Dossier > Supply Chain > Comment tirer réellement profit de vos données ? > Entretien Alteryx

‘‘Les talents dans le domaine de la Data Science sont une denrée rare et coûteuse ’’
Raphaël SAVY

R. SAVY, Vice-Président France et Europe du Sud d’Alteryx

Avis d'expert soumis dans le cadre du dossier : « Comment maîtriser la visibilité de sa Supply Chain ? »

Le climat professionnel actuel impose que les décisions en matière de supply chain reflètent les conditions d’approvisionnement et de demande les plus récentes – ce qui n’est pas garanti compte tenu de l’incertitude économique persistante, des perturbations et de l’évolution des comportements des consommateurs due à la récession. La réalité est que nombre de décisions dans les supply chains centrées sur le client souffrent d’un manque d’informations opportunes, de granularité ou de répétabilité pour être plus efficaces.

La prévision de la demande demeure l’un des principaux défis en matière d’approvisionnement. Et pour la plupart des entreprises, le parcours vers l’excellence axée sur les données, visant à automatiser et à rationaliser les pratiques manuelles laborieuses de supply chain et de logistique, ne fait que commencer. Or, beaucoup de processus prévisionnels ne sont tout simplement pas assez détaillés et rapides pour faciliter les décisions critiques de planification et d’exécution. L’objectif ultime étant de s’affranchir d’un paradigme de données aux processus manuels, latents, n’apportant qu’une visibilité de base, une transformation numérique permettra d’évoluer vers une supply chain automatisée, actualisée au quotidien offrant une visibilité des plus granulaires qui soit. La capacité d’accéder en temps réel à des éclairages axés sur les données change la donne quant à la rapidité avec laquelle les responsables supply chain peuvent observer et diagnostiquer les problèmes, voire les anticiper et les modéliser avant même qu’ils ne surviennent.

Jamais les responsables chargés de superviser les processus de supply chain n’ont subi une telle pression. De la nécessité de comprendre les demandes complexes des clients à celle de s’approvisionner en produits finis et en matériaux auprès d’un réseau aux capacités incertaines, chaque défi implique une multitude de sources de données potentiellement inexploitées qui entraîne un manque d’éclairages sur les résultats prévisibles, et des processus de développement analytique chronophages et inefficaces.

Obtenir ce type d’éclairages et de résultats en temps de crise exige de pouvoir exploiter et analyser une grande variété de sources de données. Il peut s’agir de données provenant de capteurs IoT installés sur les machines, d’équipements en production, ou de produits pour façonner les éventuelles améliorations, mises à niveau et opérations de maintenance sur des systèmes internes propriétaires, les sites web de fournisseurs externes ou des systèmes de télémétrie de suivi en temps réel.

En exploitant des sources de données externes (prévisions météo mondiales, infos trafic, jours fériés, mouvements de grève, etc.) et des données internes, les entreprises peuvent mieux comprendre leurs supply chains et les facteurs qui influencent les délais de livraison. Des analyses automatisées de bout en bout de ces données permettront aux équipes de gestion de la supply chain d’observer en temps réel tous les aspects concernant les produits, les clients et les canaux. Ce niveau de visibilité leur fournira également les clés nécessaires pour améliorer la prévision dynamique de la demande face aux éventuelles perturbations et aux augmentations de demande qui s’en suivent en raison de pénuries, puis d’ajuster l’offre en conséquence.

En résumé, une automatisation des analyses accélère les processus et élimine les tâches répétitives. Elle permet de collecter de nouvelles données complexes tout en améliorant les analyses qui facilitent les décisions de supply chain. Elle peut également servir à suggérer des modèles de Machine Learning, voire à explorer les données et à apporter des réponses à des questions n’ayant pas encore été posées. Contrairement aux feuilles de calcul, les plateformes d’automatisation des analyses peuvent gérer une variété de types de données. Leurs capacités incluent également la gestion des données, la gouvernance des données et l’accès aux données, pour assurer la gouvernance et la conformité.

La qualité des données fait partie intégrante de la numérisation de la supply chain et de la livraison en temps réel d’informations décisionnelles orientées data. Cela exige également une transparence des données, de l’agilité, et une technologie facile à utiliser capable de fournir des informations précises en temps réel pour faciliter la mise en place de plans d’urgence.

Des informations obtenues grâce à des données de qualité contribuent à orienter l’ensemble du cycle d’engagement des clients et à maintenir leur parcours sur la bonne voie – de l’automatisation de la production, de la mise en entrepôt et du suivi logistique au partage de points d’avancement avec les clients. Les données ont besoin de contexte, d’éthique et d’intelligence humaine. Le perfectionnement des compétences va donc de pair avec n’importe quel parcours de transformation. Autrement dit, une entreprise qui se transforme pour améliorer ses processus manuels en place et obtenir des résultats pointus basés sur les données doit investir dans ses équipes pour les rendre plus aguerries aux technologies numériques. Les experts dotés des connaissances et des compétences requises pour accéder aux données et les analyser, fourniront l’intelligence collective nécessaire pour en concrétiser les avantages, et préparer, modéliser et partager les résultats d’analyse.

