LE BLOG DE LA CHAÎNE D'APPROVISIONNEMENT
La localisation des centres de distribution se déplace vers les zones urbaines
Lorsqu'il s'agit de choisir l'emplacement de vos centres de distribution, il est important d'observer les tendances du commerce électronique et la nécessité de livrer les clients dans les marchés métropolitains.
Lorsqu'il s'agit de choisir l'emplacement de vos centres de distribution, il est important d'observer les tendances du commerce électronique et la nécessité de livrer les clients dans les marchés métropolitains.
Le rythme de construction des centres de traitement des commandes se poursuit, mais l'accent est désormais mis sur les grands marchés métropolitains, et non plus sur les régions moins développées et à faible coût.
SCDigest a examiné les observations relatives à la stratégie de réseau d'Amazon et à son évolution. Il présente un diagramme de MWPVL qui montre quele réseau existant (points bleus) se trouvait principalement dans des zones plus rurales, ou du moins peu urbaines - des régions où les coûts du terrain et de la main-d'œuvre étaient moins élevés. Toutefois, les installations en cours de construction se trouvent généralement dans des zones urbaines - la région de New York, Chicago, Philadelphie, etc.
Amazon recherche désormais un délai d'exécution rapide (c'est-à-dire le même jour) pour toutes les grandes villes des États-Unis. Il s'agit d'une approche différente de celle du passé, qui mettait davantage l'accent sur les coûts.
Source : http://www.scdigest.com/assets/newsviews/14-06-04-1.php?cid=8152
L'expansion des entrepôts d'Amazon se poursuit sans relâche afin d'assurer une domination sans partage
Amazon s'efforce de livrer de plus en plus rapidement les commandes en ligne - y compris le jour même - au domicile des acheteurs. Cela signifie qu'ils ont besoin de plus de centres de distribution dans les zones métropolitaines.
Les consommateurs s'attendent désormais à ce que les délais de livraison soient de l'ordre de deux à trois jours. Il ne s'agit là que d'une attente minimale. La tendance est à l'abandon de l'expédition à partir d'un entrepôt spécifique, au profit d'un entrepôt plus proche pour servir les clients, avec une livraison plus rapide et des coûts de transport moins élevés.
Analyse de la chaîne d'approvisionnement et données des médias sociaux
L'analyse de la chaîne d'approvisionnement doit inclure l'analyse sociale, car l'examen des données sociales peut aider les gestionnaires de la chaîne d'approvisionnement à procéder à des ajustements importants, à maintenir les bons niveaux de stocks, à surveiller la gestion des commandes et à réduire les retours. Cela permettra à l'entreprise de réduire ses coûts au minimum et d'augmenter la valeur pour le client.
L'analyse de la chaîne d'approvisionnement doit inclure l'analyse sociale, car l'examen des données sociales peut aider les gestionnaires de la chaîne d'approvisionnement à procéder à des ajustements importants, à maintenir les bons niveaux de stocks, à surveiller la gestion des commandes et à réduire les retours. Cela permettra à l'entreprise de réduire ses coûts au minimum et d'augmenter la valeur pour le client.
Que signifient les médias sociaux pour votre chaîne d'approvisionnement ?
Luciano Cunha, du Warehouse Management Systems Guide, explique comment les entreprises peuvent commencer à réfléchir à l'utilisation des médias sociaux dans la chaîne d'approvisionnement. Il note en particulier que "la nature en temps réel absolu inhérente aux médias sociaux peut être à la fois une bénédiction et une malédiction pour les professionnels qui supervisent une chaîne d'approvisionnement. D'une part, l'accès aux données en temps réel peut aider les chaînes d'approvisionnement à fonctionner au plus juste, car une analyse appropriée peut permettre de produire juste ce qu'il faut pour répondre à la demande des consommateurs.
Source : http://www.warehousemanagementsystemsguide.com/blog/social-media-supply-chain-042711/
Gérer l'analyse de votre chaîne d'approvisionnement comme une équipe de baseball
Jeff Kavanaugh a écrit dans Industry Week que "l'analyse sociale a la capacité d'aider la chaîne d'approvisionnement".
