L’uso di intelligenza artificiale e machine learning possono generare un’analisi dei dati automatizzata e fornirne una migliore visibilità in tempo reale in ogni fase della catena di approvvigionamento. Nella foto di anteprima: per prevenire esperienze negative da parte dei clienti, le aziende devono garantire maggior resilienza e flessibilità nella gestione della supply chain (SCM-Supply Chain Management).
Non è un segreto che la pandemia da Covid-19 abbia avuto un effetto devastante a livello globale sulle catene di approvvigionamento. Ancora oggi, nonostante i tentativi di arginare la crisi, i livelli di vulnerabilità della supply chain non si sono attenuati e sono considerevoli.
A luglio 2021, il Dipartimento di Ricerca di Statista ha riportato che nel 2020 il 56% dei retailer globali ha affrontato – seppur modeste – interruzioni della supply chain a causa della pandemia, mentre per almeno il 12% di loro le interruzioni sono state pesanti.
“La crescita esponenziale dell’e-commerce da inizio pandemia, insieme alle limitazioni in materia di commercio globale e ai cambiamenti nei comportamenti dei consumatori, ha messo alla prova la solidità delle supply chain come mai prima d’ora”, spiega Guy Yehiav, General Manager di Zebra Analytics.
“Molti settori ne hanno pagato le conseguenze: in aprile, per esempio, quasi la metà di tutte le aziende manifatturiere tedesche ha riferito di aver subito interruzioni nella supply chain nel mese precedente. Inoltre, è stato registrato che il 23% delle interruzioni globali avvenute nella prima metà del 2021 si sono verificate in Europa”, aggiunge Yehiav.
“Per prevenire questi episodi che possono tradursi in minori entrate ed esperienze negative da parte dei clienti consumatori, le aziende devono garantire maggior resilienza e flessibilità nella gestione della supply chain (SCM-Supply Chain Management). Secondo Boston Consulting Group, il modo migliore per supportare la resilienza della supply chain è garantire una maggior flessibilità, una concreta digitalizzazione e una pianificazione anticipata”, evidenzia Yehiav.
“Le conseguenze causate dalla carenza globale di chip nel settore semiconduttori che affligge le organizzazioni è un chiaro esempio di una scarsa pianificazione nella SCM. Da computer e smartphone ad automobili ed elettrodomestici, i chip sono alla base della maggior parte dei prodotti elettronici e della tecnologia di consumo in generale”, racconta Yehiav.
“Con la necessità per famiglie e professionisti di adattarsi alle restrizioni dovute al lockdown, al lavoro a distanza e alla DAD, la domanda di servizi di cloud computing e di dispositivi digitali è salita alle stelle. Questo ha portato importanti picchi negli ordini da parte dei fornitori di infrastrutture cloud che hanno causato una forte riduzione dell’offerta, con conseguente rallentamento della produzione”, continua Yehiav.
“Nel frattempo, le aziende dei settori più colpiti come l’automotive e la produzione industriale, che hanno dovuto cancellare ordini su ordini a causa della riduzione della domanda, non sono state in grado di attuare una pianificazione efficace in previsione della ripresa della domanda”, aggiunge Yehiav.
“Con supply chain inefficienti e modelli operativi basati sulla consegna just-in-time dei pezzi, l’industria automobilistica non ha potuto dotarsi né della resilienza né della flessibilità necessarie per reggere le interruzioni dell’attività causate dalla carenza di componenti elettronici”, sottolinea Yehiav.
“Una strategia efficace nella SCM è essenziale per gestire la volatilità della domanda strettamente legata ai cambiamenti – in continua evoluzione – nel comportamento dei consumatori. La pandemia ha modificato le abitudini di acquisto dei consumatori (accelerazione dell’e-commerce) e ha generato una serie di nuove abitudini (panico da acquisti), a cui le aziende devono far fronte con una pianificazione anticipata e una collaborazione cross-sector con i fornitori”, ci dice Yehiav.
“Grazie infatti a una maggiore pianificazione e collaborazione, i leader della supply chain possono: adattarsi rapidamente ai cambiamenti nel comportamento dei consumatori che determinano oscillazioni della domanda; sfruttare la flessibilità della supply chain per evitare interruzioni; prevenire, identificare e risolvere eventuali colli di bottiglia in tempo reale per evitare casistiche di esaurimento delle scorte (out of stock)”, aggiunge il General Manager.
“Evitando situazioni di esaurimento scorte e andando incontro alla domanda dei consumatori, le aziende saranno in grado di offrire un servizio coerente in grado di fidelizzare il cliente e di aumentare, così, i margini di profitto”, chiarisce Yehiav.
“La digitalizzazione della supply chain abilita lo sviluppo di strategie efficaci per la SCM, combinando la pianificazione anticipata con le fasi di esecuzione. L’uso di soluzioni SCM avanzate, che integrano intelligenza artificiale e machine learning, può generare un’analisi dei dati più automatizzata e fornirne una migliore visibilità in tempo reale in ogni fase della supply chain”, dichiara Yehiav.
“Ciò permette alle aziende di ottimizzare la gestione del magazzino e delle risorse per soddisfare le aspettative dei clienti. Inoltre, gli insight generati dall’analisi automatizzata dei dati di magazzino e dei punti vendita (POS) migliorano il processo di pianificazione della filiera, indicando agli operatori interessati le azioni specifiche da intraprendere per risolvere o prevenire eventuali problemi”, puntualizza Yehiav.
“Queste indicazioni altamente prescrittive sono la chiave per offrire un’esperienza ottimale al cliente, dando alle aziende un vantaggio competitivo rispetto ad altri player. Le aziende che uniscono a una pianificazione avanzata della SCM, resilienza e pianificazione preventiva riusciranno a sfruttare appieno le opportunità di business per continuare sulla strada della ripresa”, conclude Yehiav.
Per maggiori informazioni su come i prescriptive analytics possono essere sfruttati per migliorare la gestione della supply chain, è possibile visitare il sito zebra’s website.
Guy Yehiav, General Manager di Zebra Analytics.
