Rola systemów IT w identyfikacji łańcucha wartości

W literaturze istnieje kilka definicji łańcucha dostaw. Powszechnie uznana mówi o sieci organizacji zaangażowanych poprzez powiązania w górę i w dół w różne procesy i działania, które wytwarzają wartość w postaci produktów i usług dla klienta ostatecznego. Ta definicja słusznie uwzględnia niezbędną integrację między wyższymi i niższymi szczeblami w celu zwiększenia dostarczanej wartości. Nieefektywne powiązanie między interesariuszami w dwóch strumieniach łańcucha dostaw przyczynia się do tego, że nie jesteśmy w stanie sprostać zapotrzebowaniu klientów. Pracując z klientami kładziemy nacisk na obniżenie kosztów i zwiększenie dostarczanej wartości uzyskiwanej poprzez poprawę łańcucha dostaw.

W ramach naszych działań tworzymy analizy i inicjatywy prowadzone w łańcuchu wartości, które można postrzegać jako alternatywny rodzaj zarządzania w stosunku do tradycyjnej dystrybucji. Istnieje wiele inicjatyw mających na celu zajęcie nisz rynkowych, zdobycie większego udziału w rynku, uzyskanie lepszego zwrotu, a także ustanowienie konkretnych relacji z grupami klientów. Bliskość geograficzna i ustalenia na poziomie organizacji są powszechnie stosowanymi kryteriami klasyfikacji łańcuchów dostaw. Na podstawie tych kryteriów oceniamy ich trwałość gospodarczą, środowiskową oraz społeczną.

Jak IT może wesprzeć spółkę w procesie identyfikacji łańcucha dostaw i zbierania danych ?

W celu dokonania identyfikacji łańcucha dostaw zazwycz zaj stosujemy analizę dużych zbiorów danych pochodzących z różnorodnych procesów w organizacji. Celem jest uzyskanie informacji o dostawcach, partnerach biznesowych, dystrybutorach, tak aby przyspieszyć chociażby proces zamawiania zapasów lub dokonać poprawnej analizy zapotrzebowania na produkty. Oprócz koordynacji wspomnianych aspektów właściciele oczekują także pewnych wskazówek dotyczących rozwoju swojej działalności i odpowiedzi na pytanie, jak zostać liderem branży, w której funkcjonują. Analiza dużych zbiorów danych może być zdefiniowana jako system, który pozwala na eksplorację danych, analizę statystyczną czy wreszcie analizę predykcyjną. Analiza z wykorzystaniem metod uczenia maszynowego zapewnia poprawę wydajności biznesowej, ponieważ skutecznie poprawia jakość usług świadczonych dla klientów, pozwala trafnie ocenić nowe wprowadzenia produktowe, zwiększać sprzedaż lub wpływać na decyzję o otwarciu się na nowe rynki.

W zarządzaniu łańcuchem wartości potrzebny jest system, który może zapewnić dostawy produktu o gwarantowanej jakości, terminowej dostawie i odpowiedniej ilości zgodnie z rezerwacja. Jeśli istnieją przeszkody w procesie dostawy, takie jak opóźnienia w dostarczaniu produktów, np. leków, wówczas może dojść do obniżenia jakości produktów. Błędy wynikające ze źle oszacowanej ilości zamówień, mogą tworzyć zapasy niewystarczające do właściwej dystrybucji wśród klientów lub odwrotnie, mogą powstawać nadmierne zapasy w magazynie, co prowadzi do utraty jakości produktów i finalnej utylizacji.

Do analizy danych wykorzystujemy metody sztucznej inteligencji, które poprzez pogłębioną analizę danych historycznych, cyklu życia produktów, czynników zewnętrznych, pomagają w ustaleniu wiedzy, a następnie w optymalizacji całego łańcucha dostaw. Przez długi czas zarządzanie łańcuchem dostaw wykorzystywało statystykę do optymalizacji i na tej podstawie proponowane były wnioski i usprawnienia. Firmy, które wykorzystują nowoczesne narzędzia informatyczne w celu analizy zależności we własnym łańcuch dostaw, osiągają wzrosty i notują zwiększenie wydajności. Rozwój dużych zbiorów danych stwarza nowe możliwości, które można wykorzystać do analizy łańcucha dostaw i odpowiednio nim zarządzić.

Czy istnieją różnice w budowie łańcuchów dostaw pomiędzy producentami i jakie ma to konsekwencje?

Jedną z obserwacji, jakie poczyniliśmy jest to, że poszczególni producenci uczestniczą jednocześnie w kilku krótkich i długich łańcuchach, tworząc mieszankę łańcuchów dostaw. Prowadzi to do wniosku, że różne łańcuchy dostaw mogą współistnieć na rynku, zapewniając opcje, które mogą przynieść korzyści producentom, ale także stwarzają możliwość wyboru spośród oferty rynkowej, która spełnia oczekiwania konsumentów oraz społeczne potrzeby. Objęcie całej złożoności łańcucha dostaw byłoby trudnym i interesującym zadaniem, ale w przypadku ocen ilościowych zakres prowadzonych badań zazwyczaj ograniczany jest do procesu dystrybucji rozpoczynającego się na końcu łańcucha dostaw producenta. W związku z różnorodnością łańcuchów dostaw i różnymi inicjatywami, zazwyczaj prowadzimy nasze analizy dla krótkich i długich rodzajów łańcucha dostaw, które reprezentują najbardziej typowe i najczęściej wykorzystywane kanały rynkowe.

