Solidité et résistance : l'analyse de données au secours des chaînes logistiques

Tandis que les industries luttent pour répondre à la demande face aux craintes qui ne cessent de grandir à travers le monde, la propagation rapide du COVID-19 met les chaînes logistiques à rude épreuve.

Étant donné que bon nombre d'entreprises dépendent de l'importation de biens et matériels en provenance du monde entier, il appartient aux dirigeants de faire preuve de réactivité afin de répondre aux besoins d'approvisionnement et de s'assurer de la résistance des chaînes logistiques.

Dans le monde de l’entreprise, les chaînes d’approvisionnement sont l’un des segments les plus touchés par une crise majeure. Un seul événement peut avoir un effet domino sur une chaîne entière, et de nombreuses entreprises naviguent désormais en eaux troubles. Les dirigeants doivent rapidement mettre en place des mesures afin de répondre à la demande tandis que le volume des ventes continue de grimper en flèche. Mais il s’agit là d’une mission difficile où les problèmes à résoudre ne manquent pas.

Si la plupart des propriétaires et dirigeants d’entreprises savent à quel point il est important de faire preuve de réactivité en cas de changement de situation, les scénarios de crises posent des défis sans précédent et engendrent des pressions supplémentaires. La protection de la chaîne logistique durant une crise nécessite vitesse et habileté. Mieux vaut prévenir que guérir.

Certes, il est difficile de prévoir et d’anticiper les catastrophes naturelles et les accidents. Cependant, l’incapacité à établir un plan en cas de perturbations et de pénuries inévitables met en lumière une chaîne logistique sous tension. Pouvoir imaginer des scénarios et mettre en place un plan de reprise d’activité est essentiel. Les entreprises ne peuvent pas se permettre d’attendre que les problèmes arrivent pour agir. Elles doivent se préparer à l’éventualité de graves perturbations de leurs activités.  Mais pour ce faire, une transparence des données, une flexibilité et une préparation des recommandations concernant les mesures à prendre sont nécessaires. Dès que les entreprises se seront remises de cette catastrophe, elles devront concentrer leurs efforts pour, dans un premier temps, rendre les données transparentes, s’appuyer sur cette transparence pour évaluer leur exposition aux risques et enfin formuler des recommandations quant à un plan à établir. L’analyse des données peut contribuer à renforcer la capacité des entreprises à répondre aux situations d’urgence en anticipant la demande, et ainsi à maintenir en mouvement les trois principaux éléments de la chaîne logistique.

Revoir la prévision de la demande

Lorsqu’une grande entreprise de produits d’hygiène et de cosmétiques a dû fermer ses sites de production en Corée du Sud et en Chine, il a fallu qu’elle détermine rapidement où se trouvaient ses stocks de fonctionnement et ses stocks de sécurité afin de faire face à la demande. Les planificateurs ont donc cherché à déterminer s’il était possible d’augmenter la production dans les autres usines pour compenser le manque de stocks, et en combien de temps les nouveaux produits pouvaient être expédiés vers les sites de distribution. Les données et l’analytique leur ont permis d’analyser les produits, de la fabrication jusqu’aux distributeurs, ainsi que les variables telles que le temps de passage à la douane. Ils ont donc pu dresser un tableau réaliste de la prévision de la demande tout en évaluant l’impact sur la production, les matières premières à prévoir et les délais de distribution.

Des pics de demande aussi soudains peuvent pousser les planificateurs à évaluer rapidement le niveau des stocks de sécurité et à les déplacer afin d’atténuer le risque de pénurie des matières premières ou des produits finis. Grâce à l’analyse des données démographiques et des densités de population, ils peuvent facilement redéfinir les lieux d’expédition prioritaires et s’appuyer sur les temps de trajet et les données logistiques pour faire en sorte que les stocks soient acheminés au bon endroit au bon moment.

Afin d’optimiser la production en cas de variation de la demande, les planificateurs et les acheteurs peuvent être amenés à revoir leurs prévisions en fonction des fournisseurs alternatifs, de la disponibilité des matières premières et des niveaux actuels de stocks de fonctionnement et de stocks de sécurité. Afin de modéliser et d’établir des prévisions concernant la reprise, les analystes doivent étudier les données d’événements historiques tristement connus tels que les récessions, ou encore de précédentes catastrophes comme les inondations et les ouragans. La Data Science et la modélisation prédictive sont les seuls moyens d’imaginer l’avenir. Ils apportent un aperçu concret et approfondi aux équipes qui cherchent à optimiser la production et la distribution de matériels et de services, ou tout autre processus de la chaîne logistique.

