22 mars 2019

Nos conseils pour mieux utiliser la data de votre Supply Chain

Si vous êtes Responsable Approvisionnement, Planificateur des Ventes ou encore Directeur Supply Chain, vous êtes forcément confronté à un sujet stratégique : l’utilisation des données. De par l’envergure et l’impact d’un tel projet, nous observons beaucoup d’entreprises freinées par une peur légitime du changement.

Par où commencer ? Comment mesurer les performances de votre data ? Parcourons ensemble les étapes pour que la mise en place et l’utilisation des données dans votre Supply Chain soit une réussite !

data-supply-chain

 

Pourquoi utiliser la data de votre Supply Chain ?

Vous êtes bien placé pour savoir que vos clients sont devenus plus volatiles que jamais, et qu’ils cherchent avant tout un service plus rapide et des prix plus bas, exigences auxquelles s’ajoute un choix plus large dans le cas des distributeurs et industriels. Pour pouvoir répondre à ces exigences, et savoir si vous le faites ou non, vous avez à votre portée différentes sources de data (qu’elles soient internes ou externes à votre organisation) qui peuvent vous donner une vision claire de votre activité et vous aider à la piloter avec plus de justesse.

En utilisant au mieux la data de votre Supply Chain, vous serez en mesure de :

Suivre votre activité : C’est le premier niveau d’information que vous procure une donnée de qualité. La finalité est ici de diagnostiquer en continu votre Supply Chain et d’être en mesure de suivre les indicateurs qui sont importants pour vos process S&OP.

Détecter les anomalies : Vous pourrez être alerté des phénomènes qui s’opposent au bon fonctionnement de votre Supply Chain et les résoudre plus rapidement pour en limiter les conséquences.

Mieux prévoir :  Avec un système de données qualitatives, vous pourrez prévoir votre activité future avec plus de justesse et de certitude, et gagnerez en réactivité, en précision, et en performances.

 

Les prérequis pour bien utiliser la data de votre Supply Chain

Avoir une data accessible

La première condition pour une bonne utilisation des données … c’est de disposer de données. Bonne nouvelle, c’est votre cas ! Les différents départements de votre entreprise utilisent déjà leur propre système de data.

La mauvaise nouvelle, c’est qu’elle est donc dispersée un peu partout dans votre organisation et vous allez devoir la réunir. C’est une première étape fastidieuse car à ce stade, rien n’est standardisé. Chaque équipe a sa propre façon de structurer sa donnée, et même parfois, chaque personne au sein d’une même équipe !

Au niveau des nouvelles données que vous n’avez pas encore et que vous allez commencer à collecter, veillez à partir sur de bonnes bases et à ce qu’elles respectent le prérequis que nous détaillons ci-dessous !

 

Prévoir un socle technique solide

Pour supporter toutes ces informations, il est primordial de prévoir un socle technique solide. Côté collecte, il est important que les pratiques et les outils soient homogènes dans toute l’organisation, ou que les différences soient connues et volontaires. D’autre part, l’hébergement doit s’effectuer sur des serveurs et datawarehouses assez puissants et dotés d’une capacité suffisante. Quant à la donnée, elle doit être redondée (stockée et à jour à plusieurs endroits).

Ne pas prévoir de socle technique suffisant, c’est limiter les capacités de son projet dès sa source et multiplier les risques de dysfonctionnements. Avec des capacités de stockage limitées, vous devrez restreindre l’historique de vos données, ou faire une croix sur des informations qui auraient pu s’avérer utiles. Avec des serveurs bon marché, vous vous exposez à des lenteurs ou des crashs réguliers qui occasionneront des pertes d’informations.

En bref, avant de penser à collecter et utiliser la data de votre Supply Chain, pensez à lui fournir un environnement stable et puissant !

 

Pouvoir évaluer la qualité de la data

Vous avez beaucoup de données à votre disposition ? C’est bien ! Vous avez les moyens techniques de supporter ce volume dans de bonnes conditions ? Super ! Mais sont-elles qualitatives ..? C’est ici la condition la plus importante, car il vaut mieux agir en ayant connaissance de peu d’informations vraies, qu’en se basant sur beaucoup d’informations fausses.

 

data-supply-chain-informations-01

 

Plusieurs critères incontournables définissent une data de qualité. Elle doit être cohérente avec la réalité, unique (ne pas avoir une même information définie de plusieurs manières), compréhensible, structurée et documentée. Si vos données ne remplissent pas ces critères, vous pourrez bien sûr les utiliser, mais les résultats ne seront pas au rendez-vous. Imaginez si votre médecin vous prescrivait un traitement en ayant connaissance de mauvais symptômes : vous ne guéririez pas et cela pourrait même avoir des effets secondaires indésirables !

Au-delà d’un prérequis, le contrôle de qualité est un travail à effectuer en continu pour perpétuer la valeur de votre base, qui est agrémentée chaque jour de nouvelles données générées automatiquement ou manuellement.