Nasze analizy potwierdzają, że udział w krótkich łańcuchach zapewnia stosunkowo wysoką premię cenową, ponieważ pozwala na uchwycenie dużej części marży, która w innym przypadku zostałaby przechwycona przez różnych pośredników. Wniosek ten dotyczy wszystkich krótkich kanałów dystrybucji, kategorii produktów, a także krajów. Biorąc pod uwagę rozwój rynku, uzasadnione wydaje się stwierdzenie, że silna konkurencja zmusza organizacje zarządzające długimi łańcuchami dostaw do poprawy warunków wymiany handlowej dla producentów.

Jeśli chodzi o inne wskaźniki trwałości społecznej, wyniki analiz potwierdzają, że krótkie łańcuchy dostaw generują dodatkowe zatrudnienie, mimo że nasze analizy były ograniczone wyłącznie do dystrybucji. Krótkie łańcuchy dostaw wydają się promować równowagę płci ze względu na większe zatrudnienie kobiet w działaniach logistycznych w przeciwieństwie do długich łańcuchów, w których rola kobiet w dystrybucji jest raczej ograniczona. Biorąc pod uwagę zarówno ekonomiczne, jak i społeczne atrybuty krótkich łańcuchów, oznacza to, że mogą być one szczególnie ważne dla małych i średnich producentów, którzy często mogą mieć trudności z dostępem do długich, konwencjonalnych łańcuchów, które mimo że mogą oferować lepsze ceny, wymagają dostarczenia dużych ilości produktów.

Przechodząc do wymiaru środowiskowego, wyniki naszych analiz wskazują, że krótkie łańcuchy generują większe zewnętrzne efekty środowiskowe, kiedy skupiamy się na śladzie węglowym, który wydaje się być najbardziej kluczowy do rozwiązania problemów środowiskowych zorientowanych na dystrybucję.

Jak narzędzia IT mogą pomóc w zbieraniu danych o cyklu życia produktu?

Wydajność i efektywność mają ogromne znaczenie dla zarządzania łańcuchem dostaw oraz dla stworzenia silnej przewagi konkurencyjnej. Technologie informatyczne są jednym z kluczowych czynników zwiększających efektywność zarządzania łańcuchem dostaw, przy jednoczesnym zmniejszeniu wydatków. Dostępne platformy cloudowe automatycznie przetwarzają, przechowują i analizują dane oraz informacje związane ze stanem operacyjnym łańcucha dostaw. W przeszłości takie dane i informacje musiały być gromadzone i zarządzane ręcznie. Tworzone przez nas systemy informatyczne poprawiają wydajność i efektywność oraz automatyzują wiele operacji biznesowych w zakresie zarządzania łańcuchem dostaw, co z kolei skraca czas, oszczędza energię i pieniądze oraz zmniejsza obciążenie środowiska. W przetwarzaniu dużych zbiorów dane pochodzące z transakcji mogą informować nas szybko o zamawianym produkcie. Mogą być następnie wykorzystane do natychmiastowego zamówienia produktu, którego zapasy są niskie. Połączenie zarządzania łańcuchem dostaw i analityki predykcyjnej umożliwia nam dokonywanie obserwacji, pozwalających zobaczyć najbardziej odpowiednie dane, np. o dostawcy produktu lub najbliższym, najszybszym dostępie do danego produktu.

Stosując koncepcję zarządzania zbiorami danych oraz łańcuchem dostaw, jesteśmy w stanie stworzyć dedykowany model, pozwalający np. dokonywać zamówień produktów, gdy zapasy na stanie są niskie. Znając liczbę produktów kupowanych w największych ilościach, częstotliwość sprzedaży, a także znając dostępność zapasów można wykorzystać tę wiedzę do planowania produkcji lub podjęcia szybkiej decyzji dotyczącej uzupełnienia zapasów w sklepie. Przy zamówieniu produktu można wybrać najszybszego dostawcę o szacowanym czasie dostawy, odległości czy koszcie, co z kolei wpływa na szybkość uzupełnienia odpowiednich zapasów.

Jakie największe problemy pojawiają się przy identyfikacji łańcucha wartości?

Do głównych wyzwań zarządzania łańcuchem dostaw należy zaliczyć: osiągnięcie wydajności w przepływie materiałów, osiągnięcie wydajności w komunikacji oraz złożoność projektu. Biorąc pod uwagę coraz bardziej rygorystyczne przepisy i regulacje dotyczące odpadów oraz program globalnej gospodarki o obiegu zamkniętym, zmniejszenie ilości odpadów oraz poziomu utylizacji produktów w łańcuchach dostaw są mocno wskazane. Ponadto problemy, których konsekwencje przekładają się na wynik ekonomiczny, to przede wszystkim nieodpowiednia struktura zapasu oraz wysoki poziom utylizacji produktów. Te dwa czynniki są odpowiedzialne w największym stopniu za pomniejszenie wyniku ekonomicznego firmy produkcyjnej. Z pomocą przychodzą tutaj po raz kolejny metody analizy danych wykorzystujące sztuczną inteligencję oraz uczenie maszynowe, które prognozują zapotrzebowanie rynku na nasze produkty. Dzisiaj z dużą trafnością jesteśmy w stanie ocenić, która pozycja asortymentowa, w jakiej ilości oraz kiedy powinna zostać wyprodukowana, aby zapewnić jej dostępność naszym klientom

Do głównych wyzwań zarządzania łańcuchem dostaw należy zaliczyć: osiągnięcie wydajności w przepływie materiałów, osiągnięcie wydajności w komunikacji oraz złożoność projektu. Biorąc pod uwagę coraz bardziej rygorystyczne przepisy i regulacje dotyczące odpadów oraz program globalnej gospodarki o obiegu zamkniętym, zmniejszenie ilości odpadów oraz poziomu utylizacji produktów w łańcuchach dostaw jest mocno wskazane. Ponadto problemy, których konsekwencje przekładają się na wynik ekonomiczny, to przede wszystkim nieodpowiednia struktura zapasu oraz wysoki poziom utylizacji produktów.