Cómo hacer una digitalización inteligente de la cadena de suministro

Cuando pensamos en la digitalización inteligente de la cadena de suministro es necesario distinguir entre la percepción y la realidad. Así lo aseguró David Simchi-Levi, director del Data Science Lab del MIT.

Durante la conferencia Big data: transformación profunda con digitalización inteligente de la cadena de suministro, el especialista del Instituto Tecnológico de Massachusetts señaló que la percepción que muchas personas tienen acerca de la digitalización de la cadena de suministro es que necesitas una inversión extensa en infraestructura.

“La realidad es que lo que realmente se necesita es moderar la inversión financiera. Puedes combinar con éxito los datos disponibles, análisis avanzados y cierta automatización. Y en ese proceso modificar procesos existentes y diseñar nuevos”, destacó.

Claves para la digitalización inteligente de la cadena de suministro 

Hemos identificado cuatro capacidades claves que las empresas necesitan para una digitalización inteligente de la cadena de suministro, puntualizó en el TLW Web Summit: Implementaciones tecnológicas para una operación logística de excelencia.

• El uso de previsiones consensuadas, donde cada área funcional tiene su propio enfoque y se unen para acordar un compromiso.
• Reemplazar una estrategia de cadena de suministro única que se ajusta a todas las demás por una estrategia de segmentación, donde agrupamos productos y clientes en grupos. Cada uno tiene sus propias estrategias únicas.
• Transformar los procesos como planeación de ventas y operaciones en otros que permita a la empresa guiar su negocio y equilibrar continuamente la demanda y el suministro.
• Ejecución inteligente: consiste en identificar la desviación del plan, identificar disrupciones en la demanda y el suministro, y responder rápidamente a esos imprevistos.

Este enfoque tiene como pilar una estrategia de la cadena de suministro centrada en el cliente. Aunque no se trata de un concepto novedoso, añadió.

“Con la capacidad actual que tenemos en términos de datos, de analítica y de automatización, podemos hacer que eso suceda”, resaltó.

Te puede interesar: Así logró IBM la implementación de cadenas de suministro más inteligentes

 

Diferentes tipos de big data

Para dicha lectura identificó cuatro diferentes tipos de datos. El primer paquete es el de información sobre las características del producto por SKU; por familia de producto; sobre precio y descuento, así como las órdenes del retailer para el fabricante y lo que éste envía, los datos históricos.

“El segundo conjunto de datos incluye los datos del consumidor. Algunos minoristas proporcionan información sobre el punto de venta al fabricante de productos de consumo, pero la mayoría de los minoristas no lo hacen”, comentó.

Ante la falta de esa información, los expertos suelen utilizar datos sindicados proporcionados por empresas especializadas en esos aspectos.

El tercer paquete es el que se encarga de la medición de la economía social e información macroeconómica, como el PIB trimestral, como el índice de compra de los consumidores, el desempleo y la inflación.

“Por último, utilizamos datos externos, incluyendo Google Trends, información meteorológica, información pandémica, especialmente, por supuesto, en los últimos 12 meses, así como información sobre precios competitivos”, remató.

Por si te lo perdiste:
Preocuparse por el costo, no por el precio: estrategias para el abastecimiento en la nueva realidad

En el caso de la revisión de los precios surge un reto importante: “lo que sabemos sobre la competencia es el costo de venta de hoy o las estrategias históricas que han estado utilizando. Pero en este proceso, vamos a generar un pronóstico para las próximas 80 semanas”.

“Por lo tanto, necesitamos desarrollar un motor dentro de nuestro algoritmo de aprendizaje automático que prediga cómo se comportará la competencia en las próximas 80 semanas”, abundó.

Pronóstico de la demanda

“El pronóstico de la demanda es el forecast del fabricante con respecto a lo que cada retailer enfrentará, producto por producto, región por región. Así que vamos a generar para un SKU específico, un forecast para las próximas 80 semanas de lo que creemos que los minoristas enfrentarán. Así hacemos una comprensión del mercado”, especificó.

También lee:
Mejores prácticas en la planeación de la demanda

Estas estrategias se han implementado en una amplia variedad de industrias y en múltiples empresas. El ejemplo del especialista se centró en productos de consumo, aunque aseguró que la alta tecnología ha funcionado con éxito en el segmento de bebidas, cadena detallista o en retails de moda.

THE LOGISTICS WORLD