По мере того как такие технологии, как цифровые двойники, машинное обучение (ML) и Интернет вещей (IoT), продолжают развиваться и распространяться, компании во всем мире могут начать делать вещи, которые раньше были невозможны. Эти передовые технологии, работающие совместно с людьми, могут помочь компаниям создать интеллектуальную цепочку поставок, которая прогнозирует и отслеживает влияние почти каждого решения, которое они принимают, позволяя им сбалансировать три ключевых результата, которых сегодня лидеры цепочки поставок должны постоянно и одновременно достигать. . Три ключевых результата: Актуальность Актуальность для клиентов и сотрудников , обеспечивающая будущий рост. Согласно Accenture Technology Vision 2020 , 76 % руководителей согласны с тем, что организациям необходимо кардинально изменить опыт, объединяющий технологии и людей, в большей степени ориентированный на человека. Такой опыт помогает создать более вовлеченных сотрудников и более лояльных клиентов. Устойчивость Операционная устойчивость , которая обеспечивает прибыльность и жизнеспособность в мире после COVID, подверженном кризисам.

Опрос CxO Pulse, проведенный Accenture в июле 2020 года, показал, что три четверти руководителей цепочки поставок хотят переосмыслить свои цепочки поставок (включая процессы и операционные модели), чтобы сделать их более устойчивыми, что неудивительно, учитывая массовые сбои, с которыми они столкнулись в прошлом году. Обязанность Ответственность бизнеса , которая способствует процветанию для всех, не разрушая планету. Устойчивая устойчивая цепочка поставок является главным ценностным предложением для компаний, поскольку потребители все больше осознают, какие продукты они потребляют: откуда они получены, как они производятся и как они изготавливаются. переработанный. Все это отличные идеи, но есть ли компании, которые действительно работают таким образом? Согласно недавнему исследованию Accenture 1 , есть. Небольшая группа лидеров, которую мы определили в ходе нашего исследования, — 13 % — преуспели в одновременном обеспечении актуальности, устойчивости и ответственности. Мы обнаружили, что во всех исследованных отраслях эти компании значительно превосходят другие по общим финансовым показателям, измеряемым стоимостью предприятия и EBITDA (прибыль до вычета процентов, налогов, износа и амортизации).

Эти Лидеры дают нам представление о том, что сотрудничество человека и машины делает возможным для всех компаний. Ключами к одновременному решению задач релевантности, устойчивости и ответственности являются расширенная аналитика и искусственный интеллект. Наше исследование показывает, что лидеры масштабно внедряют эти мощные инструменты и в процессе получают преимущество в использовании значительных возможностей, создаваемых сотрудничеством людей и машин. Например, по крайней мере половина лидеров заявили, что они инвестируют более 5 миллионов долларов США в сетевые продукты со встроенным ИИ, виртуальные помощники с ИИ, расширенную аналитику данных, интеллектуальную автоматизацию, датчики промышленного Интернета вещей и сетевые продукты со встроенным ИИ. Чуть менее половины сказали то же самое об ML/глубоком обучении и аналитике мониторинга настроений. Кроме того, 90% или более как Руководителей, так и Других согласны с тем, что для получения прибыли от этих инвестиций потребуется налаживание и расширение экосистемных партнерских отношений с широким кругом игроков, приобретение и сохранение навыков аналитики и ИИ, а также использование ключевых цифровых платформ. Аналитика и искусственный интеллект: три критически важных варианта использования для получения немедленной и значительной ценности Существует множество вариантов использования аналитики цепочки поставок и искусственного интеллекта, и их число продолжает расти.

Но не все варианты использования одинаковы. Некоторые из них сложнее масштабировать, чем другие, и их влияние на ключевые бизнес-приоритеты может различаться в зависимости от варианта использования. Вот почему компании, которые хотят увеличить свои расходы на эти технологии и их использование, должны сосредоточить свои первоначальные усилия на получении наибольшей отдачи от своих инвестиций. Мы считаем, что три варианта использования, в частности, имеют наибольший смысл в качестве отправной точки, и каждый из них может сыграть важную роль, помогая компаниям максимизировать релевантность, устойчивость и ответственность. 1. Расширенное моделирование сценариев Одним из вариантов использования, который становится все более важным после COVID-19, является моделирование сценариев, часто выполняемое с помощью цифрового двойника. Цифровой двойник — это виртуальная копия цепочки поставок, которая представляет активы, склады, логистические и материальные потоки, а также товарные позиции — по сути, живая онлайн-версия магистральной сети компании, которую можно использовать для имитации работы цепочки поставок, включая все ее сложности.

