Apprivoiser la bête des opérations de chaîne d'approvisionnement au détail

Les responsables de la chaîne d'approvisionnement de la vente au détail sont soumis à une pression intense pour soutenir les expériences omnicanales transparentes que les consommateurs exigent à l'ère numérique.

Les consommateurs veulent une plus grande variété de produits, une livraison plus rapide, un prix abordable, ainsi qu'un ramassage et un retour sur n'importe quel canal. Répondre à ces attentes dépend de la gestion par les détaillants d'une chaîne d'approvisionnement rentable qui peut réagir rapidement et avec précision. Lorsqu'il s'agit d'offrir une expérience client supérieure, c'est tout aussi important que le marketing frontal personnalisé.

Les temps sont durs pour les dirigeants de la chaîne d'approvisionnement du commerce de détail. Les enjeux sont énormes, car chaque jour semble apporter des nouvelles d'un autre revers ou échec très médiatisé.

La chaîne d'approvisionnement de la vente au détail est une bête complexe difficile à apprivoiser. Une étude récente de Sapio Research a révélé que :

• 94 % des détaillants manquent de visibilité de bout en bout sur les événements qui affectent les performances de la chaîne d'approvisionnement.
• 71 % déclarent qu'un manque de visibilité de la chaîne d'approvisionnement affecte négativement l'entreprise.
• 87 % pensent qu'une chaîne d'approvisionnement entièrement visible avec des mises à jour en temps réel offrirait un avantage concurrentiel.

Ces résultats ne sont malheureusement pas surprenants. Près des deux tiers des détaillants et des fabricants utilisent encore Excel pour la planification de la chaîne d'approvisionnement, selon une étude d'eyefortransport. Et 46 % s'appuient sur des processus de chaîne d'approvisionnement manuels et chronophages.

"Aujourd'hui plus que jamais, une chaîne d'approvisionnement efficace sera le moteur de croissance essentiel pour les détaillants et les fabricants", indique le rapport de Reuters. "Les anciens outils de planification tels que les feuilles de calcul Excel et les solutions de planification traditionnelles à capacité limitée ne sont plus adaptés pour résoudre les défis complexes de la chaîne d'approvisionnement d'aujourd'hui."

Quand un pansement ne suffit pas

Les chaînes d'approvisionnement de la vente au détail innovent pour mieux répondre aux demandes des clients. Un exemple est l'entrepôt pop-up, situé dans des zones à forte demande pour accélérer la livraison du dernier kilomètre. Ces entités peuvent également servir de lieu de ramassage pour les consommateurs ou offrir une sélection de détail limitée. De plus, les détaillants utilisent des modèles d'expédition depuis le magasin, transformant les magasins physiques en centres de distribution ad hoc.

Les deux modèles permettent d'acheminer les marchandises aux consommateurs plus rapidement, mais ils peuvent introduire des coûts supplémentaires qui réduisent les marges. Ce sont des solutions de fortune qui ne s'attaquent pas à la cause première de l'inefficacité de la chaîne d'approvisionnement :applications cloisonnées, volumes de données en croissance rapide et limitations humaines inhérentes.

Les outils de planification basés sur Excel et de prévision de la demande conventionnels qui utilisent les données des systèmes de planification des ressources d'entreprise (ERP), d'entreposage, d'inventaire, d'opérations de vente et de logistique ne peuvent pas suivre. Les volumes de données et la complexité des applications augmentent aussi rapidement que les attentes des consommateurs.

En conséquence, les détaillants ne peuvent pas réagir rapidement aux changements de la demande. Avec des délais fixés des mois à l'avance, ils sont lents à s'adapter si la demande monte en flèche dans un domaine mais chute dans un autre, ou si les ventes du commerce électronique dépassent les prévisions. Souvent, ils auront recours à des stocks excédentaires, risquant des coûts de stockage élevés et des produits invendus si les ventes sont insuffisantes.

Gérer les nombreuses dynamiques de la chaîne d'approvisionnement en temps réel d'aujourd'hui s'avère pratiquement impossible pour les planificateurs humains. Il y a tout simplement trop de données, trop d'applications et trop de variables à prendre en compte. Pendant ce temps, les détaillants à l'ancienne perdent du terrain face aux natifs du numérique comme Amazon qui utilisent des technologies de nouvelle génération telles que l'intelligence artificielle pour aider à optimiser la chaîne d'approvisionnement et l'expérience des consommateurs.

