Recentemente ho partecipato alla Tableau Conference, dove ho potuto indulgere nella mia passione per quattro giorni. Come evangelista della scienza dei dati autoproclamato, sono stato entusiasta di vedere l'aggiunta di autoML, generazione del linguaggio naturale e altre funzionalità avanzate di automazione a Tableau, una delle principali piattaforme mondiali di visualizzazione dei dati e business intelligence.

Durante l'evento, ho incontrato persone che hanno aderito alla rivoluzione dei dati e stanno vedendo impatti immediati sulla produttività e sulle prestazioni delle loro aziende. Come lavoratore nel settore tecnologico, l'esposizione alla scienza dei dati e all'analisi è una parte quotidiana del lavoro, ma certamente non è nel settore che studio: la catena di approvvigionamento. Quindi continuo a chiedermi: "Perché la catena di approvvigionamento non adotta semplicemente l'intelligenza artificiale e il software di analisi dei dati?"

In questo articolo, analizzerò le barriere culturali e logistiche che la catena di approvvigionamento affronta nel soddisfare le richieste di analisi dei dati emerse con la pandemia. Parlerò anche dei passi che si stanno compiendo per affrontare questo problema e di come G2 aiuta le aziende a creare una catena di approvvigionamento modernizzata.

L'intelligenza artificiale aiuta a gestire la catena di approvvigionamento. Allora qual è il ritardo?

Ho posto una domanda al chief product officer di Tableau, Francois Ajenstat, sul perché la catena di approvvigionamento sia così resistente all'adozione di strumenti di analisi e intelligenza artificiale. Ha premesso la sua risposta affermando che alcuni dei casi d'uso più potenti che ha visto con Tableau sono stati con fornitori di trasporti e logistica. Ha poi suggerito che il problema sottostante non fosse solo l'azienda stessa, ma le industrie mature e le aziende nel loro complesso. Ajenstat crede che le industrie e le aziende che esistono da abbastanza tempo siano suscettibili a diventare ritardatarie nell'adozione dei prodotti, poiché l'aggiornamento delle procedure operative consolidate richiede un cambiamento culturale su larga scala. In sostanza, se non è rotto, non aggiustarlo.

Questo sentimento è condiviso da altri professionisti di alto livello, incluso il chief technology officer di Bamboo Rose, Kamal Anand. A causa di culture inflessibili focalizzate a fare le cose nello stesso modo per decenni, la tecnologia dirompente e le nuove pratiche aziendali che potrebbero migliorare drasticamente i risultati non stanno prendendo piede. Inoltre, le operazioni della catena di approvvigionamento ora coinvolgono frequenti esternalizzazioni a 3PL, il che significa che i dati aziendali sono spesso archiviati in più luoghi con convenzioni di denominazione e politiche di governance dei dati diverse. Poiché il machine learning richiede che i dati siano puliti e uniformi prima di passarli attraverso algoritmi, sarebbero necessarie notevoli quantità di pre-elaborazione dei dati affinché i dati siano utili. Pertanto, le aziende che non assumono data scientist o non investono in una formazione estesa per gli analisti della catena di approvvigionamento esistenti non possono utilizzare il machine learning.

La tecnologia necessaria esiste, ma non viene utilizzata

Il problema non è se la tecnologia esiste, ma se i leader aziendali valutano l'innovazione e l'efficienza abbastanza da sopportare un periodo di incertezza, curve di apprendimento ripide e gestione del rischio per ottenere un ROI significativo. G2 elenca una vasta gamma di categorie della catena di approvvigionamento, come il software di controllo dell'inventario e pianificazione della domanda, che aiutano ad automatizzare la gestione dell'inventario, a monitorare i livelli dei prodotti e ad aiutare le catene di approvvigionamento ad allocare le risorse in base alla domanda prevista.

