Tres capacidades tecnológicas esenciales para mantener la ventaja competitiva en la nueva normalidad

Mientras las empresas continúan su marcha hacia la digitalización, deben desplegar estrategias que proporcionen la base adecuada para competir. Un componente clave del éxito como verdadero campeón digital es la capacidad de ofrecer los más altos niveles de servicio al cliente al menor coste aterrizado. Y para eso, datos completos y precisos de la cadena de suministro son esenciales. Los datos se han convertido en una moneda que aumenta su valor a medida que se acerca al tiempo real, y cuanto más se pueden compartir entre socios comerciales.

Lo que se ha vuelto evidente es que los datos deben ser en tiempo real y existir solo una vez. Usando un enfoque federado de gestión de datos maestros (MDM), la información puede ser actual y consistente, en lugar de duplicarse en múltiples formatos y silos, donde se vuelve obsoleta y latente (se use o no un data lake/almacén). Los enfoques tecnológicos modernos crean una representación de confianza de cada artículo/unidad/nivel y luego pueden integrar esa fidelidad en una solución de red global en tiempo real que optimiza la planificación y ejecución en todos los socios usando analítica prescriptiva basada en agentes. Estas redes soportan colaboración multiparte, planificación y ejecución de transacciones en tiempo real y ayudan a todos los participantes a operar en la «nueva normalidad», siempre que tengan en cuenta tres capacidades críticas.

1. Permitir transacciones en tiempo real con arquitectura de red

Ya hemos visto cómo un modelo de servicio al cliente y apalancamiento de activos basado en red se ha aplicado en industrias adyacentes. Uber, Facebook, Airbnb y Alibaba han desplegado arquitecturas basadas en red que proporcionan capacidades multiparte. El comercio ocurre entre todas las partes en una red. Y dado que el aprovisionamiento y la entrega abarcan múltiples partes en la red, la planificación y ejecución deben ser en tiempo real e incluir múltiples partes, para proporcionar máximo apalancamiento de activos, menor coste aterrizado y más altos niveles de servicio.

Este nivel de colaboración combinado con visibilidad de torre de control, analítica, planificación y ejecución, es el núcleo de la competitividad futura. No es sorprendente dado que incluso la transacción más simple involucra múltiples partes: cliente, gestor de marca, co-packer, proveedor, transportista, 3PL y distribuidor.

Desafortunadamente, muchos despliegues tecnológicos centrados en la empresa fueron diseñados en forma de hub-and-spoke, lo que significa que actúan como el centro del universo para ese nodo y tratan sus procesos y datos como tal. Esta tecnología hub está diseñada para recopilar datos de forma punto a punto / spoke a hub. Luego decide qué hacer ante cambios en demanda, capacidad o suministro basándose en variables del hub de forma aislada, y luego comparte algunos datos obsoletos o latentes, post-procesamiento, con algunos de sus spokes, tanto de entrada como de salida. Como resultado, en una red comercial típica, puede crear más de 20 acciones de procesamiento tipo almacenar y reenviar entre socios, aguas arriba y abajo, perdiendo tiempo, mano de obra y activos. Lo peor: afecta los niveles de servicio porque las partes no están alineadas como una red coordinada sirviendo al consumidor final.

2. Establecer una vista única y de confianza

Si los datos son tu moneda, entonces múltiples instancias de ERP son similares a una federación de entidades donde cada fuente actúa como su propia moneda única. Los datos quedan atrapados en instancias de ERP tipo chimenea y luego se suelen compartir en forma hub-and-spoke en relaciones comerciales uno a uno con socios de red. Sobra decir que es un enfoque subóptimo, porque incluso si exportas datos a un data warehouse o data lake, estás creando latencia y obsolescencia. Esto devalúa la moneda en términos de toma de decisiones entre socios.

Como resultado, las organizaciones están adoptando soluciones que incluyen gestión federada de datos maestros. Con este enfoque, los socios comerciales de la red pueden optar por entrar y compartir tanto sus datos maestros como operativos con otros socios. Basado en un marco seguro de permisos a través de la red, los datos existen una sola vez y se federan a los socios según los permisos concedidos. Dado que los datos no se copian ni duplican entre escalones, niveles o nodos, son por definición en tiempo real y fácilmente disponibles para optimizar apalancamiento de activos, servicio al cliente y menor coste aterrizado.

3. Soportar analítica prescriptiva accionable y autónoma

Dada la naturaleza multiparte de las relaciones comerciales basadas en red, el criterio final es la capacidad de modelar toda la red de cadena de suministro de extremo a extremo para analizar correctamente y actuar sobre resolución de problemas y creación de oportunidades. Dado que los problemas u oportunidades expuestos por la analítica podrían manifestarse en horizontes estratégicos, tácticos u operativos, la base debe ser fluida en estos horizontes. También debe ofrecer servicios, algoritmos y análisis que corran sobre la representación de la red en tiempo real, ya sea para resolver problemas previstos en seis meses o durante una entrega programada para esta tarde. La buena noticia: si tu enfoque incluye los criterios uno y dos, esta base ya está en su lugar.

La plataforma de red de suministro de extremo a extremo en tiempo real permite probar nuevas políticas de cadena, resiliencia de la red, factibilidad de planes estratégicos o tácticos, activar piezas o proveedores alternativos, modificar modos de transporte, o incluso añadir turnos en una planta.

Como hay muchas formas de resolver problemas de demanda, suministro, logística y cumplimiento en una red, es importante que los bancos de trabajo analíticos tengan acceso en tiempo real a cada variable material posible. Los sistemas tradicionales suelen darte una sola forma de resolver un problema, debido a lead times estáticos y datos obsoletos. En contraste, un banco de trabajo analítico basado en IA es un entorno prescriptivo donde las organizaciones reciben las tres o cuatro mejores soluciones que cumplen sus objetivos. También puede soportar machine learning, que es solo una forma mejor de predecir resultados y es extremadamente valioso al recomendar acciones prescriptivas. No solo eso, el machine learning mejora sus predicciones con el tiempo al aportar más datos.

Estas capacidades proporcionarán la plataforma y arquitectura necesarias para habilitar esta base y proveer las capacidades para competir adelante.

Joe Bellini es director de operaciones en One Network Enterprises, proveedor de software de red empresarial con IA.