Três Capacidades Tecnológicas Essenciais para Vantagem Competitiva no Novo Normal

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

A Abordagem de Gestão de Dados Mestres Federada

O que se tornou aparente é que os dados devem ser em tempo real e existir apenas uma vez. Usando uma abordagem de gestão de dados mestres (MDM) federada, a informação pode ser atual e consistente, em vez de ser duplicada em múltiplos formatos e silos, onde se torna obsoleta e latente (seja um data lake/warehouse usado ou não). Abordagens tecnológicas modernas criam uma representação confiável de cada nível de item/unidade e então podem transformar essa fidelidade em uma solução de Rede em tempo real que otimiza planejamento e execução em todos os parceiros usando análises prescritivas baseadas em agentes. Essas redes suportam colaboração multiparte, planejamento e execução de transações em tempo real e ajudam todos os participantes a executar no "próximo normal", desde que levem em conta três capacidades críticas.

1. Habilitando Transações em Tempo Real com Arquitetura de Rede

Já vimos como um modelo de alavancagem de ativos e serviço ao cliente baseado em rede foi aplicado em indústrias adjacentes. Uber, Facebook, Airbnb e Alibaba implantaram arquiteturas baseadas em rede que fornecem capacidades multiparte. O comércio acontece em todas as partes em uma rede. E como o fornecimento e entrega de produtos abrangem múltiplas partes na rede, o planejamento e execução também devem ser em tempo real e incluir múltiplas partes, para fornecer alavancagem máxima de ativos, menor custo final e mais altos níveis de serviço ao cliente.

Este nível de colaboração combinado com visibilidade de torre de controle, análises, planejamento e execução, é central para a competitividade futura. Não é surpreendente dado que até a mais simples das transações envolve múltiplas partes, como cliente, gerente de marca, co-packer, fornecedor, transportador, 3PL e distribuidor.

Infelizmente, muitas implantações de tecnologia centradas na empresa foram projetadas de forma hub-and-spoke, o que significa que atuam como o centro do universo para aquele nó na rede e tratam seus processos e dados como tal. Esta tecnologia hub é projetada para coletar dados de forma ponto a ponto/spoke-to-hub. Então decide o que fazer sobre mudanças na demanda, capacidade ou oferta com base nas variáveis do hub isoladamente, e então 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, 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 servindo o consumidor final.

2. Estabelecendo uma Visão Única e Confiável

Se dados são sua moeda, então múltiplas instâncias de ERP são semelhantes a uma federação de entidades onde cada fonte age como sua própria moeda legal única. Dados ficam presos em suas instâncias de ERP em silos e então são tipicamente compartilhados de forma hub-and-spoke em relações comerciais um-para-um com parceiros de rede. Nem é preciso dizer que esta é uma abordagem subótima, porque mesmo se você exportasse dados para um data warehouse ou data lake, você estaria criando latência e obsolescência nos dados. Isso desvaloriza a moeda em termos de tomada de decisão entre parceiros de rede.

Como resultado, as organizações estão adotando soluções que incluem gestão de dados mestres federada. Usando esta abordagem, parceiros comerciais de rede podem optar pela rede e compartilhar tanto seus dados mestres quanto operacionais com outros parceiros comerciais. Baseado em uma estrutura de permissões segura em toda a rede, os dados existem apenas uma vez e são federados para parceiros comerciais com base nas permissões concedidas. Dado que os dados não são copiados ou duplicados entre escalões, níveis ou nós através da rede, eles são, por definição, em tempo real e prontamente disponíveis para otimizar alavancagem de ativos, serviço ao cliente e menor custo final.

3. Suportando Análises Prescritivas Acionáveis e Autônomas

Dada a natureza multiparte das relações comerciais baseadas em rede, o critério final é a capacidade de modelar toda a rede de cadeia de suprimentos de ponta a ponta para analisar corretamente e agir na resolução de problemas e criação de oportunidades. Como os problemas ou oportunidades expostos pela análise podem se manifestar em horizontes de tempo estratégicos, táticos ou operacionais, a base deve ser contínua através desses horizontes. Também deve oferecer serviços, algoritmos e análises que rodem através da representação da rede em tempo real, seja usado para resolver problemas previstos para daqui a seis meses ou durante uma entrega agendada para o final desta tarde. A boa notícia é que se sua abordagem inclui tanto o critério um quanto dois, esta base já está em vigor.

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

Como existem muitas maneiras de resolver problemas relacionados a demanda, oferta, logística e fulfillment em uma rede, é importante que os bancos de trabalho analíticos tenham acesso em tempo real a todas as variáveis materiais possíveis. Sistemas tradicionais tipicamente só dão uma maneira de resolver um problema, devido a lead times estáticos e dados obsoletos. Em contraste, um banco de trabalho analítico baseado em IA é um ambiente prescritivo onde as organizações serão apresentadas com as três ou quatro melhores soluções que melhor atendem aos seus objetivos. Também pode suportar machine learning, que é apenas uma maneira melhor de prever resultados e é extremamente valioso ao recomendar ações prescritivas. Não só isso, o machine learning melhora suas previsões ao longo do tempo à medida que você fornece mais dados.

Essas capacidades fornecerão a plataforma e arquitetura necessárias para habilitar esta base e fornecer as capacidades necessárias para competir daqui para frente.

Joe Bellini é diretor de operações na One Network Enterprises, provedora de software de rede de negócios com IA.