特に現在の危機においては、情報のボトルネックを早期に認識することが企業にとって非常に重要となる可能性があります。 サプライチェーン 彼らが直接行動できるように。 コロナウイルス危機は経済を試している。 のボトルネック サプライチェーン サプライヤーが倒産する可能性があり、代替品の輸送価格が高騰しているため、このような方法はより一般的になってきています。 そのため、供給条件が不確実な場合に全体像を維持し、調達の透明性を確保する方法は多くの企業にとって懸念事項です。
また、データ分析の需要も高まっており、関連する重要な数値を見つけるためにさまざまなデータソースを検索するのに何日も費やすのではなく、特定の重要なトピックに関する評価を非常に迅速に行う必要があります。 次のブログでは、購買やサプライ チェーンのボトルネックにおける不確実性を最大限に活用するためにデータ分析をどのように使用できるかを、実践的な例を使って説明したいと思います。
ボトルネックを回避する サプライチェーン 現在の危機における: 例
まず第一に、製造会社からのすべての関連データの部門間の透明性を確保することが最も重要です。 たとえば、関連部門にとって、顧客のどの注文を優先する必要があるか、必要に応じて延期する必要があるか、大幅なシフト変更や従業員の欠勤があったかどうかを明確にすることが重要です。 データ分析ソリューションを使用すると、このような情報を全社的に利用できるようになり、関連部門がアクションを起こし、適切な対策を開始できるようになります。
現在多くの企業に関連しているように、そのようなデータが新型コロナウイルス感染症または特定の地方自治体の蔓延に関する自由に入手可能なデータにさらにリンクされている場合は、販売時点または配送チャネル。 は次のように因果的に表現できます: データを結合します。 適切なデータ分析ソリューションを使用すると、貴社のサプライヤーまたは特定の販売店が自治体内にあり、その配送が危険にさらされている可能性があることがわかります。 さらに、当社はこれらのベンダーから受け取った製品を正確に追跡する場合があります。 その結果、どのサプライヤーが自治体の新型コロナウイルス感染症対策サプライヤーに同じまたは類似の製品を提供しているかを特定でき、障害が発生した場合には代替製品を提供できる可能性があります。
対応するライトバック機能がデータ分析ソリューションに統合されているため、データをインターフェースで直接変更し、担当部門 (上記の場合は購買部門) に自動的に転送することもできます。 これにより、内部コミュニケーションが大幅に簡素化され、ネットワークのボトルネックに対する対策を積極的に開始できます。 サプライチェーン。
データ分析の使用によって改善されたもう 1 つの例は、サプライヤーの評価です。 容量、価格、納期などの特定の基準を使用して、当社のデータ分析システムはすでにサプライヤーを迅速に評価しています。 危機時には、これらの基準の重み付けを調整できます。 たとえば、納期が価格よりも重要な場合があるため、それに応じて基準の重み付けを変更できます。 このようにして、現在の状況に応じてプロバイダーを明確に評価できます。 これにより、どのベンダーが調達を困難にしているのか、また潜在的なボトルネックがどこに発生するのかを早期に認識することができます。
データサイエンスとリードタイム
さらに、実際には、サプライヤーの補充リードタイムの見積もりは実際の値と大きく異なります。 つまり、実際の納期はマスターデータに示されている納期と大幅に異なる可能性があります。 ここでは手動による解決策も可能ですが、コストと時間がかかるプロセスになります。 機械学習を使用すると、アルゴリズムが過去の配送に基づいて「学習」するため、履歴データを使用して補充リードタイムをより適切に予測できます。 機械学習を使用している企業では、これらの予測の精度がすでに 15 ～ 42% 向上しています。
新型コロナウイルスの影響で納期が不確実になり、購買分野の企業に新たな課題をもたらしている。 データ分析の助けを借りて、さまざまな部門で透明性を実現できます。 異種データを統合することで、障害の直接の脅威にさらされているベンダーや配布サイトを迅速に特定し、代替手段を迅速に見つけることができます。 これにより、ボトルネックを防止し、本番のダウンタイムを回避できます。
さらに、サプライヤー評価などの以前の分析領域を現在の状況に適応させることができます。 データ サイエンスは、買収計画と分析を長期的により正確かつ適切にするための追加のソリューションも提供します。
今日のサプライチェーンを決定する問題は何ですか?
イェンス・シーベルツ データラボ INFORM彼は、企業はデータに基づいて効率的な意思決定を下す場合にのみ成功できると信じています。 そのため、データ分析、データ管理、データサイエンス、データ戦略の分野で企業をサポートすることに情熱を注いでいます。
このブログ 最初に出版された INFORM DataLab ブログで。