Eviter le cloisonnement de la donnée pour améliorer la gestion des stocks

Face à une chaine logistique de plus en plus complexe, les solutions technologiques et logicielles doivent être ouvertes pour en faciliter l'intendance.

La plupart des gens ne le savent pas, mais, le code-barres doit son existence à un directeur de supermarché désireux de trouver un moyen d'accélérer le passage en caisse de ses clients : les retards et les inventaires réguliers lui faisaient perdre des bénéfices.

Bien qu'il existe depuis des décennies, son rôle est passé d’utile à critique pour l’entreprise depuis l’explosion des plateformes d’e-commerce au milieu des années 90. La facilité des modèles click-to-buy a compliqué la gestion des stocks et les workflows de gestion, puisque les supply chains ne sont plus linéaires. L’intérêt commercial des solutions de suivi a été démontré et la traçabilité basées sur les codes-barres s’est rapidement développée.

En 2020, l’e-commerce européen a atteint 757 milliards d’euros, soit une hausse de 10 % par rapport à l’année précédente. La pandémie a poussé encore plus de personnes à faire leurs achats en ligne. Dans la 14e étude annuelle mondiale sur le comportement d’achat de Zebra, plus des trois quarts (77%) des consommateurs ont déclaré avoir passé une commande mobile au cours des trois précédents mois. Plus de la moitié des baby-boomers (âgés de 50 à 70 ans) ont confirmé qu’ils profitaient désormais des options d’achat du commerce mobile (m-commerce).

Cette profonde mutation du commerce oblige les détaillants à livrer encore plus de marchandises. C’est pourquoi ceux-ci regardent au-delà du code-barres afin de pouvoir fournir aux clients ce qu’ils veulent. Pas question de perdre leur avantage concurrentiel ou leur stabilité financière en raison de leur incapacité à répondre à la demande.

Un système de vente basé sur les codes-barres

En tant que consommateurs, nous nous sommes habitués aux QR codes au cours des dernières années lorsque les entreprises ont commencé à proposer des cartes de fidélité et des options de paiement numériques. Mais saviez-vous qu’ils existent en fait depuis plus de 25 ans ? Cette innovation est due à l’intérêt que portait Hara Masahiro au jeu de Go et aux défis que posaient la lecture de multiples codes-barres aux détaillants et autres acteurs de la supply chain.

Une fois le QR code inventé, les employés ont pu instantanément signaler l’état de chacun des articles qu’ils manipulaient, ainsi que des stocks en rayon ou sur le quai de réception. Les coûts de main-d’œuvre et d’exploitation de la gestion des stocks ont diminué alors même que les dépenses en technologie augmentent. Bien sûr, quelques années plus tard, la technologie des codes-barres a rattrapé son retard et il a été possible de lire plusieurs codes-barres en une seule fois. Mais les entreprises technologiques qui développent des solutions pour les opérations de la supply chain n’ont jamais cessé de chercher un meilleur moyen de suivre, de tracer, de compter ou de gérer les marchandises.

L'identification par RFID

Au fil du temps, des applications d’identification par radiofréquence (RFID) ont commencé à voir le jour et la technologie a rapidement gagné en maturité, prouvant que la capture des données et le suivi et la traçabilité pouvaient être davantage automatisés. Des milliers d’étiquettes peuvent être lues chaque seconde par des terminaux fixes placés stratégiquement dans les installations ou par les terminaux mobiles des employés. Les données, quant à elles, peuvent être introduites en masse dans les systèmes de gestion des stocks avec une précision accrue.

Comme l’a noté le commissaire européen Thierry Breton dans un article paru en 2020 : d’ici 2025, 80% des données seront générées et traitées à la périphérie de l’entreprise, et seulement 20% dans le cloud. Aujourd’hui, même si une plus grande partie du traitement des données s’effectue dans le cloud, les données sont principalement capturées et utilisées en périphérie du réseau.

Compte tenu de cet afflux de données, il a fallu créer à l’origine des solutions logicielles permettant aux spécialistes des données de passer efficacement en revue ces données et de les exploiter utilement. Mais à mesure que la demande et l’embauche de data scientists qualifiés augmente, certains experts se sont rendu compte que les processus d’analyse doivent être automatisés, surtout s'ils veulent être en mesure de détecter, d’analyser et d’agir sur les tendances de l’offre et de la demande en temps réel.

Aujourd’hui, malgré la transformation numérique d’un nombre croissant de données et de workflows, la confiance dans les chiffres reflétés par les systèmes de gestion des stocks n’est pas totale. La plupart des entreprises n’affiche pas encore une précision de 100% des stocks ou n’ont pas la capacité de détecter la demande. Pourquoi alors, la planification des stocks laisse-t-elle encore à désirer ?

