Dossier > Supply Chain > Comment tirer réellement profit de vos données ? > Entretien o9 solutions

‘‘L'agilité et la proactivité passent par la collecte des données en temps réel ’’
Margaux HERBET-SAADA

M. HERBET-SAADA, Product Marketing Manager chez o9 Solutions

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

Les enjeux autour de l’exploitation des données en Supply Chain sont multiples et impactent différentes dimensions :

• Enjeux financiers : la collecte et l’analyse des données supply chain permettent non seulement l’optimisation des processus, augmentant la productivité des entreprises, mais également l'amélioration des prises de décision et de gestion des risques, sans oublier la réduction du gaspillage (produit, horaire ou énergétique).
• Enjeux humains : deux principaux aspects liés aux ressources humaines sont améliorés grâce à l’exploitation des données en Supply Chain. Le premier est l'efficacité. En automatisant la visualisation et l’analyse des données et en indiquant les potentiels risques (goulots d’étranglement, rupture de stock), les collaborateurs peuvent concentrer leur temps sur la résolution des problèmes ou l'amélioration continue de façon proactive. Le second aspect est la collaboration. En effet, en mettant à disposition une source unique de vérité, un consensus entre les équipes des différents départements / services est plus rapidement trouve.
• Enjeux écologiques : l’utilisation des données permet d’améliorer la précision des prévisions de vente, limitant ainsi la surproduction et le gaspillage produit, mais également l’utilisation inutile d'énergie liées a la production ou au transport des inventaires excédentaires. Cela permet également d’optimiser les circuits de distribution, limitant l’impact écologique, mais aussi d'anticiper les risques (rupture de stocks, etc.) qui nécessiteraient l'utilisation de moyens de transports express (avion) couteux financièrement et écologiquement.

Un dernier aspect à envisager est la capacite d’adaptation et de réaction d’une entreprise face aux changements. Dans un monde post-pandémie, être agile et proactifs sont les clés pour continuer à exercer et cela passe par la collecte des données en temps réel.

L’exploitation des données en Supply Chain a pour principaux objectifs une amélioration du résultat financier mais aussi de l’impact écologique d’une entreprise.

1. Définir les objectifs. Pour déterminer les données qui seront pertinentes à analyser, la première étape est de définir des objectifs. > Exemple: pour améliorer les prévisions de vente, il faudra prendre en compte notamment les prévisions et résultats des ventes passées.
2. Collecter les types de données et leurs sources. Établir la liste des systèmes existants et des données disponibles, schématiser les processus, s’entretenir avec les experts et parties prenantes ayant un impact sur l’objectif, rechercher les standards de l’industrie.
3. Faire des hypothèses et les valider ou les réfuter. En utilisant des algorithmes (Machine-Learning, etc.), comprendre quels sont les facteurs ayant un réel impact sur le résultat.

Par exemple, un des clients d’o9 avait identifié un problème de capacité. Pour cette entreprise de grande distribution, la demande des magasins aux centres de distribution était toujours supérieure à la capacité d’exécution des centres. Les données disponibles allaient de la capacite des camions, au nombre de portes dans les espaces de stockage, aux ressources de personnel. Une fois les contraintes mappées dans la plateforme, il n’a fallu que quelques itérations pour comprendre que les ressources humaines étaient 100% du temps la contrainte. La taille des camions n’étant pas pertinente, celle-ci a donc été abandonnée.

Les plateformes actuelles peuvent ingérer des données ayant tout type de source. Qu’elles viennent d’Excel, d’internet (Waze/Google Maps) ou de systèmes informatiques déjà en place, presque tous les types de données peuvent être automatiquement interfacés.

En revanche, un point important qui est souvent oublié est l’automatisation de la création des données qui permettra de faciliter la collecte. Par exemple, éviter de demander à un transporteur de saisir manuellement son heure de départ et d'arrivée dans un tableau Excel a chaque déplacement et investir dans un capteur qui suivra le déplacement en temps réel facilitera la collection de la donnée, en temps réel qui plus est.

