Le sens des Data Fabrics et leurs avantages pour les chaînes d'approvisionnement

Les fabricants équilibrent constamment un réseau complexe de fonctions qui englobent l'innovation de produits, l'ingénierie, la planification, la production et la logistique. Ces processus hautement interconnectés s'étendent à l'ensemble de l'organisation et de ses partenaires, créant des lacunes dans les données, la latence des informations et des obstacles qui créent des associations complexes entre les opérations et les composants.

L'année dernière de perturbations a mis de nombreuses chaînes d'approvisionnement mondiales au bord du gouffre. Les mauvaises stratégies de données étaient le coupable, car elles traitaient la chaîne d'approvisionnement comme un système rigide alors qu'en réalité, il s'agit d'un réseau complexe d'acteurs qui doivent être synchronisés pour s'adapter rapidement au changement. Alors que la demande des consommateurs a atteint un niveau record pour d'innombrables produits pendant la pandémie, la latence des données des systèmes sources a retardé les réponses qui ont empêché de nombreux fabricants et fournisseurs de réagir à l'évolution de l'environnement du marché.

Les systèmes traditionnels de gestion des données fonctionnaient bien lorsque les professionnels de la chaîne d'approvisionnement avaient plus de temps pour s'adapter et que le paysage des données d'entreprise était plus uniforme, structuré et simple. Mais le monde est différent maintenant. Les données de la chaîne d'approvisionnement doivent être réutilisables, ce que les approches traditionnelles ne peuvent pas faire étant donné qu'elles nécessitent des extractions de données non répétables pour l'identification des problèmes et pour la résolution des équations. Pire, l'émergence de l'Internet des objets (IoT), l'augmentation du volume de données non structurées, la pertinence croissante des sources de données externes et la tendance vers des environnements multi-cloud hybrides sont des obstacles à la satisfaction de chaque nouvelle demande de données.

L'ancienne stratégie de données centrée sur les systèmes de données relationnelles est fondamentalement brisée, mais comment les fabricants peuvent-ils passer d'une stratégie de données réactive à une stratégie de données réactive ? Pour surmonter les retards d'information, les fabricants adoptent de nouvelles approches technologiques telles que les fabriques de données pour créer un réseau d'approvisionnement numérisé qui représente avec précision les données tout au long de la chaîne d'approvisionnement et les relations qui définissent la façon dont le travail est effectué. Les fabriques de données d'entreprise tissent des données provenant de silos internes et de sources externes et créent un réseau d'informations pour alimenter les applications métier, l'intelligence artificielle et l'analyse.

Prenant en charge toute l'étendue de l'entreprise complexe et connectée d'aujourd'hui, cette représentation numérique comprend tous les processus, produits, personnes, partenaires, politiques et sources de données tierces représentés dans le réseau d'approvisionnement pour fournir une vue claire sur toute la chaîne de valeur. Grâce à cette visibilité, les fabricants peuvent créer des analyses d'impact et des causes profondes, gérer des hiérarchies distribuées et prendre des décisions juste à temps en tirant parti des données en temps réel et en grande quantité.

Les Data Fabrics offrent aux professionnels des données la possibilité de générer une représentation composable et compréhensible par la machine des entités et relations clés, ainsi que de la logique et des règles métier, qui régissent l'entreprise. Contrairement aux anciennes techniques d'intégration de données, les data fabrics sont expressifs, permettant aux fabricants de poser des questions et de décrire les effets, les conséquences et les propriétés réels de certaines actions. Le tissu est extensible et réutilisable dans tous les cas d'utilisation/fonctions, et il est facile à entretenir et à étendre aux partenaires selon les besoins.