Ho parlato con Sime Curkovic, Ph.D., professore di gestione della catena di approvvigionamento presso la Western Michigan University, che condivide le preoccupazioni sulla rigidità del settore. Secondo Curkovic, l'analisi dei dati avviene ancora in fogli di calcolo Excel con 22.000 righe e conversazioni via email avanti e indietro. Questa riluttanza a utilizzare la tecnologia disponibile è evidenziata dai dati delle recensioni di G2 per la categoria Piattaforme di analisi, poiché solo il 2,7% delle recensioni proviene da professionisti che lavorano nel settore della catena di approvvigionamento. Inoltre, solo l'1,7% delle recensioni sulle piattaforme di scienza dei dati e machine learning proviene da professionisti nei settori della catena di approvvigionamento.

Anche quando le aziende di logistica adottano l'automazione, non sono così esperte nell'utilizzarla.

È effettivamente uno strumento che le persone esperte di dati sanno come utilizzare mentre la maggior parte degli altri no. Questa disconnessione rende difficili da eseguire i cambiamenti culturali verso l'automazione.

“I professionisti della catena di approvvigionamento stanno commettendo molti errori, ed è a causa della mancanza di utilizzo della tecnologia ed è guidato manualmente,” ha detto Curkovic. “C'è un enorme vuoto di leadership che manca di visione nella tecnologia, e si vede.”

La leadership miope non vede il quadro generale

Il 99% delle aziende in un recente sondaggio di McKinsey & Company ha dichiarato che c'era una carenza di manodopera di talento digitale per la gestione della catena di approvvigionamento. L'idea che questo possa essere risolto attraverso l'assunzione di talenti nativi digitali è un approccio dal basso verso l'alto per risolvere il problema, ma Curkovic crede che la vera barriera venga dall'alto. Senza una leadership che promuova una cultura di innovazione e competenza tecnologica, i professionisti della catena di approvvigionamento non saranno mai in grado di sfruttare appieno il potere dei loro dati e superare le sfide significative che la catena di approvvigionamento ha affrontato da marzo 2020.

Tuttavia, alcune aziende prendono attivamente decisioni che minano l'innovazione. Ad esempio, Curkovic afferma che un'azienda Fortune 500 senza nome ha licenziato i suoi analisti della catena di approvvigionamento più giovani all'inizio della pandemia per paura che il mondo si fermasse. Tuttavia, la domanda è aumentata durante la pandemia, il che ha stressato le catene di approvvigionamento fino al punto di rottura e ha causato carenze croniche di prodotti. La natura miope di questo licenziamento ha portato l'azienda a vacillare, poiché la notizia della riduzione della forza lavoro si è diffusa e ha portato i talenti digitali a scegliere aziende che davano priorità all'innovazione.

La capacità di un'azienda di lavorare con, anziché contro, i cambiamenti sismici nella catena di approvvigionamento è un indicatore della sua capacità di prosperare nella nuova normalità. Infatti, le aziende che si stavano già muovendo con la corrente delle operazioni digital-first, come considerare l'e-commerce come una funzione aziendale centrale anziché un male necessario, sono state in grado di funzionare meglio durante le prime fasi della pandemia.

Il percorso verso l'analisi dei dati basata su cloud

Curkovic crede che una delle soluzioni più importanti per la disfunzione della catena di approvvigionamento sia allontanarsi dall'hardware verso il SaaS, che ha il potere di elaborare grandi set di dati e produrre intuizioni significative. Tuttavia, ha sottolineato il fatto che il reshoring del lavoro e il trasferimento della produzione a casa sono stati la decisione presa dai leader per affrontare i problemi di visibilità nelle catene di approvvigionamento e il conflitto geopolitico.

“Il reshoring è un cerotto. Non dovevano farlo perché abbiamo tecnologia disponibile.”

