Supply chain et analytique : une formule magique à condition de partager les données

De la logistique à la planification des capacités

Traditionnellement, le secteur manufacturier fonde ses projections de production sur les tendances de la demande. Il anticipe ainsi les besoin d'accroissement ou de réduction de la capacité en fonction de la fluctuation de ces tendances.

Il est toutefois possible d'avoir une meilleure vue d'ensemble. En basant la planification de la production sur un ERP conventionnel, la fabrication s'appuie généralement sur des données historiques internes et des indicateurs de marché externes. Or,  les partenaires en charge de l'expédition et de la livraison connaissent les réalités locales et, dans certains cas, ce qui définit la demande des clients – et qui peut mieux anticiper les besoins en production.

L'expertise dans ces critères régionaux (les prix du carburant, les fluctuations de l'économie locale, les problèmes d'infrastructure) et dans le comportement des concurrents réside plutôt chez les partenaires qui s'occupent de l'expédition et de la livraison.

Ces partenaires utilisent eux-mêmes cette connaissance pour leur propre planification - pour se préparer aux perturbations dans la livraison, pour contrôler les coûts et pour respecter les quotas et les calendriers. Mais ces données seraient également très utiles au début de la chaîne. L’entreprise en charge de la fabrication pourrait aussi s'en servir pour affiner ses besoins et anticiper les changements.

Se donner du temps en examinant les facteurs clés de la demande

Avoir une bonne connaissance de ce que les clients achètent, de quand, où et comment ils réalisent leur acte d’achat peut aider à prédire l'évolution de la demande à court terme. La façon dont cette analyse est faite ne changera pas le résultat, en termes de ventes.

Il est rare que les clients, quels que soient les marchés et les catégories démographiques se conforment à un seul modèle d'achat. Le plus souvent, il existe différents groupes de clients avec des habitudes d'achat différentes. L'utilisation de l'analyse descriptive pour identifier ces groupes peut donner plus de temps à la partie fabrication de la supply chain en mettant en avant chaque différence. Par la suite, cela permet d’identifier et de suivre les indicateurs qui déterminant les actes d’achat pour chaque groupe. En résumé, il est possible de prédire plus en amont le comportement d’un groupe de clients. 

Recueillir plus de données pour améliorer les résultats

Il est déjà assez difficile de prévoir les résultats économiques d'une entreprise ; il est encore plus difficile de prévoir les résultats d'une supply chain multipartenaires. En cela, la collecte et l'analyse des données qui entourent l'ensemble de l'opération constitue un point important.

Ces données supplémentaires sont externes aux partenaires de la supply chain et décrivent le marché couvert. Elles portent par exemple sur la démographie du marché ; les tendances et les changements économiques aux niveaux local, régional, national et international ; l'activité des concurrents ; les obstacles naturels comme les conditions météorologiques ; les freins politiques comme les grèves régionales ; les changements dans les gouvernements d'autres pays ; les discussions sur les médias sociaux au sujet des partenaires de la supply chain et des concurrents ; et bien d'autres facteurs - certains écologiques, d'autres économiques, d'autres numériques.

En investissant dans  la collecte de ces données, en les ajoutant aux analyses effectuées par chaque partenaire et en les partageant, de nouveaux mécanismes de notification peuvent être mis en place.

Intégrer à Salesforce, Microsoft, IBM

La gestion de la relation client (le CRM) n'est peut-être pas la première chose qui vient à l’esprit lorsqu’on parle de supply chain.  Mais les systèmes CRM sont de plus en plus ouverts aux données extérieures, capable d’améliorer la supply chain.

Salesforce CRM, Microsoft Dynamics et d'autres plates-formes proposent des capacités analytiques Cloud qui vont au-delà de la satisfaction et de la fidélisation des clients d'origine. Elles prennent aussi en compte la logistique. Cela peut suffire à combler les lacunes décrites ci-dessus, cependant la personnalisation est souvent nécessaire.

Il ne s’agit pas de coder une fonctionnalité à partir de zéro. Salesforce met par exemple à disposition  Einstein, un ensemble de fonctions analytiques qui permettent de charger des données historiques pour l'analyse descriptive et prédictive.

Même chose pour Watson Analytics d'IBM, qui, proposent des possibilités d’analyses personnalisées.

Ces outils peuvent intégrer les données historiques de différents processus d'une supply chain établir des corrélations entre événements.