Visibilità in tempo reale nelle supply chain (con Pierre Khoury)

00:00:07 Introduzione e background di Pierre Khoury e Shippeo.
00:01:25 Visibilità in tempo reale nelle supply chain e la sua importanza.
00:02:59 La tecnologia di Shippeo e come funziona nella pratica.
00:04:00 L’impatto della visibilità in tempo reale sul processo decisionale nelle supply chain.
00:07:03 Sfide tecniche affrontate da Shippeo e come superarle.
00:10:01 Considerazione di vari problemi per l’algoritmo di stima del tempo di arrivo.
00:11:07 I vantaggi dei dati granulari e in tempo reale per l’efficienza della supply chain.
00:12:55 La necessità di granularità nei dati della supply chain e l’individuazione di potenziali problemi.
00:15:14 Rompere gli “silos” nella supply chain attraverso la condivisione delle informazioni.
00:16:30 Approccio delle aziende di spedizione e vantaggi per le parti interessate.
00:17:19 Sfide nella previsione e nell’ottimizzazione senza visibilità in tempo reale.
00:18:35 Il futuro della visibilità in tempo reale e azioni correttive tattiche.
00:19:56 La visibilità in tempo reale come argomento di punta nella supply chain e la creazione di valore attraverso la condivisione dei dati.

Riassunto

In questa intervista, Kieran Chandler parla con Joannes Vermorel, fondatore di Lokad, e Pierre Khoury, CEO di Shippeo, sull’importanza della visibilità in tempo reale nelle supply chain. Vermorel sottolinea la necessità di ottimizzazione basata su misurazioni accurate, mentre Khoury evidenzia la tecnologia di Shippeo che aggrega dati e punti GPS per determinare i tempi di arrivo stimati. La visibilità in tempo reale consente una migliore presa di decisioni e può aiutare a mitigare potenziali problemi. Nonostante le sfide tecniche, sia Vermorel che Khoury concordano sul valore dei dati in tempo reale per il tracciamento degli asset e per evitare costose disruzioni. La condivisione dei dati di Shippeo mira a abbattere gli silos e migliorare l’efficienza lungo tutta la supply chain.

Riassunto Esteso

In questa intervista, l’ospite Kieran Chandler parla con Joannes Vermorel, fondatore di Lokad, un’azienda software specializzata nell’ottimizzazione della supply chain, e Pierre Khoury, CEO e co-fondatore di Shippeo, un leader europeo nella visibilità della supply chain. Discutono dell’importanza della visibilità in tempo reale nelle supply chain, delle sfide affrontate e di come la tecnologia venga utilizzata per risolvere questi problemi.

Pierre Khoury inizia condividendo la sua esperienza come ingegnere, la sua esperienza nel settore finanziario e la fondazione di Shippeo quattro anni fa. L’obiettivo dell’azienda era quello di portare la visibilità in tempo reale al trasporto su strada, che è stato un “black box” negli ultimi 40 anni. Shippeo conta ora 70 dipendenti ed è un leader nel tracciamento del trasporto su strada in tutta Europa.

Joannes Vermorel spiega la regola cardinale dell’ottimizzazione: non puoi ottimizzare ciò che non misuri. Le supply chain sono difficili da ottimizzare perché sono altamente distribuite e si estendono su continenti diversi. Storicamente, le persone hanno monitorato oggetti statici, come quelli presenti nei magazzini. Tuttavia, le supply chain coinvolgono il monitoraggio di oggetti in movimento come camion e spedizioni. La visibilità in tempo reale è cruciale per accedere a queste informazioni senza dover aspettare giorni affinché i dati raggiungano la sede centrale, consentendo una migliore ottimizzazione.

Pierre Khoury illustra come funziona la tecnologia di Shippeo nella pratica. L’azienda ha sviluppato oltre 150 connettori per vari sistemi, come sistemi telematici e di invio per i vettori, nonché app mobili per i vettori più piccoli. Shippeo aggrega dati e punti GPS ogni tre-cinque minuti, indipendentemente dalla fonte, e utilizza quindi l’analisi predittiva per determinare i tempi di arrivo stimati.

