Il Supply Chain Scientist
L’intelligenza artificiale ha compiuto progressi costanti negli ultimi decenni. Tuttavia, mentre le auto a guida autonoma potrebbero essere alle porte, siamo ancora a decenni di distanza dall’avere un software sufficientemente intelligente da ideare una supply chain strategy. Eppure, allo stesso tempo, sarebbe scorretto concludere che l’intera supply chain sia ancora a decenni di distanza dall’essere positivamente influenzata dagli algoritmi di machine learning.
La competenza di supply chain science di Lokad è nata dall’osservazione che, sebbene gli algoritmi da soli fossero insufficienti, essi diventavano in realtà potenti strumenti nelle mani di esperti supply chain capaci. Il machine learning offre la possibilità di raggiungere livelli senza precedenti di supply chain performance occupandosi di tutte le micro-decisioni estese ma altrimenti di natura burocratica che la tua supply chain richiede: quando ordinare un prodotto, quando spostare un’unità di stock, quando produrre altri articoli, ecc.
Il Supply Chain Scientist è una via di mezzo tra un data scientist e un esperto supply chain. Questa persona è responsabile della corretta data preparation e della corretta modellizzazione quantitativa della tua supply chain. Infatti, ci vogliono le intuizioni umane sulla supply chain per rendersi conto che alcuni dati rilevanti possono mancare in un progetto e per allineare i parametri di ottimizzazione con la supply chain strategy dell’azienda.
Troppo spesso, le iniziative di supply chain si accompagnano a responsabilità frammentate:
- La data preparation è di competenza del team IT
- Statistics and reporting è di competenza del team BI (business intelligence)
- Supply chain execution è di competenza del team supply chain
La tradizionale S&OP risposta a questa problematica è la creazione di una proprietà collettiva attraverso riunioni mensili tra molti stakeholder, idealmente con l’intero processo sotto la guida del CEO. Tuttavia, sebbene non siamo certamente contrari al principio della proprietà collettiva, la nostra esperienza indica che le cose tendono ad avanzare piuttosto lentamente quando si tratta del tradizionale S&OP.
Contrariamente alla proprietà collettiva stabilita attraverso riunioni programmate, il Supply Chain Scientist riveste il ruolo fondamentale di assumersi la proprietà end-to-end di tutti gli aspetti quantitativi di un’iniziativa di supply chain.
Questa proprietà focalizzata è fondamentale per evitare gli errori troppo comuni associati alle organizzazioni di supply chain tradizionali, che sono:
- I dati vengono estratti e preparati in modo errato, principalmente perché il team IT ha una comprensione limitata in merito all’utilizzo dei dati.
- Statistics and reporting rappresentano in modo fuorviante l’azienda; forniscono intuizioni poco utili e soffrono di input di dati meno che perfetti.
- L’execution si basa pesantemente su fogli Excel ad hoc per cercare di mitigare i due problemi sopra descritti, creando al contempo una categoria intera di nuovi problemi.
Quando iniziamo un’iniziativa di supply chain quantitativa con un’azienda cliente, cominciamo assicurandoci che un Supply Chain Scientist sia disponibile per eseguire l’iniziativa.
Per saperne di più sui supply chain scientists
Commenti dei lettori (1)
Grazie per le intuizioni molto utili sulla previsione.
JMMGSR (un anno fa)
