Data Fabrics explicados: mejorando eficiencia y resiliencia en cadenas de suministro

Los fabricantes están constantemente equilibrando una compleja red de funciones que abarcan innovación de producto, ingeniería, planificación, producción y logística. Estos procesos altamente interconectados se extienden a través de la organización y sus socios, creando brechas en datos, latencia de información y barreras que crean asociaciones complejas a través de operaciones y constituyentes.

El último año de disrupciones llevó a muchas cadenas de suministro globales al borde. Las malas estrategias de datos fueron la culpable, ya que trataban la cadena de suministro como un sistema rígido cuando, en realidad, es una red compleja de actores que necesitan estar en sincronía para adaptarse rápidamente al cambio. A medida que la demanda del consumidor alcanzó un máximo histórico para innumerables productos durante la pandemia, la latencia de datos de sistemas fuente retrasó respuestas que prohibieron a muchos fabricantes y proveedores reaccionar al entorno de mercado cambiante.

Los sistemas tradicionales de gestión de datos funcionaban bien cuando los profesionales de cadena de suministro tenían más tiempo para adaptarse, y el panorama de datos empresariales era más uniforme, estructurado y simple. Pero el mundo es diferente ahora. Los datos de cadena de suministro necesitan ser reutilizables, algo que los enfoques tradicionales no pueden hacer dado que requieren extracciones de datos no repetibles para identificación de problemas y resolución de ecuaciones. Peor, la emergencia del internet de las cosas (IoT), el aumento en volumen de datos no estructurados, la creciente relevancia de fuentes de datos externas, y la tendencia hacia entornos híbridos multi-cloud son obstáculos para satisfacer cada nueva solicitud de datos.

La vieja estrategia de datos centrada en sistemas de datos relacionales está fundamentalmente rota, pero ¿cómo pueden los fabricantes cambiar de una estrategia de datos reactiva a una responsiva? Para superar retrasos de información, los fabricantes están adoptando nuevos enfoques tecnológicos como data fabrics para crear una red de suministro digitalizada que represente con precisión los datos a medida que se mueven a lo largo de la cadena de suministro y las relaciones que definen cómo se hace el trabajo. Los data fabrics empresariales tejen juntos datos de silos internos y fuentes externas y crean una red de información para impulsar aplicaciones de negocio, inteligencia artificial y analítica.

Apoyando la amplitud completa de la empresa compleja y conectada de hoy, esta representación digital incluye todos los procesos, productos, personas, socios, políticas y fuentes de datos de terceros representados en la red de suministro para proporcionar una vista clara a lo largo de la cadena de valor. Con esta visibilidad, los fabricantes pueden crear análisis de impacto y causa raíz, gestionar jerarquías distribuidas y realizar toma de decisiones just-in-time aprovechando datos en tiempo real e IoT.

Los data fabrics proporcionan a profesionales de datos la capacidad de generar una representación componible, comprensible por máquinas, de las entidades clave y relaciones, así como lógica y reglas de negocio, que gobiernan el negocio. A diferencia de técnicas antiguas de integración de datos, los data fabrics son expresivos, permitiendo a fabricantes hacer preguntas y describir efectos, consecuencias y propiedades del mundo real de ciertas acciones. El fabric es extensible y reutilizable en todos los casos de uso/funciones, y es fácil de mantener y extender a socios según sea necesario.

Impulsando Resultados en Cadena de Suministro

Para crear valor de negocio dentro de la empresa, los fabricantes deben ser capaces de conectar todos los datos que importan. Los data fabrics cambian el status quo entregando significado, no solo datos, a través de la empresa. Este significado se teje junto de muchas fuentes: datos y metadatos, fuentes internas y externas, y sistemas cloud y on-premise. El significado es capturado dentro del modelo de datos, con todo el contexto en cada activo de datos plenamente presente y disponible, en forma comprensible por máquinas. Con un data fabric, personas y algoritmos pueden tomar mejores decisiones mientras también reducen la probabilidad y riesgo de mal uso o mala interpretación de datos. Más específicamente, los data fabrics están ayudando a fabricantes a:

• Mejorar detección de demanda. Cerrar el desfase temporal para cumplir demandas emergentes es crítico para fabricantes; sin embargo, la detección de demanda es difícil debido a latencia de datos e incapacidad para encontrar conexiones a través de todo, desde redes sociales a datos POS. Los data fabrics eliminan estas brechas sin tener que recablear soluciones ERP o de pronóstico de demanda existentes.

Los insights pueden entregarse a líderes de planificación de demanda que pueden aprovecharlos para mejorar planificación de negocio.

• Conectar operaciones. El alto nivel de volatilidad de demanda tiene un efecto dominó en fabricantes que necesitan entender rápidamente rendimiento operacional, disponibilidad de producto y tendencias que impactan rendimiento. Desafortunadamente, múltiples sistemas MES o de planta de producción no pueden identificar y soportar trade-offs de escenarios en tiempo real alrededor de disponibilidad de suministro.

Usando data fabrics, los fabricantes pueden identificar cualquier cambio en el suministro y hacer los ajustes necesarios sin asumir silos adicionales de data lake o costes de analistas de soporte operacional/adquisiciones.

• Proporcionar análisis de causa raíz de quejas de clientes. Las quejas de clientes por defectos de producto pueden desencadenar una serie de evaluaciones de seguimiento. ¿Cuál fue la fuente del defecto? ¿Qué otros clientes fueron impactados? ¿Requiere un recall? Los data fabrics permiten a fabricantes rastrear una queja de cliente sobre un producto defectuoso todo el camino de vuelta a las materias primas, cruzando fácilmente las relaciones entre bienes terminados y materias primas.

Además, porque estas materias primas son producidas por múltiples sitios de fabricación y pueden llamarse con nombres diferentes por diferentes proveedores, los data fabrics permiten trazabilidad a través de dominios de datos de cliente, fabricación, soporte de campo, producto y otros. Esto permite a fabricantes ver la extensión completa de la situación para actuar apropiadamente y gestionar rentablemente el análisis de causa raíz de quejas de clientes.

• Crear un gemelo digital de cadena de suministro. El gemelo digital de cadena de suministro requiere analítica predictiva, un modelo para conectar datos fuente, y por supuesto, los datos fuente mismos (ej., ERP, CRM, MES, IoT, redes de clientes) para mejorar la toma de decisiones, especialmente alrededor de planificación de cadena de suministro. Un gemelo digital debe ser capaz de representar cientos de millones de relaciones. Un data fabric, con las capacidades de lógica de negocio compleja de grafos semánticos y la habilidad de representar datos variados, proporciona a fabricantes control automatizado que les permite gestionar reglas de negocio capaces de manejar lógica compleja y toma de decisiones situacional.

Los data fabrics continúan ganando atención por su capacidad para coser juntos sistemas existentes de gestión de datos, enriqueciendo todas las aplicaciones y usuarios conectados en el proceso. Son considerados el próximo paso adelante en el espacio de gestión de datos —apoyando la amplitud completa de la empresa cada vez más compleja y conectada de hoy.

Rob Harris es vicepresidente de soluciones en Stardog, proveedor de plataforma de grafo de conocimiento empresarial (EKG).