Joannes Vermorel sottolinea l’importanza della visibilità in tempo reale dal punto di vista dell’ottimizzazione della supply chain. Conoscere lo stato delle spedizioni consente una migliore presa di decisioni, come ad esempio se acquistare di più o cambiare fornitori. Ad esempio, se ci si aspetta che un fornitore consegni prodotti in dieci giorni ma la spedizione è in ritardo, il monitoraggio in tempo reale tramite Shippeo può aiutare a identificare il problema e consentire strategie di mitigazione, come effettuare un ordine di emergenza con un fornitore diverso per evitare ritardi nella produzione.

La visibilità in tempo reale nelle supply chain è essenziale per una migliore ottimizzazione e presa di decisioni. La tecnologia di Shippeo sta contribuendo a risolvere il problema di lunga data del monitoraggio di oggetti in movimento nel trasporto su strada, consentendo alle aziende di prendere decisioni più informate e mitigare eventuali problemi.

Joannes Vermorel spiega che la sfida principale che affrontano è la limitata informazione che ricevono dai sistemi transazionali come ERPs, WMS e sistemi di gestione degli ordini. Questi sistemi non forniscono informazioni su ciò che accade dopo l’invio di un ordine di acquisto, creando incertezza nella supply chain. Egli ritiene che, sebbene gli approcci probabilistici esisteranno ancora, l’incertezza può essere notevolmente ridotta con dati in tempo reale da aziende come Shippeo.

Pierre Khoury discute le sfide tecniche che affrontano, come la connessione di oltre 150 sistemi diversi, garantendo un flusso di dati stabile e coerente per milioni di punti GPS, gestendo il cambiamento nell’industria dei trasporti lenta ad adattarsi e mantenendo pipeline di dati di alta qualità. Sottolinea l’importanza di considerare fattori come il traffico, le pause dei conducenti, i tempi di carico e scarico e il meteo per creare tempi di arrivo accurati.

Sia Vermorel che Khoury concordano sull’alto valore dei dati in tempo reale nelle supply chain, poiché consente alle aziende di monitorare asset fisici costosi e evitare ritardi o interruzioni costose. Vermorel sottolinea che anche se gli asset stessi non sono costosi, la loro disponibilità o indisponibilità può avere un impatto significativo sulla supply chain.

Khoury fornisce un esempio di come i dati in tempo reale di Shippeo abbiano aiutato un cliente durante le proteste dei Gilet Gialli in Francia, consentendo loro di riposizionare i loro camion ed evitare costose consegne in elicottero o aereo. Menziona anche che il livello di dettaglio dei loro dati, con aggiornamenti ogni tre-cinque minuti, può essere vantaggioso per tutte le parti coinvolte nella supply chain, compresi magazzini, clienti, team di trasporto e team di assistenza clienti.

Vermorel spiega che i problemi si verificano frequentemente ai confini delle supply chain, dove possono verificarsi ritardi a causa di vari motivi, come il mancato ritiro tempestivo delle merci o la mancata comunicazione tra diversi sistemi. Sottolinea l’importanza dei tempi di consegna dettagliati, che possono fornire informazioni preziose per ottimizzare i processi della supply chain. Vermorel osserva che, sebbene i dati in tempo reale siano importanti, l’analisi non deve necessariamente rimanere al livello dei minuti; ad esempio, l’ottimizzazione a livello di rete potrebbe comportare una riflessione in termini di giorni anziché minuti.

Khoury aggiunge che le supply chain sono intrinsecamente composte da diversi attori, che spesso adottano un approccio settoriale alle informazioni. Condividendo informazioni in tempo reale sul trasporto, Shippeo mira a abbattere questi compartimenti stagni e migliorare l’efficienza complessiva. Fornisce un esempio di come le informazioni aggiornate al minuto possano aiutare a ridurre i tempi di attesa nei magazzini, portando a costi di trasporto più bassi e a una maggiore produttività per tutte le parti coinvolte.

