tout, il y a de fortes chances que cette initiative soit de toute façon bientôt terminée – rappelez-vous, la plupart des initiatives supply chain échouent – et il n’a donc guère de sens d’investir trop d’efforts pendant cette phase initiale d’extraction de données. Cependant, selon cette logique, la mise en place d’un processus automatisé pour des extractions de données fiables est retardée et devient ainsi l’une des principales causes de l’échec de l’initiative elle-même. Ici, l’informatique doit être proactive et commencer à automatiser les extractions de données dès le premier jour. De plus, l’équipe informatique a également un rôle de coaching à jouer pour convaincre le reste de l’entreprise que cet effort supplémentaire est un facteur clé de succès pour l’initiative, et que l’option jetable d’extraction de données ne mènera à rien.

Mauvaises recettes numériques

L’optimisation de la supply chain est avant tout un jeu de chiffres. Naturellement, la vision d’entreprise compte, le leadership compte, la discipline compte, mais notre expérience indique que la plupart des entreprises font un travail plus que correct dans ces domaines. Pourtant, lorsqu’il s’agit de chiffres, il semble que tout le secteur de la supply chain soit envahi par de mauvaises recettes numériques. Tous les praticiens de la supply chain ne réalisent pas que toutes les formules et modèles – désignés ici par recettes numériques – dépendent d’hypothèses assez strictes. Si l’une de ces hypothèses est rompue, la recette numérique s’effondre. Dans cette section, nous listons les contrevenants les plus fréquents à cet égard. Pour des raisons de concision, nous supposons que le lecteur connaît déjà les recettes elles-mêmes.

Analyse ABC

L’approche ABC des stocks a été conçue à une époque où les ordinateurs n’étaient pas une option pour piloter la supply chain. Le principal avantage de l’analyse ABC est qu’elle rend l’analyse si simple qu’elle peut être effectuée à la main. Cependant, compte tenu de la capacité de traitement vertigineuse des ordinateurs modernes, utiliser l’analyse ABC n’a plus de sens aujourd’hui. Il n’y a aucun avantage à classer des milliers de SKU en 3 ou 4 catégories arbitraires. Il existe un continuum complet entre le produit le plus vendu et la longue traîne. La logique qui optimise la supply chain devrait embrasser ce continuum, plutôt que de nier son existence dès le départ. En pratique, nous observons également que les effets négatifs de l’analyse ABC sont aggravés par des changements de marché qui entraînent des instabilités de classes, avec des produits changeant de catégorie au fil du temps.

Stock de sécurité

Il n’existe pas de « stock de sécurité » dans votre entrepôt. Le stock de sécurité est un concept fictif qui divise le stock disponible en deux catégories : le stock opérationnel et le stock de sécurité. Historiquement, le stock de sécurité a été introduit comme une méthode simpliste pour gérer une demande variable et des délais d’approvisionnement fluctuants. Le stock de sécurité est modélisé à partir de distributions normales – également appelées Gaussiennes. Cependant, même un examen rapide de n’importe quel jeu de données supply chain montre clairement que ni la demande ni les délais ne suivent une distribution normale. Au début des années 1980, lorsque les ordinateurs étaient encore très lents, les distributions normales pouvaient constituer un compromis acceptable entre complexité et précision, mais de nos jours, il n’y a aucun intérêt à conserver quelque chose qui avait été conçu comme un « hack » pour pallier les limitations des premiers ordinateurs.

Corrections manuelles des prévisions

Certains praticiens se vantent parfois d’être capables de « contourner le système » et de générer des chiffres de meilleure prévision que ceux produits par le système. Si tel est le cas, le système doit être considéré comme dysfonctionnel et corrigé en conséquence, en s’appuyant notamment sur l’expérience et les connaissances du praticien. Optimiser une supply chain de taille significative implique de générer des milliers, voire des millions, de prévisions par jour. Se fier aux saisies manuelles des équipes supply chain pour compenser les insuffisances du système ne devrait même pas être envisagé comme une option valable pour l’entreprise. Vu les progrès réalisés en statistique ces 20 dernières années, il n’y a aucune raison de penser que, lorsqu’on fournit les mêmes données d’entrée, un système automatisé ne pourrait pas surpasser un humain qui, en réalité, n’aura pas plus que quelques secondes à consacrer à chaque chiffre à produire. Si l’humain disposait de journées entières pour chaque décision à prendre, la situation serait radicalement différente. Cependant, la grande majorité des décisions que la supply chain doit prendre quotidiennement ne rentre pas dans cette catégorie.

