Comment identifier les gisements de valeur dans vos données pour améliorer votre supply chain ?

Dans cet article, nous allons voir comment, concrètement, identifier les gisements de valeur contenus dans vos données ?

Aujourd’hui, les supply chains font face à de nombreux défis :

• La complexité de la chaîne d’approvisionnement
• L’augmentation des exigences clients en termes de produits
• Les exigences sur les taux de service et les délais de livraison
• Les risques sur les approvisionnements des fournisseurs
• La pression sur les coûts de stockage et de transport.

La digitalisation des processus supply chains – de l’approvisionnement à la distribution – représente une opportunité réelle pour les équipes qui savent exploiter un actif précieux : les données.

Partir des problématiques opérationnelles des processus métiers

La clé comme souvent c’est de partir des problématiques opérationnelles sur vos différents processus métiers. Cela dépend de votre activité mais voici des problématiques qui peuvent se poser pour les différentes étapes de la chaîne de valeur de la supply chain d’une entreprise :

• Prévision & planification : Mettre en place un modèle IA pour les prévisions de vente, optimiser la charge (production, transport et logistique) et les stocks en fonction de la disponibilité des ressources, simuler l’incertitude (ventes, coûts, délais…) en temps réel pour une meilleure prise de décision.
• Sourcing & approvisionnement : Anticiper les risques de défaillance des fournisseurs en termes de qualité ou de respect des délais de livraison, simuler les impacts des retards sur la production et le réseau de distribution, synchroniser le flux import avec les stocks grâce à des tableaux de bord de suivi et d’alerte.
  
• Gestion des stocks & logistique : Optimiser les paramètres MRP et simuler l’impact des changements sur les niveaux de stock et le service, lisser la charge en entrepôt pour réduire la variabilité et optimiser les coûts, améliorer l’implantation des stocks et les chemins de picking en fonction de l’évolution des profils de commande.
  
• Transport & distribution : Piloter le cost-to-serve et simuler son évolution en fonction des changements (mix produits, clients…), optimiser les tournées de prélèvement et de distribution, analyser les causes de non-OTIF (baisse de la qualité de service) pour mettre en place des actions de redressement.

Caractériser vos décisions opérationnelles

Maintenant que vous avez identifié vos problématiques opérationnelles, vous allez caractériser les décisions opérationnelles à prendre pour répondre à ces problématiques. Cela va vous permettre de prioriser vos efforts et vos sujets sur les décisions opérationnelles qui ont le plus de valeur.

Pour caractériser vos décisions opérationnelles, je vous propose de considérer deux dimensions :

1. La fréquence : à quelle fréquence prenez-vous cette décision ?
2. L’impact : quel est le coût d’une mauvaise décision ou le gain manqué lorsque vous prenez une mauvaise décision ?

Vous allez vous concentrer d’abord sur les décisions fréquentes avec un fort impact. L’arbitrage entre fréquence élevée – impact faible ou fréquence faible – impact fort devra se faire au cas par cas.

L’accessibilité des données ou la complexité technique peuvent vous permettre également de trancher entre ces deux typologies de décision.

Identifier les informations manquantes ou difficiles à obtenir

Enfin, vous allez vous intéresser à vos données pour identifier celles qui vont vous permettre de tirer les informations dont vous avez besoin pour éclairer vos décisions. Les données peuvent être internes ou externes (ex : si je cherche à prévoir le volume de vente des crèmes glacées, connaître la météo va m’aider).

Il existe deux grandes façons d’identifier des gisements de valorisation des données :

1/ en accélérant la production d’une information importante pour prendre une décision (ex : passer d’un indicateur qui se calcule en 2h en croisant 3 fichiers excel à un indicateur qui se calcule en 10 min automatiquement sur un tableau de bord)

2/ en produisant une information utile pour éclairer une décision (ex : en mettant en place un modèle de prévision de vente fiable qui va m’aider à mieux gérer mes stocks).

Les données sont un actif largement sous-exploité par les équipes supply chain aujourd’hui. Pourtant, elles sont un formidable atout pour qui sait les utiliser pour améliorer sa capacité d’adaptation et éclairer ses décisions. Vous pouvez en apprendre plus en découvrant notre livre blanc sur l’Intelligence Artificielle au service de la performance de la Supply Chain.