Quando gli viene chiesto quali sono i principali clienti di Shippeo, Khoury spiega che il loro focus principale è sui spedizionieri, poiché sono loro quelli che traggono maggiori benefici dalla soluzione e possono guidarne l’adozione in tutta la supply chain. Il sistema viene fornito gratuitamente ai vettori e ad altre parti interessate per favorire una partecipazione diffusa.

Vermorel sottolinea l’importanza della visibilità in tempo reale nell’ottimizzazione della supply chain, spiegando che può aiutare a eliminare gran parte dell’incertezza che complica la presa di decisioni. Approcci probabilistici possono essere utili per affrontare l’incertezza, ma ridurla il più possibile è comunque molto desiderabile. Immagina che Lokad sia in grado di offrire decisioni sulla supply chain più efficienti a vari livelli, dagli ordini di acquisto a lungo termine alle risposte tattiche di emergenza.

Khoury conclude sottolineando l’interesse crescente per la visibilità in tempo reale nelle supply chain, con Gartner che la classifica come un argomento di primo piano. Crede che la condivisione di informazioni con altri sistemi possa creare valore aggiuntivo e favorire un ecosistema collaborativo che beneficia tutti coloro coinvolti nella supply chain.

Trascrizione completa

Kieran Chandler: Oggi sono lieto di dire che siamo qui con Pierre Khoury, CEO e co-fondatore di Shippeo, che ci parlerà un po’ dei vantaggi e delle sfide della visibilità in tempo reale nelle supply chain. Pierre, grazie mille per essere qui.

Pierre Khoury: Grazie, Kieran. Sono molto felice di essere qui.

Kieran Chandler: Bene. Quindi se potessi iniziare dicendoci un po’ del tuo background e anche di come è nata Shippeo.

Pierre Khoury: Sì, quindi per formazione sono un ingegnere e ho lavorato nel settore finanziario dove ho co-fondato un fondo di private equity. Poi, quattro anni fa, abbiamo avviato Shippeo con l’obiettivo di avere una visibilità in tempo reale sul trasporto, in particolare sul trasporto su strada, che è stato una scatola nera negli ultimi 40 anni. Quindi ora, Shippeo è un’azienda con 70 dipendenti e siamo leader in Europa nel monitoraggio del trasporto su strada in tutto il continente.

Kieran Chandler: E, come sempre, non potrebbe mancare LokadTV senza Joannes Vermorel. Quindi, Joannes, forse potresti dirci qualcosa di più su cos’è la visibilità in tempo reale per quanto riguarda le supply chain.

Joannes Vermorel: La regola cardinale dell’ottimizzazione è che non puoi ottimizzare ciò che non misuri. Quindi se qualcosa rimane opaco per te, allora non hai speranza di ottimizzare nulla. Nelle supply chain è molto difficile perché è altamente distribuito, con cose sparse letteralmente su continenti. Storicamente, le persone hanno iniziato a tracciare ciò che non si muoveva, come quello che hai nei magazzini. Finché le cose sono statiche, non era facile, ma è iniziato diversi decenni fa. Ora, il problema è che le supply chain riguardano tutte le cose che si muovono, come i camion e le spedizioni, e lì diventa molto difficile. La visibilità in tempo reale consiste nell’accedere a queste informazioni senza dover aspettare giorni, in modo che tutti i dati possano tornare alla sede centrale. È una sfida perché se non lo fai bene, perdi l’opportunità di ottimizzare solo perché è arrivato troppo tardi. Quindi, la visibilità in tempo reale è molto importante in questo aspetto.

Kieran Chandler: Ok, quindi questa è un po’ la teoria dietro. Pierre, potresti dirci qualcosa di più su come funziona effettivamente in pratica? Come funziona la tecnologia di Shippeo?