Redéfinir les fournisseurs et mettre en place de nouvelles ressources

En temps de crise, il est essentiel pour les entreprises de faire preuve de souplesse en matière de fournisseurs. Toute défaillance d’un fournisseur peut provoquer un arrêt instantané des activités si les matières premières nécessaires à la fabrication ne sont pas disponibles à temps. C’est particulièrement le cas dans l’industrie des produits de grande consommation (PGC), dont les matières premières proviennent bien souvent de différents fournisseurs, et pour lesquels toute modification de la composition des matières premières peut directement affecter la « recette » et la qualité du produit final. Chez un industriel de produits de grande consommation, les scientifiques doivent régulièrement analyser les recettes en fonction des matières premières, et ont recours à une application innovante permettant à l’opérateur de saisir différentes propriétés qui affecteraient la recette. En utilisant les données saisies par l’opérateur et en analysant les différentes combinaisons de recettes en fonction des nouveaux ingrédients, la machine peut être facilement recalibrée selon la nouvelle variable, afin que chaque lot réponde toujours aux critères de qualité.

L’évaluation et l’optimisation de la performance des fournisseurs sont essentielles pour répondre aux besoins d’approvisionnement. Les chaînes logistiques complexes nécessitent de pouvoir faire appel à des fournisseurs alternatifs afin d’éviter toute interruption de la production. Maîtriser l’analyse de données, cela signifie :

·        Permettre aux responsables des achats d’évaluer les risques en analysant les produits obtenus auprès de fournisseurs alternatifs, afin d’identifier rapidement les pièces ou composants de substitution préapprouvés et de lancer la nouvelle conception du produit ou du composant ;

·        Utiliser les prévisions analytiques pour garantir la diversification du panel de fournisseurs, afin de réduire la dépendance vis-à-vis d’un unique sous-traitant ou d’une pièce éventuellement à haut risque ;

·        Évaluer les scénarios de simulation pour rechercher des fournisseurs alternatifs préapprouvés sur deux ou trois niveaux ou des produits de substitution, afin de couvrir toute pénurie et de lancer la nouvelle conception d’un produit selon les ressources actuellement disponibles ;

Repenser la logistique et les délais de livraison

Une chaîne de restauration rapide américaine, qui possède plus de 4 000 restaurants aux États-Unis et souhaitait simplifier sa chaîne logistique, s’est tournée vers des outils d’analyse spatiale appliquée pour déterminer lesquels de ses fournisseurs se trouvaient le plus près de chaque restaurant, paramètre essentiel en cas de rappels de produits. Par le passé, de tels cas de figure relevaient du défi pour ce franchiseur, qui dépendait des franchisés pour pouvoir suivre correctement les produits. L’équipe chargée de la stratégie de développement et de l’analyse des données s’emploie à suivre les produits et à fournir des produits de substitution, si besoin est, pour protéger les consommateurs. Grâce à l’utilisation d’un logiciel d’analyse de données sophistiqué, elle est passée d’un processus nécessitant quatre personnes et 41 000 heures de travail à un flux de travail unique et reproductible.

Lorsqu’il s’agit de redistribuer les stocks et le matériel provenant d’éventuelles zones de quarantaine, ou de déplacer les stocks de sécurité pour approvisionner les zones où la demande est élevée, il est essentiel de pouvoir réaliser des analyses rapides et de garantir des moyens de transport supplémentaires, en fonction des délais de fabrication de chaque produit et des fluctuations de l’offre et des capacités de production.

Les données géospatiales, telles que la localisation par satellite en temps réel, le suivi et le geofencing peuvent permettre à une entreprise d’avoir une vision améliorée de sa chaîne logistique complexe, des différentes options de transport jusqu’aux composantes spatiales, telles que les variables en matière de temps de transport et les zones commerciales pour assurer un réacheminement efficace des livraisons. Le fait de pouvoir déterminer à quel endroit se trouvent les 100 000 camions qui transportent des matières premières ou transformées à travers le globe peut permettre un meilleur éclairage des éventuels ralentissements et des points centraux afin d’améliorer les livraisons et de réduire les temps d’arrêt.