Médias sociaux et analyse de la chaîne d'approvisionnement
Les gestionnaires de l'entreprise peuvent ainsi procéder à des ajustements cruciaux, maintenir des niveaux de stocks adéquats, surveiller la gestion des commandes et réduire les retours, ce qui permet de contrôler les coûts et d'améliorer la satisfaction de la clientèle".
Utilisation de l'analyse avancée appliquée aux données de la chaîne d'approvisionnement et du commerce
Comment une entreprise peut-elle prendre en considération les données des médias sociaux disponibles ? Dans un entretien avec Dustin Mattison, Marc Dragon a parlé de l'utilisation de l'analyse avancée appliquée aux données de la chaîne d'approvisionnement et du commerce. Il pense qu'il faut examiner trois types de sources de données différentes : les sources de données propres - les données structurées au sein des entreprises, les sources de données payantes et les données des médias sociaux.
Conclusion
Les praticiens de l'analyse de la chaîne d'approvisionnement peuvent utiliser les données des médias sociaux dans leurs analyses. Ils doivent tirer parti des possibilités d'utilisation des données des médias sociaux pour améliorer les prévisions et la satisfaction de la demande. En fin de compte, l'analyse sociale consiste à utiliser les médias sociaux pour accroître la prévisibilité des indicateurs opérationnels clés.
Interview : Pourquoi l'analyse de la chaîne d'approvisionnement est-elle vraiment importante ?
Hakan Andersson explique pourquoi l'analyse de la chaîne d'approvisionnement est vraiment importante.
Dans la vidéo suivante, Hakan Andersson explique pourquoi l'analyse de la chaîne d'approvisionnement est vraiment importante.
Principaux enseignements :
Les défis de l'exploitation des données massives (Big Data)
Quatre difficultés liées à l'analyse des données de la chaîne d'approvisionnement
Types d'analyse des données de la chaîne d'approvisionnement à effectuer
Pourquoi est-il difficile de donner un sens aux données massives (big data) ?
Je voudrais tout d'abord dire qu'il est formidable de disposer de big data. Nous disposons maintenant de données, de données au niveau le plus profond, et nous avons la puissance informatique nécessaire pour traiter ces données. Cela signifie que nous pouvons réellement, à proximité du moment où les choses se produisent, établir ce qu'est la réalité. Nous n'avons pas à nous fier à des vérités établies qui, très souvent, s'avèrent ne pas être des vérités, mais plutôt des mythes d'entreprise.
Le risque est qu'avec toutes ces belles données disponibles, il est très facile de se laisser emporter. Il y a aussi le risque que les données soient accessibles à un grand nombre de personnes. Tous ceux qui ont accès à ces données peuvent tirer leurs propres conclusions. C'est pourquoi les données doivent être conservées ; elles doivent être traitées par quelqu'un qui possède l'expertise et la connaissance des opérations. Dans le cas contraire, les conclusions tirées par les personnes ayant accès aux données pourraient très bien être erronées, ce qui reviendrait à comparer des pommes et des ananas.
La base de données Establish-Davis, dans laquelle nous suivons les coûts et les services logistiques depuis près de quarante ans, nous apprend qu'il faut vraiment savoir ce qui est comparable et ce qui ne l'est pas.
Il n'est pas juste de comparer les coûts logistiques d'un article de grande valeur et de faible poids comme les produits pharmaceutiques à ceux d'une industrie comme la sidérurgie, où les articles ont une faible valeur et un poids élevé. Cela fait une grande différence et peut vous poser un problème si vous êtes du côté de la chaîne d'approvisionnement de l'entreprise, car vous serez alors constamment sur la défensive, essayant d'expliquer pourquoi les choses sont bonnes ou mauvaises, et vous devez savoir ce qui est important et ce qui est bon.
Difficultés liées à l'analyse des données de la chaîne d'approvisionnement
L'une des difficultés du tri des données réside dans le fait que, tout d'abord, les données ne sont jamais - je dirais même presque jamais - propres. Il faut donc connaître et identifier les faiblesses des données, savoir où les fichiers maîtres ont été mis à jour et où ils ne l'ont pas été, savoir où l'on a juste un support et où l'on a de vraies données.