 

Préparer la sécurité de ses données

Une autre exigence que vous devez avoir, concerne la sécurité de vos données. Vous manipulez des informations confidentielles sur votre entreprise et vos clients, pouvant aller jusqu’à leurs informations de paiement. Il est de votre responsabilité de faire en sorte que ces informations ne soient pas à la portée de n’importe qui.

Si pendant longtemps les entreprises faisaient le choix de conserver leurs données bien au chaud chez elles, la norme réside aujourd’hui dans l’utilisation du Cloud. Aujourd’hui, des acteurs clouds vous permettent de mettre l’ensemble de votre base dans un serveur distant (chez Vekia, nous avons choisi Microsoft Azure). Outre la sécurité que vous apporte un acteur comme Microsoft, ce procédé vous libère des contraintes de maintenance de serveur, de risques d’instabilité, et permet à votre data d’être accessible par vos différentes centrales partout dans le monde. De plus, le cloud offre un service de géo-redondance qui permet de dupliquer ses données dans plusieurs centres du monde pour se préserver des incidents techniques ou naturels.

 

Être prêt pour le changement

Le dernier prérequis ne relève pas de l’opérationnel, mais de votre mindset. Se lancer dans un projet de valorisation de la donnée en pensant qu’il suffit d’avoir un budget à investir serait idyllique. Le métier de vos équipes va évoluer, laissant derrière elles des tâches devenues obsolètes technologiquement (comme remplir des fichiers excel sur des centaines de lignes) pour les remplacer par plus d’automatisation, de supervision, d’analyse et de décisions.
Ces changements ne s’opèrent que si vous y êtes préparés et que vous y avez préparé vos équipes, qui verront leur quotidien changer.

 

Quelle data collecter ?

La data de base de votre Supply Chain

En tant qu’expert Supply Chain, il vous est essentiel de collecter certains indicateurs types de votre Supply Chain. En parallèle, disposer d’un historique de qualité sur ces données est un vrai plus qui pourra notamment accélérer le ROI de votre projet.

Vous devez au minimum disposer de référentiels articles (volumétrie, marque, prix, durée de vie…) et fournisseurs (nom, conditions d’achat, types de remises négociées, cadencier, catalogue, …), des informations de votre réseau logistique (entrepôts, hubs, magasins/agences, …), de vos mouvements (ventes, stocks, commandes, réceptions, inventaires) et de vos clients (contrats, fidélisation, …).

Évidemment, selon votre secteur, d’autres informations s’ajouteront ou remplaceront les précédentes. Si vous gérez des services de terrain, vous devrez par exemple posséder les données de vos camionnettes (emplacement, distance parcourue, frais d’entretien, …). Au-delà des données de base citées ci-dessus, à vous, donc, de trouver quelles données sont spécifiquement pertinentes pour votre entreprise.

 

Les autres données dont vous disposez déjà

Cette étape rejoint le premier prérequis que nous avons évoqué. Pour savoir de quelles données votre organisation dispose d’ores et déjà, vous aurez besoin d’un chef de projet data. Son rôle sera simple : il devra être garant de réunir et rendre accessible aux collaborateurs l’ensemble des données de l’organisation.

Pour cela, il fera un état des lieux des données utilisées et dans quel état elles se trouvent (cf le prérequis de qualité), par le biais d’une cartographie de la data détenue par les différents services par exemple.

 

Les données exogènes pour aller plus loin

En introduction, nous évoquions la possibilité d’exploiter, en plus des données internes à votre organisation, des données externes, ou exogènes. En observant l’environnement dans lequel vous évoluez et en détectant les synergies avec votre activité, vous pourrez mieux prévoir un mouvement de la demande, ou mieux identifier les opportunités qui s’offrent à vous. Par exemple, pour une entreprise de service à la personne, un vieillissement de la population d’une zone définie pourra représenter une opportunité. Le développement d’une épidémie entraînera un bond de la demande urgente, donc des ressources humaines ou matérielles à mobiliser. Dans le cas d’un fabricant textile, on pourra estimer l’impact que la viralité d’une pièce sur les réseaux sociaux entraînera sur la production et l’approvisionnement à prévoir.

Pour collecter ces données, vous pourrez simplement souscrire à des services qui vous procurent les informations souhaitées. En parallèle, les données INSEE sont faciles à intégrer et parfois gratuites. Vous pourrez ainsi implémenter les vacances scolaires, la météo ou les données économiques ou démographiques directement dans vos outils.

data-supply-chain-idea

 

Construire une base de données de qualité

Analyser les problèmes de ma data

Comme nous l’avons vu, il est probable que votre base de données soit ponctuée d’erreurs. Le plus souvent, il s’agit de problèmes qu’on peut classer en 2 catégories :

Data irréaliste : Vous pourrez être confronté à des données qui ne peuvent simplement pas refléter la réalité. Un stock négatif ou des ventes supérieures au stock mobilisé sont des exemples flagrants d’un manque de réalisme de la donnée. Des informations de ce type indiquent très clairement un manque de qualité et deviennent inexploitables.