Les matières premières peuvent se retrouver bloquées dans de longues files d’attente aux frontières. Grâce à l’analyse prédictive, il est possible de modéliser des scénarios et de créer des flux de travail afin de fournir des estimations de stocks en temps réel et de prévoir la capacité de réserve ou les pénuries. Souvent considérée comme une évaluation de l’inefficacité d’un processus industriel en flux tendu, l’analyse de données peut permettre, en temps de crise, de déterminer où les pièces excédentaires sont stockées, servant ainsi de pont ou de tampon avant que de nouveaux approvisionnements soient nécessaires.

Mettre en place une chaîne logistique solide

Les planificateurs et les acheteurs doivent employer tous les moyens afin de trouver des solutions pour faire face aux pénuries à court terme et aux retards considérables, tout en cherchant à éviter les risques futurs. Mais cela nécessite d’exploiter une grande quantité de données provenant de multiples sources et d’analyser de nombreuses variables afin de fournir les informations essentielles permettant d’anticiper les perturbations éventuelles.

Une bonne prise de décision nécessite des informations et des données de qualité. Les données et les analyses de données doivent donc servir de support aux entreprises pour les aider à modéliser des scénarios. Ainsi, elles pourront réaliser les évaluations nécessaires, s’adapter et corriger le tir en fonction de l’état du marché.

Cependant, les données n’apportent une valeur que lorsqu’elles sont accessibles. Si elles ne sont pas accessibles dans l’ensemble de l’entreprise, les principaux dirigeants en subiront les conséquences. Seuls la disponibilité des données et l’accès à ces données peuvent permettre aux entreprises de se baser sur leur analyse afin de prendre de meilleures décisions et de transmettre les informations rapidement.

Nous savons qu’au sein de bon nombre d’entreprises florissantes, il existe des communautés de « data scientists citoyens », autrement dit des employés maîtrisant l’analyse de données et capables d’utiliser les technologies pour créer des modèles utiles et des corrélations pertinentes. En mobilisant leurs aptitudes cognitives et les solutions analytiques performantes disponibles, les entreprises peuvent accroître leur valeur. Lorsqu’elles disposent des bons outils, ces communautés peuvent analyser les perturbations actuelles en temps réel, tout en identifiant les étapes à suivre pour améliorer la résistance des chaînes logistiques et assurer de meilleures perspectives.

Des transformations basées sur les données

La gestion efficace d’une chaîne logistique nécessite la prise en compte de nombreux facteurs internes et externes susceptibles d’avoir un impact sur les stocks. On attend des entreprises qu’elles maintiennent leur production, même en cas de défaillance, lorsque les ressources sont limitées ou que l’avenir de notre monde à court ou long terme n’apparaît pas clairement. Dans cette crise, les entreprises dont la gestion de la chaîne logistique était déjà basée sur l’analyse agile et avancée seront celles qui s’en sortiront le mieux.

La stabilité et la résistance de l’analyse de données reproductible améliorent l’efficacité de l’ensemble de la chaîne logistique, cette analyse permettant de déterminer rapidement la flotte nécessaire ou de la rediriger, d’identifier les pénuries et de prévoir les besoins en personnel. Mais pour obtenir des informations à la vitesse de la crise, une base d’analyse solide et robuste est essentielle. Les plateformes analytiques doivent pouvoir travailler avec une grande variété de données et de sources pour obtenir de tels résultats. Il peut s’agir de données conservées dans les systèmes internes propriétaires, sur les sites Internet de fournisseurs externes ou encore de données issues d’un suivi en temps réel. C’est pourquoi les entreprises doivent investir dans des plateformes analytiques en libre-service qui leur permettront de rendre les données transparentes pour tous. Grâce à un modèle d’entreprise unique, les services fonctionnels pourront ainsi reconvertir les utilisateurs professionnels expérimentés en « data scientists citoyens », afin de mettre en pratique les leçons tirées de cette crise et de préparer l’avenir.

Le potentiel de l’analyse de données va bien au-delà de la capacité d’une entreprise à surmonter la tempête. Elle peut aussi servir de moteur pour parvenir à une solution globale. Parallèlement aux réactions des entreprises sur le court terme, les dirigeants doivent également mettre en place une stratégie analytique solide reposant sur des prévisions afin d’identifier les vulnérabilités futures et de s’y préparer.