Une autre difficulté avec les données propres est que, même si les données sont correctes, elles peuvent inclure des extrêmes et des valeurs aberrantes qui faussent les résultats de l'analyse que vous faites. La première étape consiste donc à nettoyer les données, à identifier les extrêmes et à connaître les faiblesses pour lesquelles vous pouvez utiliser les données et celles pour lesquelles elles ne sont pas valables.
Vous devez décider ce qui est important. Dans ce domaine, il est facile de se perdre dans un grand nombre d'analyses, et il faut savoir ce qui a vraiment du sens et où l'on obtient des résultats de l'analyse.
Les données doivent être comparables. Par exemple, vous devez les rendre comparables dans le temps afin de savoir quand l'entreprise a changé, et vous devez procéder à des ajustements en fonction des tendances. L'analyse des tendances est le meilleur moyen de contrôler et d'identifier les domaines dans lesquels vos mesures d'amélioration de l'efficacité, par exemple, portent leurs fruits et ceux dans lesquels vous devez vous pencher de plus près.
En outre, avec le big data, vous voulez faire des analyses comparatives entre vos entités et des analyses comparatives externes. Il faut ensuite rendre les données comparables entre les entités.
Un exemple évident et peut-être modeste est celui des installations. Il y a un coût pour héberger les stocks dans des installations que vous pouvez posséder vous-même ou louer. Le coût réel que vous devez utiliser peut être le même, mais les installations que vous possédez peuvent se révéler très avantageuses dans ces comparaisons. Dans ce cas, il peut être utile de créer un loyer fictif afin d'uniformiser les règles du jeu.
Quels types d'analyse des données de la chaîne d'approvisionnement faut-il effectuer et pourquoi ?
Cela dépend bien sûr des besoins. À quel stade en êtes-vous ? Êtes-vous en train de redresser une entreprise ? Gardez-vous simplement un œil sur une entreprise qui fonctionne bien ? Avez-vous procédé à des fusions, etc.
Le premier domaine à examiner est celui des coûts et de l'efficacité. Nous avons tendance à commencer par examiner les coûts et la structure logistiques par article, par client et par fournisseur, ainsi que la structure des commandes. Nous essayons de déterminer les facteurs qui influencent les coûts. En appliquant certaines règles empiriques ou les connaissances détaillées que nous avons acquises grâce à d'autres analyses, nous pouvons identifier les articles qui sont rentables, les clients sur lesquels nous devrions nous concentrer, les fournisseurs avec lesquels nous avons des accords qui rendent le coût au débarquement plus élevé que ce que nous pensions.
Si nous le savons, nous pouvons alors élaborer des stratégies sur la façon dont nous traitons les clients. Il se peut, et c'est souvent le cas, que nous ayons une structure de commande dans laquelle nous avons beaucoup de petites commandes. Les coûts de traitement peuvent être prohibitifs pour chaque commande, de sorte que les petites commandes rendent l'ensemble de l'opération non rentable. Sachant cela, nous pouvons trouver différents moyens d'automatiser le traitement des commandes, de limiter le fret gratuit ou d'appliquer des frais de traitement.
Il y a de nombreuses façons d'utiliser ces connaissances. Si vous regardez les fournisseurs, vous constaterez très souvent qu'ils sont un peu dispersés, qu'ils pointent dans toutes les directions, qu'il y a beaucoup de petits fournisseurs. Il peut être judicieux de faire appel à un fournisseur un peu plus cher, mais dont la logistique est très efficace et très avantageuse pour vous.
Lorsque nous nous intéressons à l'efficacité, nous nous concentrons bien sûr sur les coûts de manutention et les coûts des installations, nous nous intéressons à la préparation des commandes, à la réception, à l'administration. Dans ce cas, nous voulons faire des analyses de tendances ; nous voulons faire des analyses comparatives internes entre différentes entités et différentes installations ; nous voulons voir s'il y a une zone géographique ou un pays qui est plus favorable et plus efficace.