Pierre Khoury: Come ho detto, è stata una sfida e irrisolta negli ultimi 40 anni. Quindi, ci siamo organizzati per risolvere prima l’eterogeneità dei sistemi informatici dei vettori. Abbiamo sviluppato più di 150 connettori con vari tipi di sistemi, come i sistemi di invio telematico per i vettori e la nostra app mobile per i piccoli vettori. Aggregiamo dati e punti GPS ogni tre o cinque minuti, ovunque provengano, e poi possiamo fare analisi predictive su questo, in particolare il tempo stimato di arrivo.

Kieran Chandler: E Joannes, perché questo è interessante dal punto di vista di Lokad? Perché è interessante?

Joannes Vermorel: Per noi, quando vogliamo decidere se vogliamo acquistare di più o se abbiamo bisogno di acquistare da un fornitore diverso, al fine di ottimizzare questa decisione, dipende da ciò che hai o che molto probabilmente avrai entro un certo periodo di tempo.

Kieran Chandler: Quindi, ad esempio, se ti rendi conto che un fornitore può consegnare prodotti in dieci giorni, ma saranno in ritardo di cinque giorni, e grazie a Shippeo lo sai già perché il tracciamento ti dice che il camion si è appena mosso negli ultimi giorni. Cosa significa?

Joannes Vermorel: Significa che forse puoi decidere di mitigare ciò che diventerebbe un incidente di produzione, o la tua fabbrica di produzione si fermerà solo perché non hai le materie prime, effettuando un ordine di emergenza con un fornitore che è forse più costoso ma è molto vicino e può consegnare ciò di cui hai bisogno il giorno successivo. Ma se vuoi avere misure di correzione di emergenza super agili, devi avere questi dati. Per noi, la grande sfida è che spesso tutto ciò che abbiamo sono dati che provengono da sistemi transazionali come ERP, WMS o sistemi di gestione degli ordini, che non forniscono alcuna informazione oltre a dove sono state inviate le cose. Spesso, non sappiamo altro che l’ordine di acquisto è stato inviato e cosa succede dopo, non lo sappiamo. Alla fine, sapremo che è stato ricevuto, ma sarà molto, molto tardi.

Kieran Chandler: Quindi, sostituirebbe un approccio probabilistico che stiamo adottando per i tempi di consegna? Sarebbe completamente eliminato se avessimo clienti che utilizzano Shippeo?

Joannes Vermorel: Penso che gli approcci probabilistici rimarranno perché se sei a metà di una consegna che dovrebbe richiedere un paio di giorni, quando sei al primo giorno, hai comunque un certo grado di incertezza che rimane per gli ultimi quattro giorni. Ma la domanda è che questa incertezza può essere notevolmente ridotta, soprattutto col passare del tempo. La cosa interessante di Shippeo è che se hai qualcosa che dovrebbe richiedere cinque giorni per il trasporto, come attraversare tutta l’Europa, al quarto giorno, se il tuo camion è dove ti aspetti che sia, l’incertezza residua è quasi nulla. Al contrario, senza Shippeo, siamo al quarto giorno e non sappiamo nulla di più di quello che avevamo al giorno zero perché il camion non è ancora arrivato, questo è certo, ma se c’è un ritardo, non lo sappiamo. Quindi, abbiamo ancora questa situazione molto incerta, mentre con Shippeo, al quarto giorno di una consegna che dovrebbe richiedere cinque giorni, hai quasi nessuna incertezza rimasta, il che è eccellente e ti porterebbe a una migliore ottimizzazione solo attraverso una riduzione dell’incertezza.

Kieran Chandler: Quindi si tratta fondamentalmente di affinare quelle probabilità. Pierre, potresti dirmi qualcosa in più su alcune delle sfide tecniche che affronti? Voglio dire, quando si lavora in tempo reale, non può essere molto semplice. Quali sono alcune delle sfide presenti?

