scienza e tecnologia della Supply Chain
Frankensteinizzazione del software in Supply Chain
Gestire le supply chain e ottimizzarle è particolarmente impegnativo da un punto di vista software. La 'Frankensteinizzazione del software' si riferisce al decadimento tecnologico che colpisce il software aziendale quando si confronta con la propria evoluzione su più decenni.
Previsioni Probabilistiche per Supply Chains
Ottimizzare supply chains si basa sull'avere intuizioni sul futuro. Le previsioni classiche ignorano completamente l'incertezza e presumono che la previsione sia perfettamente nota. Al contrario, le previsioni probabilistiche abbracciano l'incertezza e riflettono che l'ottimizzazione delle supply chains dovrebbe rimanere robusta di fronte a eventi imprevisti.
Internet of Things per Supply Chains
Per una pratica di supply chain management performante, i manager devono avere accesso alla posizione di ogni singolo asset. A differenza della gestione elettronica classica dell'inventario, l'Internet-of-Things (IoT) offre la possibilità di ottenere una visibilità in tempo reale su tutti gli asset, inclusi i veicoli.
Preparazione dei dati in Supply Chain
Preparare i dati in modo corretto è un requisito per ottenere successo in ogni iniziativa guidata dai dati. Quando si considerano le sfide della supply chain, la preparazione dei dati è difficile perché coinvolge sistemi aziendali complessi che non sono stati progettati pensando alla scienza dei dati.
Intelligenza Artificiale e Supply Chains
In questo episodio parliamo di questo importante buzzword e della sua applicazione alle supply chains.
Prevedere le Promozioni
Prevedere la domanda promozionale è necessario per allocare la giusta quantità di stock. Tuttavia, i modelli di previsione delle serie temporali non sono tipicamente adatti a gestire i pattern di domanda relativi ai prezzi. Sono necessari modelli di previsione basati su machine learning più complessi per considerare adeguatamente le promozioni passate e per riflettere l'impatto imminente di quelle pianificate.
Il paradosso dell’esperienza utente
I sistemi di Supply Chain Management (SCM) presentano interfacce utente complesse. Tra questi, i sottosistemi di previsione della domanda non sono solo complessi, ma anche complicati. Sono necessarie interfacce utente migliori per affrontare questa complessità.
Silos e Decisioni in Supply Chain
Le modern supply chain sono complesse, e la risposta più diretta alla complessità è una 'specializzazione della manodopera'. Sfortunatamente, questo approccio si traduce in 'silos' che non riescono a fornire decisioni che massimizzano i rendimenti per l'azienda.
Il Data Scientist in Supply Chain
Le sfide della supply chain sono frequentemente quantitative e guidate dai dati. Questo le rende adatte a una pratica di data science. Tuttavia, comprendere il business è un aspetto spesso trascurato nella pratica della data science nella supply chain.
Blockchain e Bitcoins
Le blockchain e Bitcoin hanno applicazioni per le supply chain, ma non quelle più ormai proposte in evidenza dai venditori di software.
Intelligenza Artificiale per supply chain
L'Intelligenza Artificiale (AI) è un termine ombrello che copre molti metodi statistici ad alta dimensionalità come il Deep Learning o il Differentiable Programming. Questi metodi possono essere utilizzati in vari modi per migliorare le prestazioni operative delle supply chain. Tuttavia, i problemi e le soluzioni differiscono notevolmente rispetto ai problemi dell'AI tradizionale, come l'Elaborazione del Linguaggio Naturale (NLP).
Accuratezza delle previsioni della domanda
Raggiungere una previsione della domanda ad alta precisione è tradizionalmente considerato il primo passo verso l'ottimizzazione della supply chain. Si prevede che previsioni più accurate riducano i livelli di stock e migliorino i livelli di servizio.