Alertes et suivi des mauvaises prévisions

Les prévisions classiques mettent l’accent sur un avenir unique – c’est-à-dire des prévisions visant la moyenne ou la médiane – comme si cet unique avenir devait se réaliser avec une probabilité significative. Pourtant, l’avenir est incertain et les prévisions ne sont, au mieux, qu’approximatives. Dans certaines situations, les prévisions classiques se révèlent tout simplement erronées. Fréquemment, d’immenses coûts sont encourus par l’entreprise à cause de ces importantes erreurs de prévision. En conséquence, des alertes sont mises en place pour repérer ces grosses erreurs. Cependant, le principal coupable n’est pas les prévisions elles-mêmes, mais la perspective de prévision classique qui insiste sur un avenir unique, alors que tous les avenirs sont possibles, quoique de probabilités inégales. Selon la prévision probabiliste, les erreurs de prévision sont en grande partie prévisibles et se présentent sous la forme de distributions de probabilités, finement réparties sur une large gamme de valeurs possibles. Les prévisions probabilistes préconisent une approche où l’entreprise dé-risque de manière proactive son activité supply chain face à un degré d’incertitude plus élevé. En revanche, mettre des alertes sur des prévisions classiques est le symptôme d’une approche fondamentalement défaillante, puisqu’elle nie toute incertitude.

Bricoler les données historiques

Lorsque des biais, tels que des ruptures de stocks ou des promotions, sont identifiés dans les données historiques, il est tentant de « corriger » ces biais en modifiant les données historiques, afin que celles-ci reflètent mieux ce qu’aurait été l’histoire sans le biais. Nous appelons ce processus le « bricolage » des données historiques. L’idée fondamentale du bricolage est que tous les modèles de prévision sont conçus comme des variantes de la moyenne mobile. Si tout ce que vous avez sont des moyennes mobiles, alors effectivement, les données historiques doivent être ajustées pour tenir compte de ces moyennes. Pourtant, le bricolage n’est pas la solution. En réalité, la solution réside dans l’élargissement de l’horizon et la recherche de meilleurs modèles de prévision qui ne soient pas aussi dysfonctionnels que la moyenne mobile. De meilleurs modèles statistiques devraient être utilisés pour traiter efficacement des données historiques « enrichies », où les biais eux-mêmes sont pris en compte comme des données d’entrée. Bien que ces modèles statistiques n’aient peut-être pas été disponibles il y a plusieurs décennies, ce n’est définitivement plus le cas aujourd’hui.

Les délais d’approvisionnement en tant que citoyens de seconde classe

Pour des raisons qui nous échappent en partie, les délais d’approvisionnement sont trop souvent considérés comme une donnée acquise plutôt que comme quelque chose nécessitant sa propre prévision. Les délais futurs sont incertains et, presque toujours, la meilleure façon d’estimer de manière fiable les délais futurs est d’utiliser ceux observés dans le passé. Ainsi, les délais d’approvisionnement nécessitent leur propre prévision. De plus, les implications supply chain d’estimations correctes des délais sont bien plus importantes que ce que beaucoup de praticiens imaginent : les quantités maintenues en stocks existent précisément pour couvrir la demande sur un délai donné. Modifier les délais entraîne également une modification des quantités en stocks. Par conséquent, les prévisions de délais ne peuvent pas être reléguées au rang de citoyen de seconde classe dans vos efforts supply chain. Presque tous les plans supply chain insistent sur la nécessité de prévisions de demande précises, mais notre expérience indique qu’en pratique, des prévisions de délais précises sont tout aussi importantes.

Pseudo-science

La pseudo-science possède tous les attributs de la science : elle semble rationnelle, elle est accompagnée de chiffres, elle est censée être prouvée et des personnes très instruites défendent son bien-fondé. Cependant, la pseudo-science ne résiste pas à l’épreuve de la reproductibilité des résultats. Habituellement, une configuration expérimentale n’est même pas nécessaire pour détecter la pseudo-science, et les documents qui l’accompagnent commencent à s’effondrer sous le regard d’une revue par les pairs impartiale. Les supply chains sont coûteuses à exploiter et complexes à comprendre. Ces deux caractéristiques à elles seules expliquent pourquoi les méthodologies supply chain sont si difficiles à contester : non seulement les expérimentations comportent beaucoup de risques, mais il est également difficile d’évaluer correctement ce qui contribue réellement à une amélioration perçue.