"Le besoin de numériser pour faire face à la vitesse croissante de la chaîne d'approvisionnement de la vente au détail ne fera que croître", indique le rapport de Reuters. "Pour les détaillants avant-gardistes, il est essentiel de commencer à réfléchir à la manière d'utiliser les nouvelles technologies d'analyse non seulement pour analyser et comprendre le passé, mais aussi pour prendre de meilleures décisions pour l'avenir."

Automatisation cognitive basée sur l'IA

L'IA a fait son chemin dans nos vies de consommateurs, nous aidant à sélectionner des produits, à éviter les embouteillages et même à choisir des traitements de santé. Désormais, il fait de même à l'échelle de l'entreprise, en offrant aux entreprises des capacités révolutionnaires pour gérer des chaînes d'approvisionnement plus rapides, plus visibles et moins coûteuses.

L'IA est une technologie fondamentale dans ce qu'on appelle l'automatisation cognitive, qui intègre l'analyse de l'apprentissage automatique (ML) en profondeur dans les opérations de la chaîne d'approvisionnement. Une plate-forme d'automatisation cognitive alimentée par l'IA effectuera des analyses de données des milliers de fois par jour dans toutes les applications pertinentes, en agrégeant ces informations dans une seule couche de données cognitives.

C'est ce qu'on appelle une couche cognitive, car c'est là que les algorithmes d'IA et de ML sont appliqués pour analyser les situations, prédire les résultats et faire des recommandations pour des actions optimales en fonction des objectifs :réaffecter les stocks, réduire les coûts ou accélérer les délais de livraison, par exemple.

Contrairement aux méthodes conventionnelles, ces informations analytiques ne s'appuient pas sur des données datant de plusieurs semaines ou mois ; ils sont basés sur des informations en temps quasi réel. L'automatisation cognitive détecte les tendances et les problèmes au fur et à mesure qu'ils se déroulent pour permettre une intervention rapide. Et comme l'automatisation cognitive est connectée aux systèmes transactionnels, les mesures correctives peuvent s'exécuter automatiquement, sans que les humains aient à se connecter aux systèmes pour modifier les processus.

L'automatisation cognitive apporte déjà des améliorations de plusieurs millions de dollars dans les opérations de la chaîne d'approvisionnement dans les entreprises CPG, pharmaceutiques et de fabrication. Les détaillants qui commencent petit et se développent peuvent récolter de multiples récompenses, notamment :

Meilleures prévisions. L'automatisation cognitive consolide les données de niveau SKU hautement granulaires sur plusieurs applications, canaux et zones géographiques. L'analyse de l'IA des tendances des ventes, de la démographie, des variétés de SKU et d'autres variables améliore la précision en ayant le bon produit au bon endroit au bon moment.

Réallocation agile de l'inventaire. L'automatisation cognitive analyse en permanence les données de stock et de vente en temps réel avec une vitesse et une portée impossibles avec les outils traditionnels. Il fait des recommandations pour réaffecter les stocks à mesure que les conditions changent, ou peut suggérer des promotions pour les produits sous-vendus.

Planification intégrée. En s'appuyant sur un large éventail de données, l'automatisation cognitive aide les détaillants à coordonner la production, l'inventaire, le marketing, le merchandising, les promotions, la logistique et d'autres domaines qui sont généralement cloisonnés. Les commerçants peuvent prendre des décisions basées sur les données tout au long du cycle de vie, plutôt que de se fier à des suppositions éclairées.

Améliorations des transports et de la logistique. L'automatisation cognitive permet aux détaillants d'accélérer l'exécution des commandes et de minimiser les coûts en analysant des variables en temps réel telles que les stocks disponibles, les fluctuations de la demande, la disponibilité des transporteurs, les frais de transport, les délais de livraison, etc. En cas de perturbation, l'IA recommandera des alternatives pour atteindre les objectifs.

Les perturbations dans le paysage du commerce de détail se poursuivront en 2020 et au-delà. Il devient clair que l'innovation technologique est ce qui sépare les détaillants gagnants des retardataires. Les détaillants qui investissent intelligemment dans la technologie pour prendre des décisions basées sur les données et orchestrer des processus seront équipés pour survivre et prospérer dans un secteur en évolution rapide.

Arnaud Morvan est directeur senior de l'engagement client chez Aera Technology.