приводит к потерям стоимости и рискам. Цифровой двойник может быть создан для сквозной цепочки поставок или для конкретных функциональных областей для целенаправленных улучшений. Эти цифровые двойники, основанные на искусственном интеллекте и облаке, могут помочь компаниям повысить устойчивость, выявляя потенциальные уязвимости и оптимизируя ключевые области своей цепочки поставок. Например, цифровой двойник может служить основой для стресс-теста цепочки поставок , подобного тому, который разработали Accenture и MIT. В тесте используется моделирование сценариев цифровых двойников для оценки потенциальных операционных и финансовых рисков и последствий, вызванных крупными рыночными сбоями, стихийными бедствиями или другими катастрофическими событиями. Тест может позволить компаниям не только понять, насколько устойчивы их цепочки поставок и операции, но и определить самые слабые звенья и количественно оценить влияние отказов этих звеньев на выполнение их роли. Этот анализ, в свою очередь, может помочь компаниям разработать меры по смягчению последствий для повышения устойчивости, а также может быть использован для перераспределения ресурсов из областей с низким уровнем риска для экономии денежных средств в трудные времена.

Цифровое двойное моделирование позволяет компаниям проектировать сеть, которая оптимизирует затраты и уровень обслуживания клиентов, одновременно анализируя ее углеродный след. Это гарантирует, что компании могут достичь целей устойчивого развития, предоставляя своим клиентам лучший сервис. Например, компания может разработать сеть, которая сокращает время доставки за счет минимизации расстояний, которые должны проезжать грузовики, и, таким образом, снижения расхода топлива и выбросов. 2. Единое планирование спроса Глубокое понимание источника спроса — отдельных клиентов — для наиболее точного удовлетворения никогда не было таким сложным, поскольку ожидания клиентов быстро меняются и становятся все более разнообразными. И, как мы видели в первые дни COVID-19, получить хорошую обработку по запросу во время сбоев практически невозможно без правильной информации. Хорошей новостью является то, что теперь доступны данные и инструменты на базе ИИ, необходимые компании для получения информации о спросе.

Вот что такое единый спрос: интеграция всех доступных внутренних и внешних (и часто в режиме реального времени) данных по каждому процессу и каждой функции внутри организации, чтобы полностью изменить подход к прогнозированию и планированию спроса. Благодаря этому новому подходу организации в конечном итоге создают единое представление о спросе и воспроизводимый процесс планирования, который повышает точность и дает новые идеи для принятия более значимых решений в рамках всего бизнеса. Например, Accenture использует внутренние данные (например, из цепочки поставок и торговли), внешние данные (например, данные о потреблении, мобильность, макроэкономические факторы, отношение к бренду, погоду и случаи COVID-19) и передовые алгоритмы для прогнозирования потребления на уровне клиента. и отгрузка на уровне местоположения. В результате компании имеют больше возможностей для удовлетворения спроса, избегая неожиданных сбоев или изменений условий и даже исключая ненужные поставки и, следовательно, потребление топлива и выбросы. Единый спрос подчеркивает прописную истину из истории человечества: лучшая информация ведет к лучшим решениям — как для клиентов, так и для бизнеса. Сегодня два совпадающих фактора позволяют компаниям получать эту «более качественную информацию», когда дело доходит до прогнозирования того, что клиенты хотят купить.

Взрыв релевантных данных обеспечивает гораздо более глубокое понимание. Исторически, когда компании пытались понять спрос, им приходилось полагаться в первую очередь на свои собственные данные о продажах: что они продали за какой период времени. Это было полезно, но неполно. Ориентированные на потребителя компании смогли улучшить свое понимание своего конечного потребителя благодаря более широкому доступу к данным о точках продаж от розничных продавцов и появлению синдицированных рыночных данных, но они все еще не дотягивают. Но теперь, благодаря повсеместному использованию решений на основе ИИ, помогающих организациям собирать и использовать эту информацию, для компаний открылся целый новый мир данных, которые могут помочь им по-настоящему понять, что влияет на спрос на все более детальном уровне, и удовлетворить эти требования. спрос более эффективно, возможно, прогнозируя спрос еще до того, как клиенты узнают, чего они хотят. Например, алгоритмы машинного обучения изучают модели спроса и предсказывают, какие категории продуктов потребуются потребителю в конкретном магазине на основе релевантных данных, тем самым повышая удовлетворенность и лояльность клиентов.

Облако предоставляет механизм сбора и анализа данных Все эти данные, которые сейчас доступны, все равно не были бы очень полезными, если бы их нельзя было собрать и использовать. Вот тут и приходит на помощь облако. Облако предоставляет компаниям платформу для ликвидности информации. Это позволяет компании получать доступ и консолидировать широкий спектр релевантных источников данных — как внешних, так и внутренних — триангулировать данные, которые ей нужны, и сделать данные совместимыми между бизнес-функциями. Вместо того, чтобы отдельные функции (такие как продажи, маркетинг, финансы или цепочка поставок) создавать отдельные прогнозы на основе своих конкретных хранилищ данных, каждый может применять аналитику и ИИ к данным для получения нелинейного понимания того, что действительно влияет на спрос и как изменения в некоторые элементы — например, погода, экономическая активность и действия правительства — повлияют на него. Вооруженные прогнозами на основе данных, руководители цепочки поставок могут более разумно и активно решать, как им реагировать на спрос и удовлетворять его, включая определение наиболее подходящих действий в производстве, ценообразовании, рекламных акциях и выполнении заказов. 3.