Fragmentation des données

La fragmentation des données reste un problème pour la plupart des entreprises. Les systèmes d’information sont cloisonnés à l’intérieur et à l’extérieur des locaux, même si les fonctions opérationnelles et les organisations de la supply chain dépendent plus que jamais les unes des autres. Les problèmes d’intégrité des données (incomplétude, duplication et inexactitude, pour n’en citer que quelques-uns) persistent.

En d’autres termes, peu importe que les détaillants utilisent des codes-barres, des QR codes et/ou des étiquettes RFID pour capturer les données, s’ils ne trouvent pas un moyen efficace de les analyser par rapport aux activités en temps réel. Les meilleures plateformes d’analyse perdront même de leur valeur si elles ne sont pas en mesure de proposer des recommandations en temps réel aux travailleurs les mieux placés ou les plus aptes pour maximiser les opportunités et atténuer les problèmes.

Cela dit, la démocratisation apportée par les plateformes logicielles sans ou avec peu de code, ainsi que la disponibilité, l’accessibilité et l’adaptabilité accrues offertes par les plateformes SaaS (Software-as-a-Service) changent les choses pour le mieux. Il devient enfin possible pour les détaillants de détecter, d’analyser et d’agir rapidement.

Attribuer une valeur et des actions aux données d’inventaire

Il est essentiel de connaître l’état des stocks en temps réel pour prendre les bonnes décisions en matière de main-d’œuvre, d’approvisionnement, de merchandising, de tarification et de promotion. C’est d’ailleurs ce que les codes-barres, les QR code et la RFID permettent sur le plan technique. Mais, les composants matériels ne donnent pas les moyens d’analyser ou d’agir sur les données capturées. C’est là que les logiciels entrent en jeu.

Depuis le déploiement à grande échelle des plateformes SaaS, nous avons vu les capacités de la gestion des stocks faire un réel bond en avant. Les données structurées et non structurées générées par les composants de l’Internet des objets (IoT) peuvent désormais circuler librement dans un pipeline de données ou directement dans un lac de données. Par conséquent, les interfaces de programmation (API) et les algorithmes d’apprentissage automatique peuvent être exploités plus largement, facilitant ainsi l’accès aux données et leur utilisation dans le contexte d’une opération ou d’une fonction spécifique et ce, à moindre coût.

Les responsables du merchandising ou des opérations, ou encore les experts en prévention des pertes peuvent se connecter sur les mêmes systèmes d’information via les API et extraire les informations exploitables les plus pertinentes pour leur rôle. Des applications de workflow peuvent également être créées assez facilement pour aider les responsables des opérations, les vendeurs et les chauffeurs livreurs à prendre les meilleures mesures possibles. Une plateforme d’analyse prescriptive, par exemple, peut apprendre à détecter certains schémas dans les données et à prescrire des tâches aux employés lorsque des problèmes ou des opportunités liés aux stocks se présentent.

De même, une plateforme intelligente de détection de la demande peut agréger les données de stock provenant de plusieurs systèmes d’entreprise et les analyser en même temps que d’autres données contextuelles (météo, conditions de circulation, jours fériés et autres événements influençant la demande). Elle peut ensuite recommander des actions spécifiques en matière d’approvisionnement, de merchandising, de tarification ou de promotion pour adapter l’offre à la demande.

La création d’un écosystème donne lieu à de nouvelles solutions

Pilotée par logiciels, la transformation des systèmes d’enregistrement en systèmes d’intelligence puis en systèmes d’engagement a été essentielle pour améliorer progressivement la disponibilité et les performances des stocks au cours de la dernière décennie. Les solutions SaaS ont même automatisé la prise de décision dans une certaine mesure, en éliminant le travail manuel - et le risque - de l’équation planification et gestion des stocks.

Cependant, nous devons en faire davantage pour garantir que toutes les parties prenantes disposent d’une transparence totale sur l’état des stocks, du premier au dernier kilomètre - ou du stock au magasin. Nous devons éviter le cloisonnement lors du développement des solutions. Les fournisseurs technologiques et les développeurs de logiciels doivent s’engager à créer et à utiliser des plateformes ouvertes lors de la conception de solutions de gestion des stocks. Et nous devons nous assurer que ces solutions partagent ouvertement, analysent activement et agissent intelligemment sur les données afin que toutes les entités de la supply chain puissent prédire, détecter et façonner efficacement la demande de stocks.