Sime Curkovic
Professore di Gestione della Catena di Approvvigionamento, Western Michigan University

Una soluzione migliore a questo problema è l'uso di tecnologie basate su cloud, come il software di visibilità della catena di approvvigionamento e i sistemi di gestione dei trasporti, per aiutare le aziende a sviluppare una migliore comprensione di tutte le parti mobili delle loro catene di approvvigionamento. Con il conflitto in Ucraina che interrompe gravemente le rotte commerciali e porta a embarghi, la comprensione di ogni fase del processo logistico è più importante che mai.

Quando i professionisti della catena di approvvigionamento utilizzano strumenti di machine learning e analisi dei dati per risolvere problemi aziendali, ne traggono vantaggio. Secondo i dati di G2 del 14 luglio 2022, ci sono voluti in media 14 mesi per tutte le aziende per ottenere un ROI con le piattaforme di scienza dei dati e machine learning, ma le aziende di logistica lo hanno ottenuto in 13 mesi. Inoltre, ci sono voluti in media quattro mesi per implementare completamente il software, ma ai professionisti della catena di approvvigionamento è bastato meno di mezzo mese.

Segni del funzionamento del SaaS si vedono anche con i dati di G2 del 14 luglio 2022, sulla categoria delle Piattaforme di Analisi che copre gli ultimi 36 mesi. Alla fine del 2019 e nella prima metà del 2020, non è stata scritta una singola recensione da un professionista della logistica su uno degli strumenti di business intelligence della categoria. Tuttavia, l'urgenza che gli analisti della catena di approvvigionamento hanno sentito nel risolvere i problemi legati al COVID è evidente da un flusso improvviso e costante di recensioni che riportano una probabilità molto alta di raccomandare le piattaforme di analisi. Complessivamente, i revisori del settore della logistica stanno valutando i loro strumenti di business intelligence su questa metrica intorno a 9 su 10, indicando una forte soddisfazione e valore derivato dall'acquisto.

Dopo aver elaborato i dati delle recensioni attraverso uno strumento di analisi del linguaggio il 12 luglio 2022, sono emersi diversi temi su come gli strumenti di business intelligence hanno aiutato a risolvere i problemi aziendali. I revisori che lavoravano nella catena di approvvigionamento hanno citato più frequentemente il miglioramento dei report, specialmente nella valutazione delle metriche di prestazione e dell'efficienza delle operazioni aziendali, come un vantaggio chiave dell'uso di questo software. Migliori report, a loro volta, li hanno aiutati a trarre intuizioni interessanti per assistere nel processo decisionale e monitorare i progressi verso gli obiettivi. Altri temi comuni erano l'automazione dell'analisi dei dati per uscire dai fogli di calcolo e una maggiore visibilità nei processi della catena di approvvigionamento, come i livelli di inventario e le prestazioni del magazzino.

Il SaaS è la soluzione

In definitiva, il software funziona e ha il potere di alleviare gran parte del caos attualmente in corso. Per facilitare la transizione verso il cloud computing, Curkovic assicura che il curriculum della sua università formi adeguatamente gli studenti nei principi della programmazione, della scienza informatica e dell'analisi statistica.

“Non ci sono abbastanza professionisti formati nella scienza dei dati,” ha detto Curkovic. “Se gli studenti imparano le competenze di un data scientist, come potrebbero sbagliare?”

Come ho detto prima, è improbabile che la catena di approvvigionamento subisca una trasformazione radicale, ma piuttosto un aggiornamento deliberato. La transizione verso dipartimenti di scienza dei dati pienamente funzionanti nelle aziende di logistica probabilmente avverrà a un ritmo molto più lento rispetto ad altri settori, quindi siamo fortunati ad avere persone come Curkovic che lavorano per rendere questo una realtà. Tuttavia, quando un'azienda è pronta a migliorare la sua strategia logistica, G2 ospita dozzine di categorie della catena di approvvigionamento con migliaia di recensioni autenticate dagli utenti per aiutarla a scegliere il software giusto in base alle sue esigenze aziendali.

Avanti nella lotta per una rivoluzione dei dati!