Мониторинг и разрешение рисков поставщиков Глубокое понимание спроса — это только полдела. Получение аналогичного представления о полной базе поставщиков также имеет решающее значение, поскольку компания может понять, как работают ее поставщики, и увидеть потенциальные риски по всей базе поставщиков. Мы увидели важность большей прозрачности базы поставщиков в первые дни пандемии, которая вызвала массовые перебои с поставками практически во всех отраслях по всему миру. Большинство компаний не могли видеть ничего, кроме нескольких крупных поставщиков — они фактически летали вслепую — поэтому они не могли знать, какие поставщики были закрыты или какие заказы находились в очереди. Это было особенно сложно из-за глобального характера и сложности большинства баз поставщиков. Но компании не нужен сбой размером с пандемию, чтобы вывести из строя нормально работающую цепочку поставок, если у компании нет доступа к жизненно важной информации. Даже относительно незначительная проблема — например, задержка одной поставки сырья от одного вышестоящего поставщика — может усугубиться по всей цепочке поставок, вызывая потенциально огромные осложнения дальше по цепочке от поставщика к поставщику — и, в конечном счете, к конечному потребителю.

подвергается воздействию. Этот так называемый «эффект кнута» известен уже несколько десятилетий, но теперь доступны данные и технологии, чтобы наконец что-то с этим сделать. Аналитика, искусственный интеллект и облачные технологии играют здесь важную роль, позволяя компаниям постоянно отслеживать и реагировать на сбои в многоступенчатой ​​цепочке поставок. Как мы уже говорили о спросе, более точная информация о том, что происходит по всей цепочке поставок, позволяет принимать более взвешенные и обоснованные решения. Впервые компании могут фактически собирать данные из многоуровневых цепочек поставок, консолидировать их в облаке и применять к ним надежные модели искусственного интеллекта, чтобы предоставить компаниям представление о состоянии своих поставщиков в режиме реального времени. С помощью этих данных компании могут заблаговременно определить, где определенные поставщики представляют риск — например, шаткое финансовое положение поставщика, которое может привести к его банкротству, или неспособность поставщика получить жизненно важное сырье — и предсказать итоговое влияние на всю цепочку поставок. Затем моделирование сценариев может помочь компании определить наилучшие альтернативы, чтобы организация была готова, если сбой действительно произойдет.

И они могут продвигать свою программу ответственности, гарантируя, например, что углеродные следы поставщиков соответствуют согласованным уровням и что поставщики закупают и производят материалы устойчивым и ответственным образом. Доступ к данным о поставщиках в режиме реального времени может позволить компаниям привлекать поставщиков к ответственности за то, где и как они закупают материалы, позволяя брендам отсеивать поставщиков, которые не соблюдают этические или экологические стандарты. Наметить путь к более актуальному, устойчивому и ответственному будущему За последние пять лет аналитика и искусственный интеллект приобретают все большее значение для бизнеса многих компаний. Эти мощные инструменты позволяют компаниям автоматизировать задачи, которые раньше им не удавались, и в то же время предоставляют гораздо более глубокую информацию, которую компании могут использовать для принятия более быстрых и эффективных решений для повышения эффективности бизнеса. А «эффективность бизнеса» сегодня требует одновременного достижения таких традиционно конкурирующих ключевых показателей эффективности, как удовлетворенность клиентов, доход, эффективность, контроль затрат и выбросы углерода. Но до сих пор компании только поверхностно изучали возможности аналитики и искусственного интеллекта. Исследование Accenture 1 указывает на растущее число свидетельств того, что некоторые компании теперь начинают использовать эти инструменты, чтобы помочь им сделать то, что раньше было невозможно: стать более актуальными, устойчивыми и ответственными — одновременно.

Эти компании демонстрируют, что старые компромиссы, на которые они привыкли идти при рассмотрении этих трех результатов, исчезают, поскольку сотрудничество между людьми и машинами становится все более распространенным. И, как показывает наше исследование, достижение правильного баланса между этими результатами является выигрышной формулой для более быстрого роста и большей ценности предприятия. Другие компании должны активизировать свою игру, чтобы не остаться позади. Сосредоточение внимания на нескольких ключевых вариантах использования, таких как моделирование сценариев, унифицированное планирование спроса и управление рисками поставщиков, — это хороший способ для компаний начать внедрять аналитику цепочки поставок и искусственный интеллект в свои операции, чтобы информировать каждого человека и каждое решение в рамках бизнеса. Это очень управляемые первые шаги, которые могут поставить компании на путь более интеллектуальных операций, которые могут помочь им эффективно конкурировать с организациями, которые в настоящее время устанавливают планку. .