Três capacidades técnicas para permanecer competitivo no próximo normal

À medida que as empresas continuam sua marcha em direção à digitalização, elas devem implantar estratégias que forneçam a base certa para competir. Um componente-chave do sucesso como um verdadeiro campeão digital é a capacidade de fornecer os mais altos níveis de serviço ao cliente pelo menor custo final. E para fazer isso, dados completos e precisos da cadeia de suprimentos são essenciais. Os dados se tornaram uma moeda que aumenta de valor à medida que se aproximam do tempo real e mais podem ser compartilhados entre os parceiros comerciais.

O que ficou claro é que os dados deveriam ser em tempo real e existir apenas uma vez. Usando uma abordagem de gerenciamento de dados mestre federado (MDM), as informações podem ser atuais e consistentes, em vez de serem duplicadas em vários formatos e silos, onde se tornam obsoletas e latentes (seja um data lake / warehouse usado ou não). As abordagens de tecnologia moderna criam uma representação confiável do nível de cada / item / unidade e, em seguida, podem rolar essa fidelidade em uma solução de rede geral em tempo real que otimiza o planejamento e a execução em todos os parceiros usando análises prescritivas baseadas em agentes. Essas redes oferecem suporte à colaboração, planejamento e execução de transações em tempo real e ajudam todos os participantes a executar no “próximo normal”, desde que levem em consideração três recursos essenciais.

Habilitando transações em tempo real com uma arquitetura de rede. Já vimos como um serviço ao cliente baseado em rede e um modelo de alavancagem de ativos foi aplicado em setores adjacentes. Uber, Facebook, Airbnb e Alibaba implantaram arquiteturas baseadas em rede que fornecem recursos para várias partes. O comércio ocorre em todas as partes de uma rede. E como o fornecimento e a entrega do produto abrangem várias partes da rede, o planejamento e a execução devem ser em tempo real e também incluir várias partes, para fornecer o máximo de aproveitamento dos ativos, o menor custo final e os mais altos níveis de serviço ao cliente.

Este nível de colaboração combinado com a visibilidade do nível da torre de controle, análise, planejamento e execução, é fundamental para a competitividade futura. Isso não é surpreendente, visto que mesmo a mais simples das transações envolve várias partes, como um cliente, gerente de marca, co-packer, fornecedor, transportadora, 3PL e distribuidor.

Infelizmente, muitas implantações de tecnologia centrada na empresa foram projetadas de forma hub-and-spoke, o que significa que agem como o centro do universo para aquele nó na rede e tratam seus processos e dados como tal. Esta tecnologia de hub foi projetada para coletar dados de maneira ponto a ponto / spoke-to-hub. Em seguida, ele decide o que fazer sobre as mudanças na demanda, capacidade ou fornecimento com base nas variáveis ​​do hub isoladamente e, em seguida, compartilha alguns dos dados obsoletos ou latentes, pós-processamento, com alguns de seus spokes, tanto de entrada quanto de saída. Como resultado, em uma rede comercial típica, ele pode criar mais de 20 ações de processamento do tipo armazenar e encaminhar entre parceiros comerciais, upstream e downstream, desperdiçando tempo, mão de obra e ativos. Pior de tudo, afeta os níveis de serviço ao cliente porque as partes não estão alinhadas como uma rede coordenada que atende ao consumidor final.

Estabelecendo uma visão única e confiável. Se os dados são sua moeda, então várias instâncias de ERP são semelhantes a uma federação de entidades onde cada fonte atua como sua própria moeda com curso legal exclusivo. Os dados ficam presos em suas instâncias de ERP e, em seguida, são normalmente compartilhados de uma forma hub-and-spoke em relacionamentos comerciais um-para-um com parceiros de rede. Desnecessário dizer que esta é uma abordagem subopcional, porque mesmo se você fosse exportar dados para um data warehouse ou data lake, você estaria criando latência e desatualização nos dados. Isso desvaloriza a moeda em termos de tomada de decisão entre os parceiros da rede.

Como resultado, as organizações estão adotando soluções que incluem gerenciamento de dados mestre federado. Usando essa abordagem, os parceiros comerciais da rede podem optar pela rede e compartilhar seus dados mestre e operacionais com outros parceiros comerciais. Com base em uma estrutura de permissões seguras na rede, os dados existem apenas uma vez e são federados aos parceiros comerciais com base nas permissões concedidas. Dado que os dados não são copiados ou duplicados entre escalões, níveis ou nós na rede, eles são, por definição, em tempo real e prontamente disponíveis para otimizar a alavancagem de ativos, atendimento ao cliente e menor custo final.

Apoiar análises prescritivas autônomas e acionáveis. Dada a natureza multipartidária das relações comerciais baseadas em rede, o critério final é a capacidade de modelar toda a rede de ponta a ponta da cadeia de suprimentos a fim de analisar e agir corretamente na resolução de problemas e na criação de oportunidades. Uma vez que os problemas ou oportunidades expostos pela análise podem se manifestar em prazos estratégicos, táticos ou operacionais, a base deve ser perfeita em todos esses horizontes de tempo. Também deve oferecer serviços, algoritmos e análises que percorram a representação da rede em tempo real, sejam usados ​​para resolver problemas previstos para acontecer em seis meses ou durante uma entrega programada para o final da tarde. A boa notícia é que, se a sua abordagem incluir os critérios um e dois, essa base já existe.

A plataforma de rede de abastecimento em tempo real de ponta a ponta permite a capacidade de testar novas políticas da cadeia de abastecimento, resiliência de rede, a viabilidade de planos estratégicos ou táticos, ativar peças ou fornecedores alternativos, modificar modos de transporte ou mesmo adicionar turnos adicionais em uma fábrica.

Como existem muitas maneiras de resolver problemas relacionados à demanda, fornecimento, logística e atendimento em uma rede, é importante que as bancadas de análise tenham acesso em tempo real a todas as variáveis ​​de material possíveis. Os sistemas tradicionais normalmente fornecem apenas uma maneira de resolver um problema, devido aos prazos de entrega estáticos e aos dados desatualizados. Em contraste, uma bancada de trabalho analítica baseada em IA é um ambiente prescritivo onde as organizações serão apresentadas às três ou quatro soluções principais que melhor atendem aos seus objetivos. Ele também pode oferecer suporte ao aprendizado de máquina, que é apenas uma maneira melhor de prever resultados e é extremamente valioso ao recomendar ações prescritivas. Além disso, o aprendizado de máquina melhora as previsões com o tempo, conforme você fornece mais dados.

Esses recursos fornecerão a plataforma e a arquitetura necessárias para habilitar essa base e fornecer os recursos necessários para competir no futuro.

Joe Bellini é diretor de operações da One Network Enterprises, fornecedora de software de rede de negócios de IA.