Especialmente en la crisis actual, puede ser muy importante que las empresas reconozcan temprano los cuellos de botella de la cadena de suministro para que puedan actuar directamente. La crisis del coronavirus está poniendo a prueba la economía. Los cuellos de botella en la cadena de suministro son cada vez más comunes, ya que los proveedores pueden fallar y el precio de los reemplazos de envío se está disparando. Como tal, la cuestión de cómo mantener el panorama general y garantizar la transparencia de las adquisiciones cuando las condiciones de suministro son inciertas es una preocupación para muchas empresas.
Además, la demanda de análisis de datos está aumentando y las evaluaciones sobre temas críticos específicos se necesitan muy rápidamente, en lugar de pasar días buscando cifras clave relevantes en varias fuentes de datos. En el siguiente blog, me gustaría usar un ejemplo práctico para mostrar cómo se puede usar el análisis de datos para aprovechar al máximo la incertidumbre en los cuellos de botella de la cadena de compras y suministro.
Evitar cuellos de botella en la cadena de suministro en la crisis actual: ejemplos
En primer lugar, es de suma importancia garantizar la transparencia interdepartamental en todos los datos relevantes de la empresa fabricante. Por ejemplo, es importante que los departamentos relevantes aclaren qué pedidos de clientes deben priorizarse, diferirse si es necesario, o si ha habido cambios de turno significativos o ausencias de empleados. Con las soluciones de análisis de datos, dicha información puede estar disponible en toda la empresa, lo que permite que los departamentos relevantes tomen medidas e inicien las contramedidas adecuadas.
su punto de venta o canal de entrega si dichos datos están además vinculados a datos disponibles gratuitamente sobre la propagación de Covid-19 o gobiernos locales específicos, como es actualmente relevante para muchas empresas; puede expresarse causalmente de la siguiente manera: Unir datos. La solución de análisis de datos adecuada puede ver cuáles de los proveedores de su empresa o puntos de venta específicos se encuentran dentro de los municipios y cuyas entregas pueden estar en riesgo. Además, entre otras cosas, podemos realizar un seguimiento preciso de los productos recibidos de estos proveedores. Como resultado, puede identificar cuáles de sus proveedores están proporcionando productos iguales o similares a los proveedores municipales de COVID-19, y es posible que pueda proporcionar productos alternativos en caso de falla.
Una función de reescritura correspondiente está integrada en la solución de análisis de datos, de modo que los datos también pueden modificarse directamente en la interfaz y transferirse automáticamente al departamento responsable (departamento de compras en el caso anterior). Esto simplifica enormemente la comunicación interna e inicia proactivamente contramedidas contra los cuellos de botella de la cadena de suministro.
Otro ejemplo que se ha mejorado mediante el uso de análisis de datos es la evaluación de proveedores. Utilizando criterios específicos como la capacidad, el precio y el tiempo de entrega, nuestro sistema de análisis de datos ya evalúa rápidamente a los proveedores. Durante una crisis, puede ajustar la ponderación de estos criterios. Por ejemplo, el tiempo de entrega puede ser más importante que el precio y puede cambiar la ponderación de los criterios en consecuencia. De esta manera, puede evaluar claramente al proveedor de acuerdo con la situación actual. Esto permite un reconocimiento temprano de qué proveedores están dificultando la adquisición y dónde pueden ocurrir cuellos de botella potenciales.
Ciencia de datos y tiempo de reposición
Además, en la práctica, la estimación del tiempo de entrega del reabastecimiento del proveedor es muy diferente del valor real. Esto significa que el tiempo de entrega real puede diferir significativamente del tiempo de entrega indicado en los datos maestros. Aquí es posible una solución manual, pero sería un proceso costoso y que consumiría mucho tiempo. Mediante el aprendizaje automático, los datos históricos se pueden utilizar para predecir mejor los plazos de entrega del reabastecimiento a medida que el algoritmo “aprende” en función de las entregas anteriores. La precisión de estas predicciones ya ha mejorado entre un 15 % y un 42 % en las empresas que utilizan el aprendizaje automático.
El coronavirus plantea nuevos desafíos para las empresas en el área de compras ya que hace que las entregas sean inciertas. Se puede crear transparencia en diferentes departamentos con la ayuda del análisis de datos. Al integrar datos dispares, puede identificar rápidamente proveedores y sitios de distribución que están directamente amenazados por fallas y encontrar alternativas rápidamente. Esto ayuda a prevenir cuellos de botella y evitar el tiempo de inactividad de la producción.
Además, áreas de análisis anteriores como la evaluación de proveedores pueden adaptarse a la situación actual. La ciencia de datos también proporciona soluciones adicionales para hacer que el análisis y la planificación de adquisiciones sean más precisos y apropiados con el tiempo.
¿Cuáles son los problemas que determinan las cadenas de suministro en la actualidad?
Jens Siebertz Laboratorio de datos INFORMARÉl cree que las empresas solo pueden lograr el éxito si toman decisiones eficientes basadas en datos. Como tal, le apasiona apoyar a las empresas en las áreas de análisis de datos, gestión de datos, ciencia de datos y estrategia de datos.
este blog Publicado por primera vez En el blog INFORM DataLab.