Come dei dati chiari possono aiutare le aziende a incrementare la produttività

Come dei dati chiari possono aiutare le aziende a incrementare la produttività

13 Aprile 2018

I dati generati all'interno delle operazioni aziendali celano una conoscenza che può rivoluzionare l'intero settore; tramite sensori, lettori di codici a barre e reader RFID è ora possibile raccogliere immense quantità di informazioni che, se non vengono standardizzate finalizzandole per uno scopo ben preciso, possono rimanere fine a se stesse. Per questo è importante che i dati raccolti siano puliti e accurati, in modo da poterli sfruttare per ottenere informazioni attuabili e che possano incidere sulla produttività, come vediamo in questo articolo tradotto da Supply Chain Dive

I retailer, i fornitori e i distributori stanno raccogliendo più dati che mai nel tentativo di dare maggiore visibilità alle catene di approvvigionamento. Eppure i data scientist dicono che raccogliere dati semplicemente per il fatto di farlo produce pochi benefici se non ci sono standard e un uso finale definitivo per quei dati.

Le aziende della catena di fornitura che pongono maggiore enfasi nell'ottenere dei dati puliti e accurati e sulla possibilità di renderli più utilizzabili, possono aumentare la produttività e l'efficienza. Gli esperti dicono che si inizia con l'identificazione degli usi finali per i dati, per poi creare una strategia per raccoglierli, gestirli ed elaborarli nei risultati finali.

TROPPI DATI, TROPPE POCHE DIREZIONI
Attraverso nuovi sensori, dispositivi IoT e soluzioni SaaS, le organizzazioni stanno raccogliendo più dati che mai. Secondo un rapporto di IBM, il 90% dei dati nel mondo è stato raccolto negli ultimi due anni, e le imprese e i consumatori ora generano 2,5 quintilioni di byte di dati al giorno.

Mentre le aziende della catena di fornitura stanno investendo milioni in nuove tecnologie legate ai dati, molti sono "solo il dumping dei dati nei database", senza mettere in discussione la validità di tali dati o come vengono utilizzati, ha detto Robert Handfield, direttore esecutivo della Supply Chain Resource Cooperative presso la North Carolina State University.

Di conseguenza, molte organizzazioni non stanno "chiudendo il cerchio" dei loro dati e non li stanno convertendo in intuizioni attuabili, ha dichiarato Vivek Soneja, Global Head of Supply Chain Line of Business di Anaplan.

"Teoricamente, dovresti essere in grado di discernere le intuizioni da questi dati, prevedere cosa succederà, e poi devi essere in grado di rispondere a queste previsioni", ha detto Soneja.

Molte organizzazioni della supply chain operano in ambienti a silos, frammentati per reparti e regioni. Spesso hanno più team di approvvigionamento in tutto il mondo, ognuno dei quali può monitorare lo stesso fornitore con variazioni di nomi e conoscenze limitate che altre aree del business stanno interagendo con quel fornitore. Alcuni vecchi sistemi ERP, inoltre, non tengono pienamente conto di ciò che accade in altri nodi della rete, come i centri di distribuzione, i negozi e i centri commerciali.

"Non avevamo davvero la capacità di portare tutti questi dati di rete in un unico posto, ma ora possiamo. Cambia il modo su come pianifichiamo la rete e l'intera catena di fornitura", ha detto Soneja.

DATI PIÙ PULITI POSSONO OFFRIRE MAGGIORE PRECISIONE, VISIBILITÀ ED EFFICIENZA
L'impatto dei dati errati è facile da individuare a livello di vendita al dettaglio. Questo può essere un grosso problema in un ambiente omnicanale in cui i consumatori e le aziende si aspettano una visibilità accurata in tempo reale nell'inventario.

Un esempio è quando l'inventario indicato nel sistema di un rivenditore non è allineato con ciò che si trova sullo scaffale.

"È un problema comune. In qualche modo i dati sono stati inquinati o inseriti nel sistema in modo non corretto e c'è una discrepanza tra ciò che è stato venduto, ciò che dovrebbe esserci e ciò che effettivamente c'è", ha detto Handfield.

