Fabrication industrielle
Internet des objets industriel | Matériaux industriels | Entretien et réparation d'équipement | Programmation industrielle |
home  MfgRobots >> Fabrication industrielle >  >> Manufacturing Technology >> Technologie industrielle

Comment rendre les données de la chaîne d'approvisionnement fiables

La plupart des équipes d'approvisionnement se trouvent actuellement dans une sorte de parcours numérique. Habituellement, cela signifie investir dans la technologie, automatiser autant de processus que possible et permettre aux acheteurs distribués d'obtenir de manière indépendante ce dont ils ont besoin avec un minimum de tracas. Bien que ces étapes soient toutes importantes, elles négligent une question cruciale :qui gère la chaîne d'approvisionnement des données ?

Non, ce n'est pas une faute de frappe. Dans ce cas, je ne parle pas des données de la chaîne d'approvisionnement - je veux dire de la chaîne d'approvisionnement des données. Il s'agit des informations sur les fournisseurs (actuels, qualifiés et potentiels) auprès desquels une organisation peut acheter des produits et des services. Certaines de ces données proviennent directement des fournisseurs eux-mêmes, d'autres d'acheteurs internes et de professionnels des achats, et d'autres sont générées par les systèmes que nous utilisons pour effectuer et suivre les achats.

Comme tout autre intrant ou ressource d'entreprise, les données doivent être «traitées» au fur et à mesure qu'elles passent de leur état brut d'origine à une forme que les gens peuvent réellement utiliser pour faire leur travail. Cela signifie que les chaînes d'approvisionnement de données et les « produits » qu'elles fournissent doivent être dignes de confiance si elles veulent fournir ce dont l'entreprise a besoin. Toute la valeur associée à une chaîne d'approvisionnement de données réside dans la qualité de ces données. Des données de haute qualité ont une valeur stratégique pour l'entreprise, tandis que des données de mauvaise qualité peuvent ralentir les choses, renvoyer les gens dans la mauvaise direction ou arrêter complètement les progrès. Personne ne fera référence à des données auxquelles il ne fait pas confiance.

Selon l'étude 2018 sur la qualité et la gouvernance des données menée par la Supply Chain Resource Cooperative de la North Carolina State University, « seulement 15 % des personnes interrogées pensent que leurs systèmes existants sont capables de produire des données propres et fiables. » En plus de cela, "75 % des entreprises déclarent que la mauvaise qualité des données a rendu difficile la réalisation de leurs plans de transformation numérique."

Il ne fait aucun doute que des données de mauvaise qualité sont un obstacle à la numérisation et à d'autres objectifs commerciaux critiques directement liés à l'avantage concurrentiel. Le défi auquel sont confrontées les organisations d'approvisionnement aujourd'hui est de savoir comment instaurer ou restaurer cette confiance, d'abord en résolvant le problème de qualité des données, puis en s'assurant que les décideurs savent qu'ils peuvent enfin faire confiance aux données de leurs fournisseurs.

Ce qui est étonnant avec les problèmes de qualité des données rencontrés par les achats aujourd'hui, c'est qu'ils sont systémiques. La plupart des données que nous collectons sont standardisées, en particulier dans le domaine de la gestion des informations sur les fournisseurs. Si nous pouvons corriger le processus de collecte de nouvelles données et nettoyer ou enrichir les données que nous avons déjà, le facteur de confiance de ces données montera en flèche.

La plupart des gens pensent qu'en se tournant vers le cloud, ils auront instantanément accès à des données fournisseurs de qualité. Malheureusement, ce n'est pas le cas. C'est pourquoi nous voyons émerger une autre vague de technologie cloud. Il permet un cloud de données fournisseur avec des informations qui ont déjà été nettoyées, enrichies et validées et accessibles par de nombreuses entreprises, devenant encore plus fiables chaque fois qu'elles sont exploitées par une nouvelle entreprise. C'est la seule direction que l'industrie peut prendre.

L'intégration des données et des systèmes est généralement une priorité en raison de leur capacité à garantir la commodité et la conformité des utilisateurs, mais elles améliorent également la visibilité. Savoir où aller pour les données des fournisseurs et avoir un niveau élevé de confiance dans ces données améliore la compréhension globale des achats, des parties prenantes et de l'équipe de direction des dépenses et des fournisseurs. Nous ne devons jamais sous-estimer la valeur de pouvoir obtenir rapidement et facilement une réponse claire à une question commerciale. Non seulement cela garantit que l'opération continue de progresser, mais cela augmente également le niveau de confiance associé aux décisions des fournisseurs basées sur les données.

Une fois que les données sont au même endroit et entièrement intégrées à tous les processus et systèmes qui doivent en tirer parti, l'opportunité ne fait que commencer. L'approvisionnement peut alors commencer à ajouter de la valeur ajoutée à la chaîne d'approvisionnement des données et aux données de la chaîne d'approvisionnement. Des informations telles que des balises spécifiques pour décrire les capacités des fournisseurs, les adresses physiques et les contacts e-mail, et l'état de la diversité peuvent mieux éclairer les décisions d'achat et élargir la gamme de ce qui peut être réalisé.

Les données de la chaîne d'approvisionnement doivent absolument être fiables pour que l'entreprise soit compétitive. Avant que cela ne soit possible, cependant, quelqu'un doit gérer la chaîne d'approvisionnement des données elle-même, en s'appuyant sur des ressources éprouvées, en améliorant la collecte de données et en nettoyant les données déjà collectées.

Stéphany Lapierre est fondatrice et PDG de Tealbook, une plateforme d'approvisionnement.


Technologie industrielle

  1. Comment tirer le meilleur parti de vos données
  2. Comment fabriquer de la fibre de verre
  3. Services cloud IoT :comment ils se comparent au bricolage
  4. Comment obtenir une meilleure image de l'IoT ?
  5. Comment donner du sens au Big Data :RTU et applications de contrôle de processus
  6. Comment accélérons-nous la numérisation de la chaîne d'approvisionnement ?
  7. Comment se protéger contre les tremblements de terre de la chaîne d'approvisionnement
  8. Le sens des Data Fabrics et leurs avantages pour les chaînes d'approvisionnement
  9. Comment faire un prototype