Al compartirnos su experiencia, las empresas Optimas Solutions, CarParts.com y Lenovo ejemplifican una tendencia acelerada que hace que las organizaciones recurran a la analítica para abordar los desafíos de la cadena de suministro.

Los problemas de la cadena de suministro continúan afectando a las organizaciones en todo el mundo y en prácticamente todos los sectores. Para algunos, aprovechar las herramientas de datos y análisis está demostrando ser una forma efectiva de abordar los desafíos.

Las interrupciones en las cadenas de suministro globales debido a la pandemia de COVID-19 han sido significativas. Como señala la consultora Deloitte, la libre circulación y operación de personas, materias primas, productos terminados y operaciones de fábrica se han visto obstaculizadas. “Las cadenas de suministro directas han experimentado desafíos, al igual que los socios de la cadena de suministro extendida, como proveedores de terceros y de cuartos, los proveedores de proveedores”, dice la empresa.

Las empresas enfrentan múltiples riesgos a lo largo de sus cadenas de suministro, dice Deloitte, incluidos ciclos de vida de productos más cortos y preferencias de consumidores que cambian rápidamente; aumento de la volatilidad y disponibilidad de recursos; mayor aplicación de las normas y sanciones por incumplimiento; y panoramas económicos cambiantes con una importante consolidación de proveedores.

La tecnología no puede resolver todos los problemas de la cadena de suministro. Los bienes deben ser producidos y trasladados de un punto a otro. Pero las últimas herramientas de análisis, impulsadas por algoritmos de aprendizaje automático, pueden ayudar a las empresas a predecir la demanda de manera más efectiva, lo que les permite ajustar las operaciones de producción y envío.

Así es como tres organizaciones están teniendo éxito en el uso de análisis de datos para mejorar las operaciones de la cadena de suministro.

Mejorar las operaciones y las relaciones con los proveedores

Optimas Solutions, un fabricante y distribuidor de sujetadores, está utilizando análisis de datos en tres áreas críticas para mejorar las operaciones y las relaciones con sus proveedores y clientes, señala Mark Korba, vicepresidente de cadena de suministro e inteligencia comercial de la empresa.

En primer lugar, Optimas utiliza el análisis de datos internamente para una serie de funciones, incluida la adquisición de materiales para la fabricación; previsión de la producción y la demanda de los clientes; mejorar la eficiencia y la precisión con los pedidos de los proveedores; y administrar su inventario.

Todo esto ha ayudado a Optimas a administrar y reducir los costos generales al permitirle tomar decisiones más inteligentes, “haciendo que nuestras cadenas de suministro sean más eficientes y mejorando la administración general del efectivo”, asevera Korba.

En segundo lugar, Optimas está utilizando análisis de datos para ayudar a colaborar mejor con sus clientes comerciales para reducir costos y administrar mejor sus inventarios. Analytics también está ayudando a la empresa a predecir mejor la demanda y el consumo. “Al poder realizar este tipo de análisis, ayuda a reducir los costos de manera constante”, dice Korba.

Finalmente, Optimas utiliza análisis para colaborar mejor con los proveedores. “Al comprender y administrar la demanda, especialmente la demanda de clientes individuales, brindamos datos de pronóstico más precisos a los proveedores y administramos mejor nuestros pedidos para que puedan trabajar de manera más eficiente para nosotros”, dice Korba.

La empresa utiliza una plataforma llamada Service Optimizer 99+ de ToolsGroup para la planificación de la demanda, la optimización del inventario y la planificación del reabastecimiento. La plataforma se integra bien con la suite de planificación de recursos empresariales (ERP) NetSuite de Optimas para aprovechar los datos de la cadena de suministro.

“A menudo, la gente piensa en la cadena de suministro como una cosa y no lo es”, añade Korba. “Pensamos en la cadena de suministro como la suma de varias partes de la operación comercial completa, desde la comprensión de la demanda del cliente hasta la gestión y fabricación de materiales o el abastecimiento y las compras, la logística y el transporte, la gestión de inventario y los pedidos de reposición automatizados en Optimas y en nuestro ubicaciones de los clientes.”

Una clave del éxito es la capacidad de todas las herramientas de la cadena de suministro que utiliza la empresa para trabajar juntas sin problemas, para ayudar a mantener a los clientes adecuadamente abastecidos y administrar mejor los costos, la demanda, el inventario, la producción y los proveedores. La información proporcionada a través de análisis debe abordar cuestiones financieras como el flujo de caja y los precios en el lado de la oferta y la demanda.

“En general, los problemas de la cadena de suministro que abordan todas las herramientas, ya sea trabajando juntas o individualmente, mejoran la eficiencia, la precisión de la gestión del inventario del cliente, las relaciones con los proveedores, el ahorro de costos y la capacidad de pronosticar con mayor precisión y rapidez”, afirma Korba. “El análisis de datos nos ha ayudado a obtener visibilidad en toda la organización, incluso en lugares que nunca imaginamos, como una mayor precisión con nuestro ciclo de conversión de efectivo, clasificación de la capacidad de respuesta de los proveedores, análisis del tiempo para realizar la tarea o evaluación de la capacidad tanto de nuestros clientes como de Optimas”.

Los datos de la cadena de suministro no necesariamente tienen que residir en una sola ubicación. “Es importante comprender qué sistemas o servicios externos pueden ayudarlo a recopilar y analizar los datos que necesita, para que puedan convertirse en información útil para la toma de decisiones”, según Korba.

Por ejemplo, el uso de índices de precios para materiales como el acero y el empaque o los costos de mano de obra y transporte son útiles para determinar cuándo se requieren aumentos de precios. “Un mejor acceso a la información, dentro o fuera de la organización, permite una mejor toma de decisiones para Optimas y nuestros clientes y proveedores”.

