Störningar kring leveranser kan bero på flera faktorer: transportstockningar på grund av containerbrist, svårigheter med järnväg och lastbilstransporter eller lager som inte fungerar fullt ut på grund av karantäner för arbetstagare. Tidigare fastnade det stora containerfartyget Ever Given i Suezkanalen och stoppade trafiken som förbinder Europa med Asien i en vecka, vilket gav kaos i logistikverksamheten och en eftersläpning som det tog flera månader att jobba bort.
Skapar tidiga varningssignaler
Det finns tekniklösningar som ”supply chain analytics” för att få god insyn inom planering, inköp, produktion och distribution. Synlighet skapar tidiga varningssignaler om potentiella flaskhalsar och möjliggör automatiserade arbetsflöden för att öka planeringsflexibiliteten och reagera på plötsliga affärshändelser.
Det finns detaljhandlare som utvecklar nya sätt att arbeta i en komplex och föränderlig försörjningskedja. Jag känner till ett stort svenskt företag som har infört ett ”Supplier Scorecard” i sin leverantörsportal för att skapa lämpliga förutsättningar för sina leverantörer att ta fullt ansvar för sina prestationer och följa upp sina mål. Genom att dela information inom sitt nätverk kan de nu bättre hantera nödsituationer och oförutsedda situationer.
Bättre riskbedömning
Historiskt sett har en del betraktat data som en biprodukt, med huvudsyftet att informera och som ska underlätta diskussioner kring försäljning och för planering kring verksamheten. Data måste i stället integreras för att stärka processer och åtgärder i försörjningskedjan, med syfte att öka flexibiliteten i försörjningskedjorna.
Här är några tekniktips för bättre riskbedömning kring leveranskedjorna:
Större synlighet i molnet
Utforma en datastrategi som är inriktad på att maximera molnets effektivitet och skalbarhet. Genom molnet kan exempelvis en detaljhandelskedja snabbt skala tillgången till analyser i princip i realtid, vilket även underlättar att starta nya butiker.
Data nära realtid möjliggör snabba beslut för alla
Med replikering av data i realtid är rutiner som hämtar data i slutet av en arbetsdag historia. Med realtidsdata som matas in i molndatalager kan till exempel en detaljhandelskedja öka tillgången till mer data i nära realtid för anställda i butikerna och ge butikscheferna omedelbara insikter om butiksverksamheten.
Prediktiv analys direkt till verksamheten
Automatiserad maskininlärning (”AutoML”) ger prediktiv analyskapacitet direkt till verksamheten i en enkel användarupplevelse. Skullcandy, en ledande tillverkare av ljudtillbehör, använder AutoML för att förutsäga efterfrågan på produkter för att säkerställa korrekt tillverkningsgenomströmning, förutse funktioner och delar som misslyckats på fältet och göra förbättringar innan de släpps ut på marknaden.
Osäkerheten i omvärlden gör det nödvändigt för de företag som ännu inte tagit steget från ”just-in-time” till evidensbaserat beslutsfattande, där vi tar hjälp av maskinintelligens och realtidsdata.
Det finns tecken på att en förändring har börjat ske. Efter att i åratal ha fokuserat på kostnadseffektivitet uppger nu nästan samtliga, 93 procent, av cheferna inom försörjningskedjan att de planerar att öka nivån på motståndskraften i sina försörjningskedjor. Men de behöver agera snabbt, annars finns risk för minskad produktion, missade försäljningsmöjligheter och förlust av marknadsandelar.
Av CK Tan, Senior Director, Solutions och Value Engineering, på Qlik