Pierre Khoury: Certamente, direi che ci sono tre sfide principali. La prima sfida, da un punto di vista tecnico, è collegare più di 150 sistemi diversi e raccoglierli in un singolo modello di dati canonico in tempo reale e avere un flusso di dati stabile e coerente per milioni di punti GPS ogni giorno. La seconda sfida riguarda la gestione del cambiamento. Il trasporto di solito è molto lento a cambiare ed è una grande sfida farlo accadere, integrare vettori, utenti, formarli e ottenere i risultati desiderati. La terza sfida riguarda la qualità dei dati e avere le regole giuste per recuperare i dati e avere qualcosa di coerente e di alta qualità.

Kieran Chandler: Joannes, saresti d’accordo sul fatto che c’è bisogno di questi dati? Voglio dire, sembra che oggigiorno vengano raccolti così tanti dati. Ne abbiamo davvero bisogno nelle catene di approvvigionamento? Voglio dire, potrei starnutire e qualcuno da qualche parte potrebbe raccogliere quei dati. Ne abbiamo davvero bisogno nelle catene di approvvigionamento? Questi sono dati molto preziosi. Non stiamo parlando di tweet casuali; stiamo parlando di camion, e un camion avrà tipicamente diversi centinaia di migliaia di euro di merce. Se stai trasportando elettronica o qualsiasi cosa che non sia banale, assumendo che non stai trasportando terra o sporco o sabbia, ciò che stai spostando lungo queste catene di approvvigionamento è estremamente prezioso. Quindi, ha senso raccogliere questi dati?

Joannes Vermorel: Sì, ha senso perché stai tracciando asset che valgono letteralmente tonnellate di denaro. Spesso ti trovi in situazioni altamente asimmetriche in cui forse ciò che stai consegnando non è così costoso, solo piccole parti che hanno il prezzo del metallo. Ma se non li hai e hai un’intera fabbrica di produzione che smette di funzionare, allora hai centinaia di persone che non possono più lavorare, solo perché sei in attesa finché non hai quelle parti di riparazione che vengono consegnate. I dati sono incredibilmente preziosi perché possono essere collegati a beni fisici costosi, ma anche se non sono costosi di per sé, la loro disponibilità o indisponibilità possono avere costi molto elevati in seguito per altri elementi delle tue catene di approvvigionamento.

Kieran Chandler: Quindi, dove tracciamo la linea in termini dei dati che stai effettivamente raccogliendo? È ovviamente utile sapere dove si trova un camion in ogni momento, ma stai tenendo d’occhio i bollettini del traffico? Stai anche considerando il meteo? Dove tracciamo la linea?

Pierre Khoury: Dobbiamo considerare tutti questi problemi per avere un tempo di arrivo stimato affidabile, considerando il traffico, le pause per i conducenti, i tempi di riposo legali e i modelli di carico e scarico. Consideriamo tutto questo nel nostro algoritmo di machine learning per avere qualcosa di affidabile. Credo che stiamo costruendo uno degli algoritmi di tempo di arrivo stimato migliori in Europa. Solo per fare un esempio di ciò che ha detto Joannes, uno dei nostri clienti ci ha inviato una email per ringraziarci a dicembre a causa delle proteste dei Gilet Gialli. Il traffico non stava funzionando come al solito, ma sono stati in grado di anticiparlo, riposizionare i loro camion e mitigare il rischio all’interno del loro piano di produzione. Non hanno subito alcun effetto delle proteste e, al contrario, avrebbero potuto essere costretti a utilizzare elicotteri o aerei per le consegne dei loro prodotti a un costo molto elevato. È un buon esempio del valore che apportiamo.

Kieran Chandler: I Gilet Gialli sono sicuramente un esempio molto specifico. Quindi, hai menzionato che hai un livello di dettaglio degli aggiornamenti ogni tre-cinque minuti di dati, è corretto?