Dans un monde idéal, les données seraient en effet exhaustives et fiables. Malheureusement, la réalité est bien différente ; d’autant plus que les données historiques les plus proches sont celles de la période COVID, perturbation massive. S’il est impossible d’avoir des bases de données 100% exhaustive et fiables, il n’est pas nécessaire d’attendre pour investir dans des outils d’exploitation des données. En effet, si les données ne sont jamais utilisées, personne ne prendra le temps de vérifier qu’elles sont exhaustives et fiables.

Deuxièmement, la plupart des plateformes actuelles proposent des solutions qui utilisent des techniques d’intelligence artificielle afin d’analyser, de catégoriser, de corriger et nettoyer les données afin d’éliminer les potentielles erreurs.

Enfin, comme précédemment, il est important de comprendre comment les données sont créées. Par exemple, connaitre le niveau de stock en temps réel dans un magasin est essentiel, mais si les employés n’ont pas le temps de saisir les livraisons dans le système car trop occupes à mettre les produits sur les rayons, il est important de revoir le process de fabrication de la donnée.

La première contrainte à lever est le sentiment de ne pas être prêt. Que ce soit d’une façon manuelle ou a petite échelle, toutes les entreprises exploitent leurs données, d’une façon ou d’une autre. La problématique actuelle est de le réaliser à grande échelle. Avec l’industrialisation du process vient la crainte liée a l’ampleur de la tâche. Une des contraintes desquelles s’affranchir est l'idée qu’il faut tout transformer d’un coup pour avoir de réels résultats mais également que tout sera parfait dès le lancement. En gérant mieux les attentes (“expectations”) et en commençant par une partie spécifique du business, il est plus facile de déployer un outil.

L’intelligence artificielle (machine Learning, deep learning, etc.) permet d’industrialiser, d’améliorer et d’intensifier l’exploitation des données. De par le volume de données analysées, les techniques d’IA permettent d’établir des corrélations entre des événements, d’améliorer la précision des calculs. En réinjectant les informations, l’IA permet aussi d’optimiser voire d’automatiser des prises de décisions afin de libérer du temps a l’humain pour gérer l’exception.

o9 solutions propose une plateforme cloud de planification et d’aide à la décision, appelée le Digital Brain (à traduire “cerveau digital”, car capable de prendre des décisions à partir de données transformées en information et en connaissance).

En ingérant des données de sources multiples et en utilisant des techniques d’IA (algorithmes Machine Learning, etc.), o9 permet à ses utilisateurs de planifier tous les aspects de la supply chain dans une plateforme unique, favorisant ainsi la collaboration entre les départements.

Grâce à des outils comme le Digital Twin (jumeau numérique), une représentation virtuelle de toutes les entités et ressources de la chaine d’approvisionnement en temps réel, o9 permet de réaliser des simulations de plan commerciaux mais aussi d’anticiper des risques ou perturbations.

Au-delà des performances techniques que propose o9 (plateforme “next-generation”, développée à l'ère de la digitalisation et offrant des interfaces intégrées, o9 est flexible et configurable selon les besoins des entreprises, basées sur les technologies les plus abouties), une des particularités de la plateforme est sa modularité. Conçue sur un concept de ‘solution block’, une fois les fondations établies, les entreprises peuvent décider d'étendre les fonctionnalités selon leurs besoins et configurer leurs propres séquences.

Les principaux bénéfices apportés par o9 sont tout d’abord économiques mais également écologiques. Enfin, la collaboration entre les départements mais aussi étendue aux fournisseurs et transporteurs est une source d'amélioration continue de la performance.

Bio Express

Diplômée promotion 2014 de l’école d’ingénieurs Mines-Télécom en France, option Gestion des opérations en production et logistique, Margaux HERBERT-SAADA fait carrière aux USA. Avec près de 10 ans d'expérience dans la mise en œuvre de systèmes de technologie de la chaîne d'approvisionnement dans le secteur de la restauration, Margaux se passionne pour les solutions innovantes qui aident les entreprises à améliorer leurs résultats et leur durabilité.

Site Internet d'o9 solutions: https://o9solutions.com/