A medida que Optimas se ha vuelto más diligente en el análisis de datos, “nuestros clientes y proveedores se benefician de marcadas mejoras en varias áreas, incluida una mejor visibilidad de toda la cadena de suministro”, señala Korba.

Predecir la demanda de productos y las necesidades de inventario de manera más efectiva

CarParts.com, que vende piezas de automóviles en línea, utiliza herramientas avanzadas de análisis de datos y algoritmos de aprendizaje automático para predecir mejor la demanda de productos y las necesidades de inventario.

“Las nuevas capacidades de análisis de datos nos permiten ser más precisos al pronosticar la demanda de cada ciudad [y] región del país”, dice Stanislav Tatarzuk, vicepresidente de planificación y pronóstico de inventario.

La empresa utiliza modelos derivados del aprendizaje automático para averiguar dónde colocar el inventario en su red de centros de distribución, lo que le permite acercar los productos a los clientes que los desean y poder entregar las piezas más rápido al mismo tiempo que ahorra en costos de envío.

CarParts implementó una plataforma de Databricks que le permite centralizar todos los datos relacionados con los pedidos de productos y el inventario y aplicar análisis a los datos. También aprovecha bibliotecas de código abierto como XGBoost y Prophet; una variedad de herramientas de análisis; y Apache Airflow, una plataforma de gestión de flujos de trabajo de código abierto, para ingeniería de datos y automatización de informes.

Uno de los beneficios de usar análisis para administrar mejor la cadena de suministro es la optimización del envío. “Las preguntas sobre desde dónde enviar y cómo consolidar en una sola caja son complejas”, opina Tatarzuk. “El uso de datos en vivo de nuestros socios de envío, así como de nuestros almacenes, nos permite ser lo más eficientes posible mientras usamos análisis avanzados para optimizar el envío de pedidos de artículos múltiples”.

Eso le permite a la compañía hacer llegar los artículos a los clientes más rápidamente, al tiempo que reduce los gastos de envío. El uso de este proceso permitió a CarParts realizar ahorros significativos, dice Tatarzuk, aunque no proporcionó detalles.

Otro beneficio es la optimización del almacén. “Poder reducir los gastos de mano de obra y el tiempo de envío es una necesidad absoluta en el entorno actual de aumento de salarios”, asevera Tatarzuk. “Estamos creando modelos para ubicar correctamente el inventario en nuestros centros de distribución, para reducir el tiempo de selección y almacenamiento mientras creamos grupos de alta densidad que acortan las velocidades de selección”.

El análisis de datos ha ayudado a la empresa a lidiar con las interrupciones en las cadenas de suministro causadas por la pandemia, al permitirle ver cambios en la demanda y aumentar los plazos de entrega en las primeras etapas de la crisis de la cadena de suministro, y reaccionar más rápido que sus competidores.

Respaldo a una cadena de suministro cada vez más compleja

El proveedor de tecnología global Lenovo ha estado abordando los desafíos de su cadena de suministro global debido a la pandemia al aprovechar la tecnología de pronóstico avanzada y el análisis de datos, explica Arthur Hu, vicepresidente senior y CIO.

La cadena de suministro de Lenovo alguna vez se centró principalmente en la logística, el flujo de información y el flujo comercial, dice Hu. Pero la transformación de la compañía en un proveedor de tecnología de servicio completo “ha significado que nuestra cadena de suministro, que alguna vez se centró principalmente en dispositivos, se ha vuelto cada vez más compleja, con demandas de clientes más diversificadas, productos más complejos y la necesidad de operaciones y operaciones más eficientes y ágiles. servicio”, dice.

El año pasado, el equipo de la cadena de suministro trabajó con 2000 proveedores para entregar más de 130 millones de dispositivos Lenovo.

Dado el cambio, el equipo de la cadena de suministro de la empresa decidió modernizar sus operaciones, adoptando un enfoque de “transformación inteligente”. “Un equipo multifuncional trabajó para transformar las operaciones de la cadena de suministro de Lenovo en un ecosistema inteligente basado en datos”, señala Hu. “El nuevo sistema proporciona datos en tiempo real, análisis inteligente y soporte para la toma de decisiones que permiten a nuestras empresas cumplir sus promesas a los clientes de manera más efectiva y eficiente que nunca”.

La empresa creó un sistema de motor de previsión de costes (CFE) para proporcionar una previsión más rápida y precisa de los costes de adquisición, fabricación y ventas a lo largo de sus operaciones de cadena de suministro.

Usando el sistema en combinación con la regresión lineal y XGBoost (eXtreme Gradient Boosting), una biblioteca de software de código abierto que actúa como un algoritmo de aprendizaje automático, los gerentes de Lenovo pueden establecer el umbral máximo y mínimo para evitar extremos que afecten la precisión de los costos.

La tecnología puede hacer comparaciones de costos para reducir el impacto de las fluctuaciones de costos de mes a mes para los componentes de hardware y proporcionar una base para que los gerentes tomen decisiones de estrategia comercial, destaca Hu.

El CFE ahora respalda la previsión de costos de adquisición y producción para más del 70 % de toda la cadena de suministro global de Lenovo, afirma Hu, y la previsión de costos de venta para más del 90 % de la cadena de suministro. En comparación con el mantenimiento de costes manual, la eficiencia de la previsión de costes del ciclo ha mejorado en un 12 % aproximadamente. La tasa de precisión de costos sigue siendo de alrededor del 95%, concluye.

Bob Violino, CIO.com