Lorsque nous aurons mis de l'ordre dans tout cela, il sera très intéressant de procéder à une analyse comparative externe. Où sont vos concurrents ? J'ai parlé plus tôt de la base de données Establish-Davis, qui est gratuite et qui vous permet de vous situer par rapport à vos pairs.
Un domaine spécifique est celui des coûts de transport. Il s'agit d'un poste de coût qui, dans la plupart des entreprises, est essentiellement externe, ce qui signifie qu'il s'agit d'argent qui se répercute sur le résultat net. En analysant les expéditions et les besoins en matière de modes de transport, vous pouvez constater que vous pouvez souvent utiliser des modes moins coûteux, vous pouvez trouver des zones de consolidation potentielles, qui, nous le savons, permettent d'économiser beaucoup d'argent et, encore une fois, se répercutent sur le résultat net.
Il est désormais possible d'effectuer des analyses de tendances qui n'étaient pas possibles il y a quelques années, par exemple dans le domaine du transport. Auparavant, il était impossible d'effectuer une analyse détaillée de la facturation du fret par rapport aux accords, mais aujourd'hui, c'est possible.
Nous savons qu'en moyenne, une entreprise est surfacturée de 2 à 4 % lorsque l'on compare l'expédition réelle à l'accord. Le contrôle permanent et le suivi peuvent être externalisés, mais ils sont également facilement disponibles dans les systèmes de gestion du transport des tours de contrôle logistique, ou vous pouvez, dans certains cas, le faire vous-même sans ces outils d'analyse.
À un niveau plus stratégique, nous avons abordé l'analyse des fournisseurs, de la structure des commandes, des clients, des articles, de l'assortiment, mais l'analyse du réseau de distribution est un domaine très lucratif. Il s'agit d'examiner... est-ce que je stocke la bonne quantité de chaque article pour atteindre un certain niveau de service ? Est-ce que je stocke les articles là où c'est le plus avantageux en termes de coûts ? Est-ce que je les stocke là où il est le plus facile et le moins cher de les expédier aux clients ? Tout cela est possible grâce aux données facilement disponibles.
Conclusion
En résumé, les analyses de la chaîne d'approvisionnement qu'il est possible de réaliser aujourd'hui vous offrent, en tant que gestionnaire de la chaîne d'approvisionnement, une excellente occasion de prendre les commandes. Il s'agit d'un domaine très quantifiable, sur lequel on peut mettre des chiffres. Si vous disposez des données, vous pouvez prendre les choses en main, définir ce qui est important, piloter et contrôler l'efficacité, tout en étant un bon client pour les fournisseurs qui vous aident.
Je vous remercie beaucoup de m'avoir reçu et je me réjouis de pouvoir m'entretenir à nouveau avec vous.
Les outils d'analyse de la chaîne d'approvisionnement basés sur les données ne suffisent pas
Les praticiens de l'analyse de la chaîne d'approvisionnement ont beaucoup à apprendre de l'analyse de la clientèle. Les deux domaines reposent sur des principes commerciaux similaires. Ce que nous constatons, c'est que les données et les outils de décision basés sur les données ne suffisent pas. Les plus grandes difficultés de l'analyse de la chaîne d'approvisionnement ou de l'analyse de la clientèle résident dans les pratiques culturelles des organisations.
Les praticiens de l'analyse de la chaîne d'approvisionnement ont beaucoup à apprendre de l'analyse de la clientèle. Les deux domaines reposent sur des principes commerciaux similaires. Ce que nous constatons, c'est que les données et les outils de décision basés sur les données ne suffisent pas. Les plus grandes difficultés de l'analyse de la chaîne d'approvisionnement ou de l'analyse de la clientèle résident dans les pratiques culturelles des organisations.
L'article suivant a été rédigé par Maz Iqbal, qui nous a fait part de son point de vue sur l'analyse des clients.