Conduire les résultats de la chaîne d'approvisionnement

Pour créer de la valeur commerciale au sein de l'entreprise, les fabricants doivent être en mesure de connecter toutes les données qui comptent. Les Data Fabrics changent le statu quo en fournissant du sens, et pas seulement des données, à l'ensemble de l'entreprise. Cette signification est tissée à partir de nombreuses sources :données et métadonnées, sources internes et externes, et systèmes cloud et sur site. Le sens est capturé dans le modèle de données, avec tout le contexte de chaque ressource de données entièrement présent et disponible, sous une forme compréhensible par la machine. Avec un tissu de données, les personnes et les algorithmes peuvent prendre de meilleures décisions tout en réduisant la probabilité et le risque d'utilisation abusive ou d'interprétation erronée des données. Plus précisément, les data fabrics aident les fabricants :

• Améliorez la détection de la demande. Réduire le délai pour répondre aux demandes émergentes est essentiel pour les fabricants ; Cependant, la détection de la demande est difficile en raison de la latence des données et de l'incapacité à trouver des connexions à travers tout, des médias sociaux aux données de point de vente. Les Data Fabrics éliminent ces lacunes sans avoir à reconnecter les solutions ERP ou de prévision de la demande existantes.

Des informations peuvent être fournies aux responsables de la planification de la demande qui peuvent les exploiter pour améliorer la planification des activités.

• Opérations de connexion. Le niveau élevé de volatilité de la demande a un effet d'entraînement sur les fabricants qui doivent comprendre rapidement les performances opérationnelles, la disponibilité des produits et les tendances qui ont un impact sur le rendement. Malheureusement, plusieurs systèmes d'exploitation MES ou d'atelier ne sont pas en mesure d'identifier et de prendre en charge les compromis de scénario en temps réel concernant la disponibilité de l'approvisionnement.

À l'aide de Data Fabrics, les fabricants peuvent identifier tout changement d'approvisionnement et effectuer les ajustements nécessaires sans assumer des silos de lac de données supplémentaires ou des coûts de support opérationnel/analyste d'approvisionnement.

• Fournir une analyse des causes profondes des réclamations des clients. Les plaintes des clients dues à des défauts de produits peuvent déclencher une multitude d'évaluations de suivi. Quelle était l'origine du défaut ? Quels autres clients ont été impactés ? Cela nécessite-t-il un rappel ? Les data fabrics permettent aux fabricants de retracer une réclamation client concernant un produit défectueux jusqu'aux matières premières, en recoupant facilement les relations entre les produits finis et les matières premières.

En outre, étant donné que ces matières premières sont produites par plusieurs sites de fabrication et peuvent porter des noms différents par différents fournisseurs, les data fabrics permettent une traçabilité à travers le client, la fabrication, l'assistance sur le terrain, le produit et d'autres données d'autres domaines. Cela permet aux fabricants de voir toute l'étendue de la situation afin qu'ils puissent agir de manière appropriée et rentable pour gérer l'analyse des causes profondes des plaintes des clients.

• Créez une chaîne d'approvisionnement numérique. Le jumeau de la chaîne d'approvisionnement numérique nécessite des analyses prédictives, un modèle pour connecter les données sources et, bien sûr, les données sources elles-mêmes (par exemple, ERP, CRM, MES, loT, réseaux clients) pour améliorer la prise de décision, en particulier autour de la planification de la chaîne d'approvisionnement. Un jumeau numérique doit pouvoir représenter des centaines de millions de relations. Un tissu de données, avec les capacités de logique métier complexes des graphes sémantiques et la capacité de représenter des données variées, fournit aux fabricants un contrôle automatisé qui leur permet de gérer des règles métier capables de gérer une logique complexe et une prise de décision situationnelle.

Les fabriques de données continuent d'attirer l'attention pour leur capacité à assembler les systèmes de gestion de données existants, enrichissant ainsi toutes les applications et tous les utilisateurs connectés. Ils sont considérés comme la prochaine étape dans le domaine de la gestion des données :ils prennent en charge l'ensemble de l'entreprise connectée de plus en plus complexe d'aujourd'hui.

Rob Harris est vice-président des solutions chez Stardog, un fournisseur de plate-forme de graphes de connaissances d'entreprise (EKG).