Supply chain transparantie is achterhaald

Al jaren streven supply chain managers en specialisten naar meer en meer transparantie van de supply chain. De huidige dynamiek vergt echter iets veel belangrijkers: voorspelbaarheid.

Internet of Things
Op zich is het streven naar transparantie logisch. Inzicht in gebeurtenissen in de supply chain, en vooral realtime, biedt de mogelijkheid om eerder en beter in te grijpen. Maar het nadeel blijft dat men reageert op gebeurtenissen die al plaats hebben gevonden. Het elimineren van structurele weeffouten blijft belangrijk maar in deze tijd van IoT is dit niet meer voldoende.

De ontwikkelingen gaan zo snel dat reactief gedrag meteen afgestraft wordt. Het corrigeren van uw voorraadniveau’s is, tegen de tijd dat het zijn effect heeft door uw gehele supply chain, steeds minder zinvol. Waar vroeger de opslingereffecten nog inzichtelijk waren, is het nu een opeenvolging van golven die aanspoelen op uw ‘supply chain strand’.

Voorraadstijgingen
De digitale supply chain met een consument die steeds sneller zijn voorkeuren en behoeftes wijzigt – waardoor omlooptijden nog verder in elkaar worden gedrukt – leidt bij veel bedrijven ongewild toch tot meer voorraden in de keten. Ondanks verwoede pogingen van de supply chain manager dit te verlagen, zo blijkt uit het State of Logistics Report 2016.

De redenen hiertoe zijn divers; kortere omlooptijden en het feit dat de consument zowel fysiek als digitaal zijn vraag uitoefent. De toenemende diversiteit aan vraag door de consument dwingt bedrijven een breder assortiment aan te houden. Ook het multichannel concept leidt nog altijd tot problemen en cross voorraad optimalisatie is door de verschillende servicelevels, moeilijk te bewerkstelligen. Traditionele retailers die vrezen voor hun marktpositie, vergroten hun assortiment en voorraad om vooral de klant te kunnen blijven bedienen. Ten leste hebben veel bedrijven maar beperkt inzicht in hun supply chain omdat deze vaak te langgerekt is, tot wel 7 tiers. Transparantie wordt dan een onmogelijke opgave en beheersing van de supply chain blijft dan achter. Kortom veel problemen kennen een door mensen geinduceerde buffer, planning is nog te vaak gebaseerd op gemiddeldes, statistische leadtimes, ERP systemen die lastig aan te passen zijn, waardoor elke reactie per definitie reactief is.

Dynamische voorspelbaarheid
De belangrijkste factoren in elke supply chain zijn doorlooptijd, variabiliteit, kosten, capaciteit en buffers. De ontwikkeling van deze factoren in uw supply chain dienen continue gemonitored, begrepen en voorspeld te worden om te kunnen blijven voldoen aan uw service levels.

Het zijn echter talloze factoren die hier van invloed zijn en zelfs daarbuiten. De economische situatie van burgers, social media, het weer, prijsontwikkelingen, files,klimaatdisrupties, etc.

Traditionele transparantie negeert deze signalen grotendeels en de meeste Control Towers missen nog de mogelijkheden om dergelijke big data om te zetten in bruikbare supply chain informatie. De grote uitdaging is welke informatie is relevant, wat zijn de correlaties, wat zijn de werkelijke causale verbanden. Het probleem met big data is wat het is: big data.

Cinema voorspelling
Tijdens een van mijn projecten bij een cinema organisatie was de vraag of voorspeld kon worden welke bezoekersaantallen een film zou halen, op welke dagen en welke tijden. Het achterliggende doel is betere afstemming van bezoekersaantallen op specifieke tijden in verband met de capaciteit van het theater en verkopen voor start film en tijdens de pauze (voorraad issue).

Een universitaire groep econometristen had een aantal jaren van bezoekers geanalyseerd en geprobeerd te relateren aan het weer, seizoen, promotie activiteiten, tijd van show, type bezoekersgroep, mondelinge reclame en competitieve films (in eigen cinema of derden).

Uiteindelijk bleek er geen eenduidige conclusie te trekken. Aanvullend onderzoek van mijn projectteam bracht nieuwe elementen naar voren: het succes van de film in de VS, het moment van uitbrengen van de film en gelijksoortige films in dezelfde tijdsperiode.

Voorbeeld: films die succesvol zijn in de VS blijken in meer dan 80 procent van gevallen ook tot de top 10 van Nederland te behoren (in nagenoeg dezelfde volgorde). Aangezien het totaal aantal bezoekers al jaren redelijk stabiel is, kon dit goed teruggerekend worden. Als twee gelijksoortige films in een bepaalde periode (kwartaal) worden getoond, dan ‘eten’ ze elkaars bezoekers op. Voorverkoop van kaarten biedt direct inzicht in de vraag, maar bij kassaverkoop blijken mensen op allerlaatste moment te beslissen.

Wat bovenstaande real voorbeeld laat zien is dat er enorm veel informatie beschikbaar is, maar u moet oppassen voor valse correlaties. Aarzel niet om dieper te gaan zoeken tot u de vinger op de juiste plek heeft.

Analyse en statistiek
Het grote probleem bij big data is de hoeveelheid data die door mensen amper nog te analyseren is, laat staan dat de juiste conclusies getrokken kan worden. Het vergt geavanceerde algoritmes en artificiële intelligentie om grote hoeveelheid informatie van social media, externe en interne omstandigheden te analyseren, de juiste verbanden te leggen en met de uitkomsten uw ERP of overige systemen te voeden.

Organisaties als Google en Facebook hanteren deze benadering alom hun digitale klanten optimaal te bedienen. Om klant specifieke informatie op het juiste moment en plaats aan te bieden. Van advertenties tot relevante media artikelen. Nu ligt de uitdaging ook bij supply chain managers. Uw toekomst is niet transparantie maar voorspelbaarheid.