Sur LinkedIn, Don Peppers partage son point de vue sur la prise de meilleures décisions grâce aux données. Cela m'a fait réfléchir et je souhaite partager avec vous ce qui m'est apparu. Pourquoi écouter mon discours ? J'ai une formation scientifique (BSc Applied Physics). J'ai obtenu un diplôme d'expert-comptable et j'ai été impliqué dans la production de toutes sortes de rapports pour des managers et j'ai vu ce qu'ils en faisaient ou n'en faisaient pas. Plus récemment, j'ai dirigé un cabinet d'exploration de données et d'analyse prédictive. Commençons.
Les données et les outils de prise de décision fondés sur les données ne suffisent pas
Oui, il y a un déluge de données, et ce déluge s'accumule de plus en plus vite. Suffisamment important et rapide pour qu'on lui donne le nom accrocheur de Big Data. Ce que l'on oublie, c'est l'effort qu'il faut fournir pour que ces données soient adaptées à la modélisation. Ce n'est pas une tâche facile et bon marché. Pourtant, il est possible d'y parvenir si l'on y consacre suffisamment de ressources.
Oui, il existe toutes sortes d'outils pour trouver des modèles dans ces données. Et entre les mains des bonnes personnes (ayant une formation statistique et un sens aigu des affaires), ces outils peuvent être utilisés pour transformer les données en informations précieuses (exploitables).
Ce n'est pas aussi simple qu'il n'y paraît. Pourquoi ? Parce qu'il y a une pénurie de personnes ayant une formation et un esprit statistiques : les amateurs ne suffisent pas, il faut des experts pour distinguer l'or de l'or des fous - avec suffisamment de données, on peut trouver à peu près n'importe quel modèle. Il ne suffit pas d'avoir des connaissances statistiques, il faut aussi avoir le sens des affaires. Néanmoins, supposons que nous puissions surmonter cette contrainte.
Le véritable défi pour générer une prise de décision fondée sur les données dans les entreprises réside dans les pratiques culturelles. Nous n'avons pas les pratiques culturelles qui créent l'espace nécessaire pour que la prise de décision fondée sur les données apparaisse et s'épanouisse. Un penseur bien plus intelligent que moi a déjà partagé sa sagesse, je vous invite à l'écouter :
"Dans l'ensemble, les méthodes scientifiques sont au moins aussi importantes que n'importe quelle autre recherche, car c'est de la compréhension de la méthode que dépend l'esprit scientifique ; et si ces méthodes sont perdues, tous les résultats de la science ne pourront empêcher un nouveau triomphe de la superstition et de l'absurdité. Les gens intelligents peuvent apprendre autant qu'ils le souhaitent les résultats de la science, on remarquera toujours dans leur conversation, et surtout dans leurs hypothèses, qu'ils n'ont pas l'esprit scientifique ; ils n'ont pas cette méfiance caractéristique à l'égard des aberrations de la pensée qui, par une longue formation, est profondément enracinée dans l'âme de tout homme de science. Ils se contentent de trouver n'importe quelle hypothèse sur un sujet donné ; ils sont alors tout feu tout flamme et pensent que cela suffit. ........ Si quelque chose reste inexpliqué, ils s'enflamment pour la première idée qui leur vient à l'esprit et qui ressemble à une explication...."
- Nietzsche (Humain, trop humain)
Il me semble que la méthode scientifique ne s'est jamais imposée dans la vie organisationnelle. Mettez de côté l'idéologie rationaliste et examinez attentivement ce qui se passe dans les entreprises, y compris la manière dont les décisions sont prises. Je pense que vous constaterez que la vision pénétrante de Nietzsche sur la condition humaine est aussi vraie aujourd'hui qu'à l'époque où il l'a exprimée. La pratique de la prise de décision dans toutes les organisations avec lesquelles je suis entré en contact n'est pas scientifique : elle ne suit pas la méthode scientifique.
Au contraire, les managers prennent des décisions qui correspondent à leur intuition, à leurs préjugés et à leur intérêt personnel. Il est si rare de rencontrer un manager (et une organisation) qui prend des décisions en utilisant la méthode scientifique que lorsque cela se produit, je suis stoppé dans mon élan. C'est le même genre d'inattendu que de voir une femme traverser le terrain de football en courant lors d'un match de championnat.
