Data inzetten om te weten wat er speelt in de markt. Of nog beter, om te voorspellen wat er in de nabije toekomst gebeurt en op basis van die inzichten de supply chain in te richten. Nieuw is het verhaal niet, maar in de praktijk gebeurt het weinig. Dankzij de opkomst van nieuwe technologieën is dit proces echter in een stroomversnelling geraakt. Aan bedrijven de taak gebruik te maken van die mogelijkheden en hun organisaties voor te bereiden op de toekomst.
Enorm aanbod van data
Als het gaat over het Internet of Things, ligt de focus vaak nog op de opkomst van het fenomeen. De realiteit is echter dat veel apparaten al verbonden zijn met het internet. Al die apparaten genereren enorme hoeveelheden data, die in potentie waardevolle inzichten opleveren. Neem het voorbeeld van connected cars. Die kunnen iets kunnen zeggen over welke functionaliteiten in de praktijk juist wel en niet worden ingezet.
Maar ook marketingkanalen als de website kunnen voor waardevolle inzichten voor de supply chain zorgen. Het analyseren van websitebezoek kan bijvoorbeeld waardevolle inzichten opleveren als:
- Welk soort modellen zijn in trek?
- Welke opties worden het vaakst bekeken?
Hetzelfde geldt voor advertentiecampagnes, die bijvoorbeeld op basis van het aantal kliks inzicht kunnen creëren in wat er op dat moment in de markt speelt.
Data omzetten in inzichten
Dit soort data hebben de potentie om de supply chain te verbeteren. Om bijvoorbeeld de productie van een bepaald automodel op te schroeven als blijkt dat daar veel vraag naar is, zodat deze sneller aan de klant geleverd kan worden. Of juist andersom. Dat marketing en sales zich in de zomermaanden niet per definitie richten op de verkoop van cabrio-modellen. Maar juist een campagne starten voor een ander model – als blijkt dat daar al veel auto’s van in voorraad zijn
Machine learning en AI
Toch zetten bedrijven data in de praktijk nog maar mondjesmaat in om de supply chain te verbeteren. Terwijl ze wel degelijk over bergen aan benodigde data beschikken. De reden daarvoor? Die zit hem juist in die enorme hoeveelheden. Al die ruwe data omzetten in waardevolle inzichten vraagt immers om veel tijd en middelen. En die zijn in een organisatie niet altijd beschikbaar.
Daar komt nu echter verandering in, dankzij het feit dat er steeds meer mogelijk wordt op het gebied van machine learning en artificial intelligence (AI). Daarmee hebben bedrijven een middel in handen om data automatisch te laten interpreteren in bruikbare inzichten voor de supply chain. Zo wordt het mogelijk om snelle en accurate analyses uit te voeren. En om bijvoorbeeld dynamische prijzen vast te stellen op basis van zowel vraag als beschikbaarheid.
Alles connected
AI en machine learning zullen de supply-chainplanning in de nabije toekomst dan ook volledig transformeren. Predictive modellen op basis van automatisch geïnterpreteerde data krijgen steeds meer impact hebben op businessprocessen. Voorspellingen op basis van AI gaan in toenemende mate een belangrijke rol spelen bij voorraadplanning. Dankzij diezelfde techniek wordt het mogelijk dynamische prijzen vast te stellen, gecorreleerd aan seizoen, vraag of beschikbaarheid. Predictive market intelligence zal bovendien steeds meer van belang zijn bij productintroducties, bij promotionsmanagement en om dynamisch te anticiperen op disrupties in de supply chain.
Dat betekent voor veel bedrijven waarschijnlijk wel dat ze hun organisatie anders moeten inrichten. Hierbij is een integrale benadering belangrijk, waarbij de financiële planning (bijvoorbeeld de jaarlijkse budgettering en forecasting), sales planning (bijvoorbeeld territory en quote planning voor verkopers) en operationele planning (bijvoorbeeld sales en operations planning) volledig in elkaar zijn verweven. Dat betekent dat bedrijven interne muren moeten afbreken en minder in silo’s moeten denken. Connected is hierin dus het sleutelwoord. Niet alleen in technische, maar ook in organisatorische zin.