Handfield ha detto che la pulizia dei dati può dipendere dal modo in cui vengono acquisiti. Mentre i lettori di codici a barre, i sensori e i dispositivi dell'internet degli oggetti hanno un alto livello di accuratezza, tutto ciò che coinvolge l'uomo, l'inserimento manuale o il processo decisionale soggettivo potrebbe avere degli errori, dice. L'incompatibilità dei sistemi back end può anche stimolare la necessità di un inserimento dati ridondante, che può portare a duplicazioni ed errori.

I dati puliti sono semplicemente dati con un alto livello di precisione "da cui si può trarre un senso in più", ha detto Soneja. Oltre ad aumentare la produttività e l'efficienza, dati più affidabili possono aumentare la soddisfazione dei clienti, produrre in modo migliore nei tempi previsti, ottenere tassi di stoccaggio ottimali e innescare un "effetto domino" di vantaggi positivi in tutta l'organizzazione.

"Pensate a tutti i dati che vengono utilizzati per prendere decisioni. Se è accurato solo al 60%, sono molti gli errori che potrebbero verificarsi nel reporting finanziario, nelle previsioni e nella pianificazione della domanda", ha dichiarato Handfield.

Anche il miglioramento delle norme e delle pratiche in materia di dati può rendere tali dati più praticabili. Anche la valutazione della raccolta e dell'elaborazione dei dati può contribuire a renderla più sensata. Per esempio, Soneja ha detto che molte aziende raccolgono dati sui social media su ciò che i clienti dicono riguardo ai prodotti o al fulfillment. Ma molte di queste aziende non formattano correttamente i dati con parole chiave o tag associati per trasformarli veramente in informazioni utili. Questi dati devono ancora essere convertiti in formati comprensibili sia per le macchine che per le persone.

"Le persone dispongono di molti dati, ma nessuno sta lavorando abbastanza per discernere le informazioni giuste", dice Soneja.

CREARE DATI PULITI IDENTIFICANDO GLI USI FINALI E IMPLEMENTANDO GLI STANDARD
Poiché nei prossimi anni l'intelligenza artificiale e l'apprendimento automatico porteranno nuove funzionalità alla supply chain, le organizzazioni avranno bisogno di nuove infrastrutture e standard per operare in ambienti di dati sempre più complessi.

La pulizia dei dati inizia chiedendo quale problema si sta cercando di risolvere e per quali dati vengono utilizzati, ha detto Suresh Acharya, Responsabile dei Laboratori JDA di JDA Software. Una volta identificato l'uso finale, l'organizzazione può quindi determinare i dati giusti da raccogliere e il formato in cui elaborarli.

Le organizzazioni dovrebbero inoltre creare standard e procedure elevati per l'inserimento delle informazioni nel sistema, ha detto Handfield. Dovrebbero creare strategie su come vogliono governare e gestire i dati, e poi creare una visione a lungo termine degli scopi per i quali vogliono che i dati siano usati.

"Concentratevi sui dati che utilizzate quotidianamente per i KPI e per il processo decisionale. Concentratevi su questi e iniziate su questi elementi per prima cosa, per essere sicuri di ottenerli correttamente. Sono quelli che utilizzate più spesso per le decisioni aziendali", ha detto Handfield.

Sebbene non ci sia una formula magica o una soluzione autonoma per creare immediatamente dei dati puliti, la scienza dei dati inizia con una maggiore attenzione alla scienza e non solo a quella dei dati, dice Acharya. Se le organizzazioni possono diventare più disciplinate collettivamente nel raccogliere i dati giusti, memorizzarli, pulirli al momento giusto e al posto giusto, potrebbero essere in grado di raggiungere incredibili efficienze negli anni attraverso il machine learning.

"Possiamo fare questo, e sta cominciando ad accadere nella catena di fornitura, ma il percorso dei dati finisce per essere il più lungo", ha detto.

Articolo tradotto da:
Supply Chain Dive

Topic:
Big Data

 

Multimac Srl  -   800 593 293  -   info@multimac.it  -   P.Iva 01281830289  -   Company info  -   Privacy  -   Sitemap  -   Copyright © 2018. All rights reserved.

Login

Per poter acquistare i prodotti sul nostro sito è necessario accedere con la propria email e password.

Accedi

Password dimenticata?
Non possiedi i dati di accesso? Registrati

Chiudi