Pierre Khoury: Sì, è corretto. Il nuovo confine che stiamo aprendo è il dato in tempo reale, grazie ai punti GPS. Raccogliamo dati ogni tre-cinque minuti, a seconda del sistema del vettore. È molto dettagliato e ci consente di vedere molte cose, come i tempi di carico, i tempi di scarico e i problemi che possono verificarsi sulla strada. Questi dati sono preziosi per tutte le parti coinvolte perché l’idea non è di limitare l’accesso a questi dati, ma di condividerli con le regole corrette e concedere l’accesso ad altre parti, come il magazzino, il cliente finale, il team di trasporto e il team del servizio clienti. Alla fine, tutti possono essere più produttivi ed efficienti perché sanno cosa accadrà. Vorrei menzionare Amazon perché, alla fine, tutti i clienti, anche per le consegne B2B, vogliono avere la stessa esperienza di un pacco Amazon B2C.

Kieran Chandler: Grazie, sembra che Amazon sia la cosa più importante di cui parliamo ogni settimana. Quando non parliamo in termini di minuti, parliamo più in termini di ore e anche di giorni. Questo livello di dettaglio è un po’ troppo? Abbiamo davvero bisogno di questo livello di dettaglio?

Joannes Vermorel: Sì, perché spesso, soprattutto per il trasporto, non ne abbiamo bisogno per tutto, ma nel trasporto devi stimare la quantità di problemi che possono verificarsi nella catena di approvvigionamento ai confini. Ad esempio, puoi avere una consegna che viene effettuata in un magazzino, ma poi la merce viene prelevata solo il giorno successivo o otto ore dopo. Molte cose possono accadere proprio ai confini. La maggior parte delle volte, le merci non si muovono o non vengono trasformate. Quindi, quei tempi di consegna a grana fine hanno senso, dal punto di vista della catena di approvvigionamento. Non stiamo cercando di avere misurazioni al di sotto del millisecondo come se stessi cercando di ottimizzare la distribuzione dei pacchetti su Internet. La granularità è più simile a un paio di minuti che ha senso quando hai un’operazione fisica che deve essere eseguita.

E infatti, una volta che abbiamo queste informazioni, possiamo rilevare molte cose, ma ciò non significa che tutte le analisi che verranno effettuate rimarranno a livello di minuti. Ad esempio, se stai cercando di ottimizzare e comprimere i tempi che durano diverse settimane, hai misurazioni in minuti che ti permetteranno di individuare tonnellate di cose, probabilmente modelli leggermente disfunzionali, specialmente ai confini dei sistemi. Il problema principale nelle catene di approvvigionamento è quando qualcosa passa da un sistema all’altro, che può essere un software, un’azienda o dei team. È lì che possono verificarsi delle lacune e poi ci sono ritardi accidentali. Puoi eliminarli e, di solito, quando vuoi fare un’ottimizzazione su scala di rete, passerai a qualcosa che è più simile all’ottimizzazione, dove pensi in termini di giorni anziché di minuti. Ma dipende davvero dal tipo di problema.

Pierre Khoury: Solo per completare ciò che ha detto Joannes, per definizione, la catena di approvvigionamento è una catena, il che significa che ci sono diversi attori all’interno della catena e questi attori oggi hanno un approccio molto settoriale e informazioni. Quello che facciamo è condividere le informazioni sul trasporto per far sì che tutti gli attori abbiano le informazioni corrette e rompere questi settori per ottimizzare. E sì, a volte, le informazioni in tempo reale sono importanti. Ad esempio, sapere che all’interno di un magazzino ci sono due ore di attesa al momento del carico e due ore di attesa alle consegne. Con le informazioni su dove si trova un camion e quando arriverà, puoi ridurre tutto questo fino al 50% e avere meno tempi di attesa, il che significa meno costi di trasporto, meno costi di magazzino e tutti sono più produttivi. Lo stesso vale per i vettori perché non stanno aspettando per niente. Pensiamo che questo tipo di esempio sia un buon esempio di una situazione vantaggiosa per tutti.