Les talents dans le domaine de la Data Science sont une denrée rare et coûteuse qui devrait le rester encore pendant un certain temps. C’est pourquoi les entreprises agiles se concentrent aujourd’hui sur le perfectionnement des compétences d’experts autres que les data scientists, et leur ont donné les moyens d’utiliser divers outils et techniques en self-service.

La majorité des entreprises voient dans la réingénierie des supply chains un processus chronophage ou gourmand en ressources, ce qui n’est pas forcément le cas. L’un des premiers et principaux défis de tout responsable supply chain qui souhaite entamer ce parcours consiste à identifier les données et les outils dont il dispose déjà. Les supply chains peuvent utiliser de vastes ensembles de données pour obtenir des informations. D’ailleurs, la majorité utilise probablement déjà certaines formes d’analyses… même s’il s’agit de quelque chose d’aussi simple que la fonction VLOOKUP dans une feuille de calcul.

Dans la plupart des entreprises, certains experts impliqués dans les processus de supply chain sont également des "travailleurs de la donnée" qui, de fait, ont besoin de la bonne technologie pour fournir des informations opportunes. Des analyses automatisées accessibles et faciles à utiliser suppriment ces limitations grâce à des méthodes n’exigeant que peu ou pas de code et permettant aux salariés aux compétences variées de traiter n’importe quel élément du cycle d’analyse.

Comme pour la majorité des innovations disruptives, il est important de commencer petit en se concentrant sur les domaines prêts à être améliorés avec l’intention de générer de la valeur au plus tôt : gain d’efficacité dans le travail, introduction d’une nouvelle capacité d’analyse dans une seule partie du processus, etc. Certains aspects de la supply chain, tels que la prévision de la demande, la planification de l’offre et l’approvisionnement, exigent de suivre les améliorations parallèlement aux initiatives de transformation à l’échelle de l’entreprise. Le facteur clé est la qualité, et non la quantité, des données.

Partout en France, les responsables supply chain doivent chaque jour prendre des décisions difficiles pour transformer leur entreprise et survivre dans la nouvelle réalité. Certes, de nombreux outils les aident à explorer les données, mais ils ne leur permettent pas de systématiquement obtenir des éclairages rapides.

Combinant une analyse de données accessible, rapide et fluide à une automatisation intelligente, l’approche "automation-first" d’Alteryx révolutionne la Data Science. L’objectif ? Permettre à n’importe qui de répondre à quasiment toutes les questions en s’appuyant sur les données. Avec Alteryx, tout le monde peut revêtir la casquette de data scientist. Notre plateforme innovante réduit la complexité, ajoute de la structure dans le chaos et démocratise les analyses de données pour aider des millions de personnes à réaliser des percées au quotidien.

Il est important de se rappeler la valeur qu’apportent des décisions de supply chains basées sur des données prises en temps réel par un plus grand nombre de travailleurs. L’intelligence décisionnelle orientée data est une ressource clé permettant de s’adapter aux perturbations de production et d’expédition, de prévoir des éléments comme la demande et les stocks, et bien plus encore. Lorsqu’une entreprise parvient à modéliser avec précision son offre et sa demande, elle peut se consacrer à mettre en place son inventaire aux bons endroits et prévenir les pénuries en analysant les produits les plus volatiles. Ces prévisions plus précises contribuent à raccourcir les délais en augmentant l’efficacité tout au long de la supply chain. Une meilleure planification de la demande permet, quant à elle, de réduire les coûts en améliorant l’efficacité de la production, des achats et des couvertures de stocks.

Avec des experts compétents en matière de données et dotés de systèmes d’analyses avancés, les entreprises bénéficient d’une supply chain plus précise, plus efficace et plus résiliente qui permettra non seulement d’éviter la prochaine perturbation ou d’en minimiser l’impact, mais également de stimuler la croissance et la satisfaction.

Bio Express

Raphaël Savy est Vice-Président France et Europe du Sud d’Alteryx. Avant de rejoindre Alteryx, Raphaël a été directeur général d'eCircle France, qu'il avait intégré en 2005. Il a débuté sa carrière au sein de 9 Télécom où il a occupé pendant 3 ans la fonction de commercial grands comptes. A partir de 2000, il capitalise sur cette expérience et s'oriente dans le secteur de l'Internet en rejoignant tout d'abord Logix en tant qu'ingénieur d'affaires, puis Externall (Groupe Risc) en tant que responsable commercial.

Site Internet d'Alteryx: https://www.alteryx.com/fr