Cas d’affaires fantaisistes

Les solutions supply chain ne sont certes pas le seul domaine des logiciels d’entreprise où les fournisseurs font des affirmations audacieuses, mais comme le dit le vieil adage : si quelque chose semble trop beau pour être vrai, c’est probablement le cas. Nous avons nous-mêmes constaté qu’à peu près chaque mois de janvier, lors du salon NRF à New York – l’un des plus grands salons du commerce de détail au monde, en activité depuis plus d’un siècle – nous repérons souvent un très grand fournisseur qui affirme audacieusement que les niveaux de stocks peuvent désormais être réduits de moitié grâce à sa nouvelle solution. Si seulement un dixième de ces affirmations était vrai, toute l’industrie aurait atteint des niveaux de stocks quasi parfaits il y a une décennie. Il existe tant de manières de jouer avec les chiffres des cas d’affaires que la plupart des fournisseurs ne mentent même pas vraiment. Le cas le plus fréquent est que l’entreprise présentée comme l’exemple type de la solution avait, dès le départ, une supply chain massivement dysfonctionnelle et, par conséquent, des chiffres d’amélioration tout aussi massifs étaient possibles, une fois que la situation était revenue à la normale un an plus tard.

Faire confiance à l’équipe Commerciale pour la prévision

Il reste mystérieux de savoir si les personnes qui demandent à leurs équipes commerciales de produire des chiffres précis de prévision de demande ont déjà travaillé avec une véritable équipe de vente. Dans le meilleur des cas, ces chiffres peuvent être considérés comme une estimation honnête, mais le plus souvent, ils sont purement inventés par l’équipe commerciale qui tente de manipuler les incitations financières qui lui sont attribuées. Cela conduit à la pratique répandue appelée « sandbagging », où chacun fixe ses objectifs aussi bas que possible afin de pouvoir ensuite les dépasser. Par ailleurs, en aval, nous avons des équipes supply chain qui font souvent semblant de prêter attention à ces chiffres, alors que les opérations réelles restent totalement séparées des données fournies par les ventes. Ignorer les chiffres suggérés par l’équipe commerciale est la seule option raisonnable, car la supply chain cesserait de fonctionner si elle devait réellement s’appuyer sur des chiffres aussi médiocres.

Solutions éprouvées

Chercher une solution éprouvée qui a réussi à apporter des bénéfices tangibles à une entreprise très similaire à la vôtre peut sembler être une approche tout à fait rationnelle. D’un point de vue anecdotique, c’est exactement ce que Nokia a fait, ainsi que d’innombrables autres entreprises, jusqu’à leur disparition. La plupart des grandes entreprises n’agissent pas aussi rapidement lorsqu’il s’agit de choisir une solution complexe. Le processus de sélection du fournisseur peut facilement prendre jusqu’à un an. Ensuite, atteindre la vitesse de croisière avec la solution choisie peut également prendre une année supplémentaire. Le suivi des résultats et l’obtention de leur confiance peuvent prendre encore 1 ou 2 ans – notamment pour ces supply chains où toutes les solutions ne sont pas durables, et où la supply chain peut rapidement revenir à son ancien niveau de performance, une fois que le fournisseur n’est plus constamment présent sur site pour ajuster la solution. Après cela, il peut falloir une année de plus pour que le fournisseur de la solution parvienne finalement à apporter à votre entreprise cette preuve durement acquise. Le défaut fatal dans cette logique est que votre entreprise ne peut pas se permettre d’arriver à la fête avec 5 ans de retard. Lorsqu’il s’agit de logiciels, 5 ans représentent un laps de temps très long. La plupart des logiciels sont en réalité considérés comme obsolètes dès la cinquième année ; pourquoi votre solution supply chain serait-elle différente ?

Mauvaises métriques, mauvais benchmarks

La Supply Chain Quantitative repose sur des chiffres en qui l’on peut avoir confiance. En conséquence, nous avons tendance à être fortement enclins vers des métriques et des benchmarks. Cependant, nous constatons que, dans la supply chain, la grande majorité des benchmarks et des métriques sont conçus de manière si médiocre qu’ils sont généralement considérés comme de la pseudo-science à nos yeux. De bonnes métriques supply chain nécessitent beaucoup d’efforts. De bons benchmarks supply chain demandent un effort quasi dément. Trop souvent, métriques et benchmarks sont simplifiés pour la commodité, au détriment de toute pertinence réelle pour l’entreprise. En règle générale, si la mise en œuvre d’un benchmark ne semble pas être une tâche incroyablement difficile pour vos équipes supply chain, il y a de fortes chances que le défi soit largement sous-estimé.