Kieran Chandler: Parliamo di questi diversi attori lungo la catena. Su chi dovrebbe essere incentrato l’accento? Chi dovrebbe essere il cliente principale di Shippeo? Dovrebbe essere il rivenditore che effettivamente ordina la merce o dovrebbero essere le stesse aziende di spedizione?

Pierre Khoury: Il nostro modello si basa sull’approccio del mittente. Pensiamo che sia l’attore che otterrà uno dei principali benefici e che spingerà la soluzione verso il cambiamento. Quindi, il nostro cliente è il mittente e il sistema è gratuito per tutte le parti interessate, compreso il vettore. Il sistema è gratuito al 100% per i vettori e cerchiamo.

Kieran Chandler: Di coinvolgere il maggior numero possibile di attori. Ok, ottimo. E Joannes, inizieremo a concludere un po’ le cose oggi. Oltre ai tempi di consegna, perché c’è tanto interesse nel guardare a questo? Voglio dire, come puoi vedere i due strumenti che funzionano così bene insieme?

Joannes Vermorel: Al momento, facciamo frequentemente, direi, congetture selvagge riguardo allo stato che stiamo cercando di ottimizzare. Sì, misuriamo le cose il più possibile recuperando le scorte che abbiamo, ma la realtà è che tutte quelle cose che sono in ordine, dove hai quantità in ordine o tra le posizioni, molto spesso è solo opaco. Complica inutilmente perché ci costringe a fare stime approssimative dello stato del sistema. Non solo ciò complica la modellazione, ma rende anche l’ottimizzazione meno efficiente. Più incertezza, più hai bisogno di un approccio probabilistico per sopravvivere numericamente parlando. Tuttavia, ciò non significa che l’incertezza sia desiderabile. Specialmente quando hai l’opzione di rimuovere quasi tutta l’incertezza avendo qualcosa che è ancora probabilistico ma molto più compresso, rende tutto più facile. Ci sono intere classi di azioni correttive, azioni correttive super tattiche, che sono possibili solo se fai questo. Spesso, al momento, potrebbero esserci azioni correttive che potremmo suggerire in teoria ai clienti con molto poco sforzo, considerando che abbiamo già fatto il lavoro di integrazione dei dati dai loro ERP e da molte altre fonti. Ma senza lo stato in tempo reale delle spedizioni, non possiamo eseguire quelle ottimizzazioni e generare suggerimenti correttivi. In futuro, vedo sempre più capacità per Lokad di fornire decisioni ottimizzate sulla supply chain a molti livelli, alcune per un ordine di acquisto in Asia e altre molto tattiche, come il riapprovvigionamento di emergenza necessario effettuando un ordine proprio ora a un fornitore vicino che è molto più costoso per una piccola quantità che ti aiuterà a sopravvivere al ritardo.

Kieran Chandler: Ok, lasceremo l’ultima parola a Pierre, come nostro ospite. Qual è la lezione chiave che vuoi che le persone traggano dalla visibilità in tempo reale all’interno delle supply chain?

Pierre Khoury: Voglio dire che penso che la visibilità in tempo reale sia uno dei temi più caldi nelle supply chain in questi giorni. Non lo dico solo io; Gartner lo ha classificato come un argomento di primo piano. Questo discorso è molto interessante per vedere come possiamo creare valore combinandolo con gli altri. La nostra missione in Shippeo è davvero concentrarci sulla visibilità in tempo reale, aggregando i dati e fornendo previsioni su di essi. Ma vediamo che se condividiamo informazioni con altri sistemi, sicuramente approvate dal mittente, si crea un altro livello di valore. Questo tipo di ecosistema è ciò che ci piace portare valore ai clienti e alla supply chain mondiale.

Kieran Chandler: Ok, dobbiamo lasciarlo qui, ma grazie per il vostro tempo questa mattina.

Pierre Khoury: Grazie mille.

Kieran Chandler: Questo è tutto per questa settimana. Grazie mille per averci seguito e torneremo la prossima settimana con un altro episodio. Fino ad allora, grazie per la visione.