Note de la rédaction : Cet article a été rédigé par notre partenaire KPMG, avec les contributions de Brian Higgins, Principal, Advisory, Customer and Operations, KPMG US, [E-mail protected], et Rob Barrett, Principal, Advisory, Supply Chain Leader, KPMG US, [E-mail protected] Pour accéder à l'article original, cliquez ici.
Nous traversons l'une des périodes les plus instables de l'ère moderne en matière de chaîne d'approvisionnement, et les consommateurs finaux ressentent les effets de cette instabilité. En plus des pénuries de main-d'œuvre, de la pandémie, du contexte géopolitique et d'autres facteurs, les entreprises développent des comportements qui amplifient les effets de ces tensions, notamment les achats de panique, qui incitent les acheteurs à exploiter le processus de planification.
En période de volatilité de la chaîne d'approvisionnement, les entreprises cherchent généralement des solutions pour garantir l'approvisionnement de leur clientèle. Pour éviter les ruptures de stock et les pertes de revenus, et pour exploiter le système, les organisations commandent beaucoup plus de produits, ce qui a pour conséquence d'exacerber les faiblesses du processus de planification.
Comment atténuer ce risque et réduire ces effets sur la chaîne d'approvisionnement ? Voici nos trois suggestions :
- Focalisez-vous sur le contrôle des activités internes
- Mettez en œuvre les bonnes pratiques
- Ajustez avant de prendre des décisions
Focalisez-vous sur le contrôle des activités internes
Tout d'abord, vous devez évaluer ce que vous pouvez contrôler en interne. Quelles sont vos forces et vos faiblesses au regard des normes du secteur ? Les réponses à ces interrogations vous permettront de découvrir les lacunes, en matière de ressources humaines, de processus ou de technologie.
Les insuffisances les plus courantes dans les organisations de planification se manifestent par des processus obsolètes, hors ligne et négligés, ou encore un manque d'automatisation et de technologie.
En matière de politique, veillez à ce que les informations soient à jour pour vos différentes pratiques, comme les quantités minimales de commande, les tailles minimale et maximale des lots, les points de commande, ou encore le stock de sécurité. Normalisez les procédures, les arbres de décision et les autres techniques de résolution des problèmes pour atténuer les perturbations de votre processus de planification. Vous pouvez également faire face à une volatilité imprévue de la demande et à des contraintes de capacité dues à une communication fragmentée ou cloisonnée entre les clients, les ventes, les opérations et le marketing.
En plus des aspects politiques, focalisez-vous sur vos ressources data et technologiques. Dans le cadre de l'expansion de votre écosystème technologique, développez des métriques de collaboration et de partage de données avec vos clients. Comment réduire la fragmentation de la technologie tout en augmentant la connectivité entre plateformes ? Pour cela, analysez les problèmes liés à la synchronisation des données ou aux systèmes existants, y compris dans vos processus d'audit. Si vous n'êtes pas en mesure d'effectuer des simulations de base pour analyser les effets d'un scénario donné sur les ventes, la production et les livraisons, vous perdrez du terrain.
Mettez en œuvre les bonnes pratiques
On pense souvent qu'il suffit d'acheter telle ou telle technologie ou de mettre en œuvre le machine learning pour résoudre tous les problèmes. En réalité, les entreprises doivent optimiser la qualité de leurs pratiques avant d'envisager des solutions technologiques complexes et coûteuses.
Avant d'aller de l'avant dans votre démarche d'automatisation et de technologie, vous devez mettre en place une gouvernance appropriée. Elle vous sera utile pour maintenir et mettre à jour les politiques d'inventaire et pour effectuer régulièrement des analyses de segmentation et d'autres types d'analyse afin de dimensionner correctement les stocks et d'optimiser vos politiques d'inventaire. Passez régulièrement en revue les principaux indicateurs de collaboration dans le cadre du processus de planification des ventes et des opérations afin de promouvoir la collaboration avec les clients.
Grâce aux processus de planification, de prévision et de réapprovisionnement collaboratifs et à une planification consensuelle de la demande, vous serez mieux à même de développer des capacités robustes de prévision de la demande avec une analyse des causes profondes pour comprendre l'origine des erreurs de prévision, analyser les effets de la volatilité et gérer les biais potentiels. Vous pouvez également aligner les politiques de conformité et de gestion des risques entre les partenaires de la chaîne d'approvisionnement, et liées aux initiatives de collaboration avec les fournisseurs et les clients.
Grâce à de telles pratiques, vous pouvez renforcer la collaboration entre les partenaires de la chaîne d'approvisionnement, et la faciliter par le biais d'un centre de contrôle. Cela facilite la prise de décision en temps réel tout au long de la chaîne.
Avec un environnement technologique synchronisé qui tire parti de points d'intégration externes et internes pour collecter et agréger des informations, vous pouvez accélérer la prise de décision, le reporting et les analyses.
Ajustez avant de prendre des décisions
Les entreprises veulent souvent passer directement à une solution technologique sans régler les problèmes fondamentaux que le machine learning ou un centre de contrôle ne sont pas à même de gérer. En traitant ces points au préalable, vous maximiserez les avantages de la solution technologique que vous choisirez. Le nettoyage des données brutes ou l'amélioration des données capturées à partir des transactions sont indispensables afin d'établir une base pour l'analytique. Une fois cette base établie, vous pourrez tirer parti de la puissance du ML.
Par exemple, les moteurs de détection d'anomalies basés sur l'IA et le machine learning sont utilisés depuis plusieurs années et proposent un degré élevé de précision. Ils permettent aux organisations d'identifier les valeurs aberrantes, en particulier celles qui mettent en place leur processus de planification.
Les modèles de machine learning permettent également à une entreprise de repérer les signaux qui prédisent la véritable demande pour un client ou une région donnée. Ces modèles ajoutent une couche analytique unique par rapport aux modèles basés sur les statistiques historiques, qui se focalisent sur les moyennes mobiles. Les modèles traditionnels sont généralement incapables de réagir à des variations inhabituelles de la demande.
Une fois que vous avez calibré vos processus IA et de machine learning, vous pouvez commencer à explorer des options plus pointues pour atténuer les risques et rationaliser l'efficacité du processus de planification.
Ensuite, une fois ces étapes passées, vous pouvez vous lancer dans une planification plus précise et plus efficace de la chaîne d'approvisionnement.
En savoir plus
Découvrez le webinaire d'Alteryx et de KPMG, Delivering Results During Disruption.