Gracias al análisis de datos, a lo largo de los últimos 25 años la cadena de abastecimiento ha experimentado enormes cambios. Lo que alguna vez fue una función de carácter puramente logístico que reportaba a Operaciones y tenía la misión de garantizar los suministros de las líneas de producción y la distribución a los clientes, ha mutado a una función independiente de gestión de la cadena de abastecimiento.
La función de la cadena de abastecimiento
El objetivo de la gestión de la cadena de abastecimiento ha evolucionado hacia procesos de planificación avanzados, como la planificación analítica de la demanda o planificación integrada de ventas y operaciones, convirtiéndose de esta manera en procesos de negocios afianzados en la mayoría de las empresas, en tanto que la logística operacional en muchos casos ha sido delegada en proveedores externos especializados.
A partir de ahora la función de cadena de abastecimiento garantiza que las operaciones estén integradas entre sí, iniciando en los proveedores hasta culminar en los consumidores finales, permitiendo que las decisiones sobre costos, inventarios y servicio a clientes se tomen desde una óptica global. Todo esto gracias al uso de análisis de data.
Por Ejemplo, la herramienta de Google Cloud: Supply Chain Twins permite a las empresas organizar datos de fuentes dispares para obtener una visión más completa de los proveedores y los inventarios, al combinar Google Maps con la tecnología de los proveedores, los Supply Chain Twins evalúan las operaciones y envían alertas cuando se identifican problemas potenciales.
Esta visibilidad puede cambiar las reglas del juego en una era de tantas interrupciones en la cadena de suministro. La investigación realizada por The Economist Intelligence Unit, encontró que aproximadamente la mitad de las empresas utilizan solo datos internos al armar su cadena de suministro (1), es decir todavía muchas empresas mantienen su área de Supply Chain caminando en la penumbra.
En el Perú según la encuesta realizada a altos ejecutivos (2), el incremento en la eficiencia es el segundo reto mas importante para los próximos 3 años
Además, dentro de los temas de la nueva normalidad que continuarán post vacunas para los próximos años tenemos que la aceleración de la transformación digital (83%), Clientes cambiarán la forma de buscar, comprar y/o usar productos (61%) como los más significativos. Pero los problemas en la cadena de abastecimiento también preocupan a un 41% (3)
Por lo mencionado en los cuadros anteriores, las áreas de logística deben invertir en la capacitación e implementación de herramientas digitales tales como Data Analytic, para no quedarse relegados frente a la competencia y un mercado cada vez mas exigente.
Análisis de data en las etapas de la cadena de suministro
Para realizar el análisis de la data, se requiere de una combinación de herramientas, sistemas de procesamiento y algoritmos que pueden interpretar información a partir de datos.
Cuando se realiza un análisis coordinado de la cadena de suministro, su aplicación pasa de centrarse en una simple automatización a la integración de datos con visión de futuro y una mejor toma de decisiones. Esto crea nuevos conocimientos que ayudan a mejorar la gestión de la cadena de suministro, desde la mejora de las operaciones de primera línea hasta las opciones estratégicas.
Utilizando los datos en tiempo real, que son una combinación de formatos estructurados y no estructurados, y el poder de las 3V (volumen, velocidad y variedad), el análisis de la cadena de suministro permite la colaboración de las redes de proveedores y la integración de un extremo a otro en sentido sistémico, que afecta a cada una de las etapas de la cadena.
Análisis de data para planificar
Los datos integrados de toda la supply chain aunados con el uso de modelos estadísticos pueden apoyar a pronosticar la demanda con una mayor precisión. Esto tiene un efecto en la planeación de inventarios y reabastecimientos.
Tener la oportunidad de coordinarlos desde el principio asegura que no haya situaciones de agotamiento de existencias, por ejemplo. En esta etapa, un modelo de análisis de Big Data adecuado no solo tiene en cuenta los datos históricos y a tiempo real, también considera factores macroeconómicos, tendencias de mercado e inclusive datos de la competencia.
Análisis de data para aprovisionar
La coordinación en el área de compras siempre es un reto donde, por lo general, existe un enorme potencial de ahorro y optimización. Aprovechar el análisis de la cadena de suministro para evaluar el desempeño y el cumplimiento de los proveedores en tiempo real ayuda a detectar oportunidades e intervenir en problemas a tiempo.
Tener el seguimiento y los datos de cada uno de nuestros proveedores nos permite crear una relación transparente, centrada en información real, verás y en el momento.
Análisis de data para ejecutar
Durante la ejecución, el Data Analytics ayuda a optimizar los recursos disponibles (espacio, materiales, recursos humanos, etc.) y maximizar la producción.
En la industria de manufactura, la aplicación de sensores de ioT pueden proporcionar datos acerca del estado de las máquinas en tiempo real. Esto permite no solo mejorar el rendimiento de los activos y la capacidad de producción, si no realizar escenarios predictivos para estimar fallas o programar de forma anticipada el mantenimiento.
Análisis de data para el Delivery
En la etapa de entrega, todo se centra en: velocidad (sacar el producto a tiempo), precisión (garantizar que los paquetes lleguen al destino correcto) y eficiencia (encontrar la ruta óptima / combinar las entregas). Los datos de entrega en tiempo real combinados con datos externos, como el tráfico y los patrones meteorológicos, pueden dar como resultado mejoras significativas en el rendimiento de la gestión logística.
Análisis de data para la logística inversa
Optimizar los gastos de reabastecimiento, los costos de transporte para devolver el producto al minorista / almacén, los gastos generales de envío para enviar otro producto al cliente y los costos de decisión sobre la evaluación del producto devuelto, es el objetivo ante la complejidad de la logística inversa. Data Analytics puede ayudar a reducir estos costos y proporcionar la visibilidad necesaria para realizar devoluciones sin problemas, mediante la combinación de datos de sistemas de inventario y ventas, y flujos entrantes y salientes.
Conclusiones sobre el Data Analytics en el Supply Chain
El análisis de datos está transformando el mundo logístico. Por lo que es importante atender la brecha de aprendizaje y adaptación que conlleva la aplicación de este tipo de tecnologías. También al reenfoque de la logística hacia lo sistémico, coordinado y transparente. Es crítico iniciar este proceso si queremos que las empresas continúen siendo competitivas además que puedan generar mayores beneficios en un entorno cada vez más cambiante e inestable.
(1) ASCM – Mayo 2022
(2) y (3) Encuesta del PAD – Febrero 2022
