撰写者 晚上8:30 卓越供应链

要前进,我们需要清楚我们正在自动化的东西

在过去的六年中,我花了我的劳动节周末来准备 供应链洞察全球峰会。 下周,我将欢迎100多位参与者参加年度活动。该活动旨在想象“ 2030年供应链”。

会议的形式与大多数不同。没有供应商摊位或付费演讲活动。我亲自挑选每位演讲者,并与行业领导者合作开发内容。对于这次活动,我还邀请供应链欣赏获奖者,介绍他们的故事并为获奖者颁奖。今年,Sleep Number将面对复杂性,讲述他们推动盈利增长的故事。该事件是 现场直播,将被存档。目标是建立变革的指导联盟。

在分析的六年中,获胜者的数量始终保持在4.5%。在推动改进的同时,不到5%的公司表现优于同行。原因?传统的供应链流程并不等于挑战。

如果您认为我们有最佳做法,请花一些时间检查数据。 完整的报告可供审查。 该分析旨在按同行组提供行业基准,并庆祝28个同行组中23家公司的成功。从分析中可以看出, 报告研究的行业中有80%在关键行业落后 过去十年中的成本和库存管理等绩效指标。原因?有许多。有人会说有太多的东西要数了,但我相信它包括复杂性,合规性,商品波动性,需求波动性的增加,全球化和统一。

数据科学家可以提供帮助吗?

答案可能是。但是,不要’认为将数据科学家加入供应链团队是万灵药。

让我解释。我是一个简单的女孩。对我来说,进步始于人。为了准备全球峰会,我们完成了对员工满意度的调查。主要的差距是找到具有适当技能的员工,下一代流程的培训以及对供应链流程缺乏执行人员的理解。这些主题不是新的。答案比较复杂。

图1.员工挑战

在寻找人才方面最大的差距在于深厚的分析技能。这些很难找到。商学院营销系中嵌入了供应链计划,许多企业领导者担心新来的人才缺乏分析技能的深度。

图2.最大需求中的位置

分析的变化令人振奋,但组织’使用它们的能力值得怀疑。在许多组织中,将数据科学家纳入团队中就像一条狗在追尾。原因?自动化要求清晰。数据科学家认为他们知道答案,而业务主管却无法说他们的语言。结果,陷入僵局。

进展缓慢

数据科学家专注于引擎的改进,但是新流程所需要的不仅仅是引擎。系统的改进要求重新设计工作流,规则,用户界面以及引擎。大多数企业领导人缺乏对细节的关注,并且大多数软件提供商都忙于销售当今的系统,无法重新考虑并提供功能的逐步改变。技术人员面临着创新者的困境。结果,最大的创新发生在同类最佳的初创企业中。

为了最大程度地发挥数据科学家团队的价值,组织需要考虑翻译的组织层,以充分传达工作流,规则和用户界面的要求。没有这个,我发现数据科学家将改善引擎,但是由于缺乏整体思维,结果无法成为嵌入式过程的一部分。

图3.对用户界面,引擎,工作流和规则集的整体思考需求

 

该怎么办?

为了取得进步,我们必须挑战我们的思维模式并测试我们的范例。下周我会很高兴与观众见面。我期待下周与我们的视觉艺术家分享他们将在《 2030年供应链的未来》中开发的图像。希望您在线加入我们参加该活动。