Data déstructurée : Par ailleurs, vos données peuvent très bien être justes, mais ne pas être liées correctement aux autres données. Par exemple, le système n’a pas connaissance du fournisseur chez lequel commander une pièce. Cela vous empêche d’analyser certaines synergies de votre Supply Chain et fait obstacle à l’automatisation de certaines opérations (ici, on ne pourra pas réapprovisionner automatiquement la pièce car l’outil ne saura pas où la commander).

Un travail de data analyse permettra de repérer des erreurs comme celles-ci.

 

Nettoyer la data

Une fois que vous aurez décelé un problème, vous devrez dans un premier temps en localiser la cause. L’erreur intervient-elle lors du partage de la donnée ? De son traitement ? Ou directement à la collecte ?
Chez Vekia, les data-scientists ont pu observer qu’un problème de data venait souvent d’une étape de manipulation humaine. Dans ce cas, vous pourrez mettre en place des process précis et détaillés qui guideront les intervenants et limiteront les erreurs.

L’objectif du nettoyage de la data est de ressortir avec des données fiables, qui reflètent précisément la réalité, et qui sont détaillées au maximum pour éviter les problèmes de structure. Malheureusement, certaines erreurs restent aujourd’hui difficiles voire impossibles à détecter car elles ne semblent pas irréalistes. On ne peut dont pas être sûrs à 100% qu’une base est totalement saine et nous sommes tous confrontés à une marge d’erreur.

 

Générer des indicateurs de performance

Collaborer avec les experts data

Au-delà d’être en mesure de générer des KPIs, il vous faut surtout pouvoir les interpréter ! C’est pourquoi vous devrez établir une collaboration entre experts data, et experts Supply Chain (vous). L’équipe Data vous procurera des KPIs mais ne sera pas forcément en capacité de les traduire en faits concrets. Votre rôle sera donc de comprendre ce que témoignent ces indicateurs de vos performances Supply Chain.

Se procurer des outils d’analyse KPI

Vous êtes bien placé pour savoir que l’efficacité de votre Supply Chain est définie par beaucoup de facteurs différents. Pour pouvoir suivre les performances de votre organisation, vous aurez besoin d’outils d’analyse qui vous permettront d’explorer vos données et vos indicateurs via une interface spécialement conçue pour cela. La vraie plus-value de votre data réside dans la manière dont vous pouvez la visualiser et interagir avec elle.

Plus l’outil dont vous vous servez sera puissant, plus vous pourrez inspecter vos données en profondeur, prendre des décisions basées sur des faits avérés, et suivre l’impact de vos actions.

data-supply-chain-plus-value-01

 

Diagnostiquer sa Supply Chain

Identifier les relations de causes à effets

Ça y est, le moment est venu … Vous pouvez enfin vous servir de votre data ! Ici, votre casquette d’expert Supply Chain est votre meilleure alliée. Grâce à votre travail de la donnée et à votre outil d’analyse, votre Supply Chain est passée d’un colosse immatériel et effrayant, à un terrain de jeu que vous pouvez parcourir de fond en combles pour en découvrir les secrets.

Vous êtes bien sûr aux premières loges pour observer votre Supply Chain que ce soit au niveau macro ou micro. Mais surtout, vous pouvez maintenant enquêter plus facilement que jamais sur les causalités qui s’exercent dans le système qu’est votre Supply Chain. La non-vente d’un produit est-elle due à un manque de demande ? A une rupture ? A une information erronée dans votre base ou celle de votre fournisseur ? Vous pouvez explorer ces différentes pistes rapidement.

Récemment, nous avons pu rencontrer un cas semblable avec notre client Engie Home Services. En travaillant ensemble sur la data, nous avons pu nous détecter une couverture du stock trop importante sur certaines pièces, ce qui représente une trésorerie mobilisée pour des articles qui ne se vendront probablement pas avant plusieurs semaines. Nous avons alors pu travailler à la réduction de la couverture de stock sur ces références, tout en augmentant leur taux de disponibilité.

Sans l’analyse des données, nous serions passés à côté de cette amélioration pourtant primordiale dans le processus d’optimisation des stocks.

 

Conclusion

Avec cette tribune, nous espérons avoir apporté les réponses aux questions que vous vous posez, et vous permettre d’aborder votre projet plus sereinement.

Avec la multiplication des sources de collecte et la croissance de l’IOT, les données ne vont que gagner en pertinence et en volumétrie dans les prochaines années. Il ne fait aucun doute que les approvisionneurs et autres fonctions de la Supply Chain se verront attribuer des missions jusque-là réservées aux data-scientists.

Parmi les entreprises que nous rencontrons et qui souhaitent intégrer l’intelligence artificielle dans leur Supply Chain Management, beaucoup ne sont malheureusement pas prêtes d’un point de vue données. Nous avons la conviction que c’est un virage à prendre au plus vite pour limiter le retard face à ceux qui l’ont déjà passé.

Utiliser correctement une bonne data est devenu une condition de l’efficacité de votre Supply Chain, vous avez aujourd’hui les cartes en main pour prendre part à ce changement et ne plus le subir.

data-supply-chain-a-retenir-01