Het gebruik van data in Supply Chain Management (SCM) biedt grote kansen voor iedere organisatie. Het is geen toeval dat bedrijven die beschouwd worden als bedrijven met excellente Supply Chains hun beslissingen op het gebied van SCM volledig onderbouwen met behulp van data. Vooruitstrevende bedrijven als Unilever, Heineken en Amazon hebben inmiddels al jaren een volledig datagedreven bedrijfsvoering. In dit artikel zal ik eerst beschrijven wat SCM is en vervolgens een aantal voorbeelden geven op welke manieren data science kan worden gebruikt om de verschillende bedrijfsprocessen binnen SCM te verbeteren.
Wat is Supply Chain Management?
Met de ‘supply chain’ wordt het gehele netwerk bedoeld van leveranciers, producenten en verkopers betrokken bij het afleveren van een product of dienst bij de eindgebruiker. Supply Chain Management (SCM) is het vakgebied dat gericht is op het beheersen en optimaliseren van alle goederen- informatie- en geldstromen binnen en tussen deze opeenvolgende schakels (bedrijven) in de supply chain, van leveranciers tot aan de klanten (Chopra & Meindl, 2016). SCM focust zich op het integreren en coördineren van de verschillende bedrijfsprocessen in de supply chain. Op deze manier worden de kosten zo laag mogelijk gehouden en maximale waarde gecreëerd voor de klant. De activiteiten binnen supply chain management zijn onder andere het plannen, inkopen, produceren, opslaan en distribueren van een product of dienst richting de eindgebruiker.
Steeds meer data
Waar bedrijven in het verleden vooral beschikten over hun eigen interne data, worden andere vormen van data ook steeds meer beschikbaar. Onder andere door de opkomst van het Internet-of-Things (IoT) komt data meer en meer ook vanuit andere organisaties in de logistieke keten en daarnaast uit externe, vaak publieke bronnen. Denk hierbij bijvoorbeeld aan de data afkomstig van de boordcomputer van een vrachtwagen van de leverancier, of data uit externe bronnen over het verwachte weerpatroon of data van een temperatuursensor in een container waar fruit in wordt getransporteerd. Allemaal voorbeelden van data waar je waardevolle informatie uit kan halen.
Maar, door de toename van de omvang van de beschikbare data en het gebrek aan structuur is er in eerste instantie nog weinig concrete informatie uit deze data te halen. Data dient op de juiste manier opgeslagen, verwerkt en geanalyseerd te worden om zo de juiste verbanden te kunnen leggen, trends en patronen te kunnen laten zien. En dit is waar data science ten tonele verschijnt. Data science is het vakgebied dat op deze manier probeert nieuwe, waardevolle inzichten te genereren die leiden tot betere beslissingen en uiteindelijk betere resultaten binnen SCM.
In de praktijk
Bij de verschillende data science toepassingen binnen SCM zijn ook duidelijke stadia van volwassenheid en complexiteit van de (steeds meer) datagedreven organisatie te onderscheiden. De belangrijkste drie stadia in deze context zijn de beschrijvende- voorspellende- en voorschrijvende analyses. Voor een uitgebreidere beschrijving van deze stadia kan je hier meer lezen.
- Vraagvoorspelling (planning)
Een supply chain wordt afgestemd op de hoeveelheid vraag naar een bepaald product door de eindgebruiker. Het is daarom van belang dat de voorspelling van deze vraag zo accuraat als mogelijk is. Door het toepassen van Machine Learning technieken bij deze voorspelling kunnen bedrijven meer informatie uit verschillende bronnen betrekken en kunnen de modellen daarnaast leren van eerder gemaakte fouten. Voor meer informatie wat Machine Learning is kan je hier meer lezen. Een betere vraagvoorspelling resulteert vervolgens in een optimale balans tussen de voorraad in de gehele supply chain en de geleverde service aan de klant.
- Magazijnbeheer
Onder magazijnbeheer vallen processen als orderpicking en het laden van het transport. De complexiteit van deze processen schuilt vaak in de overdracht van het werk tussen verschillende onderdelen van het magazijn. Het optimaliseren van de magazijnwerkzaamheden verbetert deze overdracht en biedt zo de kans om doorlooptijden te verkorten en de ruimtes in het magazijn optimaal te benutten. Met het gebruik van data kan men de huidige werkprocessen analyseren (beschrijvend) en inzicht verkrijgen in de knelpunten. Vervolgens geven meer geavanceerde simulatie- en optimalisatie technieken een inzicht wat de beste manier is om deze processen opnieuw vorm te geven (voorschrijvend).
- Inkoop
Binnen de inkoopprocessen van een organisatie kan het gebruik van data een steeds grotere rol spelen, met name omdat de complexiteit van supply chains steeds verder toeneemt. Het gebruik van big-data analyse en machine learning technieken biedt kansen om een duidelijke hiërarchie aan te brengen en kosten rapportages of risico-analyses toe te passen in de meest complexe inkooporganisaties.
- Transport
Met behulp van data creëert men zogenaamd ‘end-to-end’ inzicht in de supply chain en kan van iedere order worden gezien waar deze zich bevindt. Dit levert voor de klant inzicht in zijn levertijd, maar biedt ook kansen voor de verschillende organisaties in de supply chain om te zien waar mogelijke knelpunten in transport zitten. Naast deze nieuwe inzichten, kan men met behulp van simulaties het laad- en routeplan optimaliseren. Verder zal het delen van data tussen organisaties binnen de keten nog meer kansen bieden in het verder verbeteren van de efficiëntie van het transport.
Conclusie
Bovenstaande voorbeelden zijn slechts een selectie van de mogelijke toepassingen van data science in SCM. Bij optimalisatie van supply chain processen lag in het verleden de focus vooral op de ontwerpfase van processen en het opzetten van de supply chain. Inmiddels biedt data science kansen om beter inzicht te krijgen in real-time inzicht in knelpunten en ondersteuning van supply chain beslissingen. Niet alleen op basis van de data binnen de eigen organisatie, maar die van de gehele supply chain en daar buiten. Data Science is geen garantie voor succes, maar verschaft bedrijven wel de juiste instrumenten om betere beslissingen te nemen, efficiënter te werken en op termijn betere resultaten te boeken.