Oggi, anche con una maggiore digitalizzazione dei dati e dei flussi di lavoro, manca la piena fiducia nei numeri che si riflettono nei sistemi di gestione delle scorte. La maggior parte delle organizzazioni non è ancora in grado di registrare il 100% di accuratezza delle scorte o di percepire la domanda. Di conseguenza, la pianificazione delle scorte non è ancora stata perfezionata.

Perché?

La frammentazione dei dati rimane un problema per la maggior parte delle organizzazioni. I sistemi informativi sono isolati sia all'interno che all'esterno delle quattro mura, anche se le funzioni operative e le organizzazioni della supply chain sono diventate più codipendenti che mai.

Tuttavia, questa situazione cambierà rapidamente, grazie alla crescente disponibilità, economicità e adattabilità delle piattaforme software basate sul cloud. Inoltre, stiamo imparando ogni giorno di più sul ruolo dell'hardware, del software e delle persone nella gestione dell'inventario e di conseguenza si stanno sviluppando nuove capacità tecnologiche. Basti pensare a quanta strada abbiamo fatto.

Dall'automazione dell'acquisizione dei dati all'automazione dell'analisi dei dati

Anche se il codice a barre esisteva già da decenni, è diventato una vera e propria svolta circa 10 anni fa, quando le vendite di e-commerce hanno superato per la prima volta i mille miliardi di dollari. La facilità dei modelli click-to-buy ha complicato la gestione dell'inventario e i flussi di lavoro di evasione. La catena di approvvigionamento non era più lineare.

Per questo motivo, il business case per le soluzioni di tracciabilità basate sui codici a barre è cresciuto rapidamente. Con un'unica scansione, più campi di dati potevano essere incanalati automaticamente e con precisione nei sistemi back-end, compilati in set di dati funzionali e quindi distribuiti per ulteriori analisi da parte dei responsabili delle scorte e delle operazioni, degli acquirenti e dei pianificatori. Infine, si è trovato un modo per far leggere agli scanner di codici a barre i codici QR, ampliando ulteriormente le capacità di monitoraggio dell'inventario. I lavoratori potevano segnalare istantaneamente lo stato di ogni articolo che maneggiavano, così come le scorte presenti sugli scaffali o quelle in giacenza presso la banchina di ricevimento. I costi operativi e di manodopera della "gestione dell'inventario" sono diminuiti, anche se la spesa per la tecnologia è aumentata.

Poi, con la maturazione della tecnologia di identificazione a radiofrequenza (RFID), si è dimostrato che l'acquisizione dei dati - e la tracciabilità - poteva essere ulteriormente automatizzata. Migliaia di etichette potevano essere lette ogni secondo da lettori fissi posizionati strategicamente in tutte le strutture o da lettori portatili utilizzati dai lavoratori, e i dati potevano essere inseriti in massa nei sistemi di gestione dell'inventario con maggiore precisione.

Questo afflusso di dati è stato un sorprendente moltiplicatore di forza lavoro. Con l'aumento delle richieste di data scientist qualificati, è aumentata anche la consapevolezza che dobbiamo automatizzare l'analisi se vogliamo essere in grado di percepire, analizzare e agire sulle tendenze della domanda e dell'offerta in tempo reale.

Assegnare valore - e azioni - ai dati di inventario

Lo stato delle scorte in tempo reale è fondamentale per prendere le giuste decisioni in materia di manodopera, approvvigionamento, merchandising, prezzi e promozioni, cosa che i sistemi di codici a barre, codici QR e RFID tecnicamente forniscono. Tuttavia, i componenti hardware non analizzano o agiscono sui dati acquisiti. È qui che entra in gioco il software e i fornitori indipendenti di software (ISV).

Da quando le piattaforme software-as-a-service (SaaS) basate su cloud sono diventate disponibili su scala, si è assistito a un salto di qualità nelle capacità di gestione dell'inventario. I dati strutturati e non strutturati generati dai componenti dell'Internet of Things (IoT) possono ora fluire liberamente attraverso una pipeline di dati o direttamente in un data lake. Di conseguenza, le interfacce di programmazione delle applicazioni (API) e gli algoritmi di apprendimento automatico possono essere sfruttati in modo più esteso per accedere ed estrarre i dati nel contesto di un'operazione o di una funzione specifica in modo economico.

Tutti, dai pianificatori degli approvvigionamenti agli esperti di prevenzione delle perdite, possono collegarsi agli stessi sistemi informativi tramite le API ed estrarre le informazioni più rilevanti per il loro ruolo. È inoltre possibile creare facilmente applicazioni per i flussi di lavoro, per aiutare i responsabili delle operazioni, i collaboratori e gli autisti a compiere le azioni migliori. Una piattaforma di analisi prescrittiva, ad esempio, può essere istruita per rilevare determinati schemi nei dati e "prescrivere" attività ai dipendenti quando si presentano problemi o opportunità legate all'inventario.

Allo stesso modo, una piattaforma di rilevamento intelligente della domanda può aggregare i dati di inventario da più sistemi aziendali e analizzarli insieme a dati contestuali di terze parti - meteo, traffico, festività e altri eventi che influenzano la domanda. Può quindi prescrivere azioni specifiche di approvvigionamento, merchandising, pricing o promozione che possano adeguare l'offerta alla domanda.

La più grande lezione appresa: L'apertura degli ecosistemi porta a nuove soluzioni

In breve, questo passaggio guidato dal software da "sistemi di registrazione" a "sistemi di intelligence" e, in ultima analisi, a "sistemi di coinvolgimento" è stato fondamentale per migliorare progressivamente la disponibilità e le prestazioni delle scorte nell'ultimo decennio. Le soluzioni SaaS hanno persino automatizzato il processo decisionale in una certa misura, eliminando il lavoro manuale - e il rischio - dall'equazione di pianificazione e gestione delle scorte.

Tuttavia, si deve fare di più per garantire a tutti gli stakeholder la piena trasparenza sullo stato delle scorte, dal primo all'ultimo miglio, o dal magazzino al punto vendita. Si devono abbattere i silos di sviluppo delle soluzioni. I fornitori di tecnologia e gli ISV devono impegnarsi a costruire e utilizzare piattaforme aperte quando progettano soluzioni legate all'inventario. E si deve garantire che queste soluzioni condividano apertamente, analizzino attivamente e agiscano in modo intelligente sui dati, in modo che tutte le entità della supply chain possano prevedere, percepire e modellare efficacemente la domanda di magazzino.