Quels sont les défis à relever pour mettre en place des pratiques de prise de décision fondées sur les données dans les organisations ?
Les technologues ont un don. Quel don ? Le don de ne pas comprendre, suffisamment profondément, l'être humain. En l'absence de cette compréhension, ils peuvent se lever et prêcher (avec assurance) les vertus et les avantages de la technologie. Si la vie était aussi simple.
La vérité est attrayante pour ceux d'entre nous qui n'ont pas à faire face aux conséquences de la vérité. La prise de décision fondée sur les données semble excellente pour ceux d'entre nous qui vendent (en gagnant leur vie et en espérant s'enrichir) des outils et des services fondés sur les données.
La difficulté de mettre en place des pratiques de prise de décision fondées sur des données est qu'elle perturbe le statu quo. Lorsque vous perturbez le statu quo, vous vous heurtez aux puissants qui bénéficient de ce statu quo. Souvenez-vous de Socrate :
"La nature même de l'action de Socrate lui confère une influence perturbatrice et subversive. Il enseignait aux gens à tout remettre en question et il dénonçait l'ignorance des individus qui détenaient le pouvoir et l'autorité. Il est devenu très aimé, mais aussi très détesté .... Finalement, les autorités l'ont arrêté pour .... et pour ne pas avoir cru aux dieux de la ville. Il a été jugé et condamné à mourir..."
- Bryan Magee, Professeur
Attention à ne pas réussir à mettre en place une culture de prise de décision basée sur les données !
Avec un engagement et un investissement suffisants, vous pouvez mettre en place une culture de prise de décision fondée sur les données. Comme l'ont fait les gens de Tesco. Et en prenant des décisions grâce à l'exploitation des données relatives à vos clients, à vos magasins et à vos produits, vous pourrez surpasser tous vos concurrents, connaître une croissance fulgurante et réaliser des bénéfices exceptionnels. Encore, encore et encore. Puis vient le jour du bilan, lorsque vous êtes confronté aux défauts d'une prise de décision basée uniquement sur des données.
Tesco ne se porte pas très bien. Cela fait plusieurs années qu'elle n'est pas au mieux de sa forme, et elle a même lancé sa première alerte sur ses bénéfices en 2012. Tescoa annoncé une baisse de 23,5 % de ses bénéfices au premier semestre de cette année. Que fait Tesco pour faire face à cette situation ? Voici ce que dit l'article :
L'année dernière, Tesco a annoncé qu'il consacrerait 1 milliard de livres sterling à l'amélioration de ses magasins au Royaume-Uni, en investissant dans la modernisation des magasins, les gammes de produits, l'augmentation du personnel, ainsi que dans son offre en ligne.
La prise de décision fondée sur les données présente un certain nombre de lacunes. Tout d'abord, le processus décisionnel fondé sur les données part du principe que l'avenir sera la continuation du passé. C'est un peu comme si l'on disait que tous les cygnes que l'on a rencontrés étaient blancs et qu'il fallait donc prévoir des cygnes blancs. Et puis, un jour, le cygne noir apparaît ! La récession et le changement de comportement des consommateurs qui en a résulté ont été le cygne noir pour Tesco.
En outre, je suppose que dans leur adoration au pupitre de la prise de décision basée sur les données, les gens de Tesco ont oublié les dimensions qui comptent mais qui n'ont pas été intégrées dans les données et les modèles prédictifs. Quelles dimensions ? Comme l'expérience des clients dans les magasins Tesco : manque de personnel, personnel mécontent, magasins de plus en plus désuets, qualité des produits...
Il semble que les responsables de Tesco n'aient pas tenu compte des sages paroles de l'une de mes idoles :
Tout ce qui compte ne peut pas être compté, et tout ce qui peut être compté ne compte pas.
- Einstein
Cet article sur "Musings on Big Data, Customer Analytics, and Data Driven Business" a été écrit par Maz Iqbal qui est un expert engagé à aider les cadres, les équipes et les organisations à bien faire en créant une valeur supérieure pour les clients et en enrichissant la vie de toutes les parties prenantes. Son site web est le suivant : http://thecustomerblog.co.uk/