Tiga Kemampuan Teknologi Esensial untuk Mempertahankan Keunggulan Kompetitif di Era Baru
Saat bisnis terus berjalan menuju digitalisasi, perusahaan harus menerapkan strategi yang memberikan fondasi yang tepat untuk bersaing. Komponen kunci keberhasilan sebagai juara digital sejati adalah kemampuan untuk menyediakan tingkat layanan pelanggan tertinggi dengan biaya landed terendah. Dan untuk melakukan itu, data rantai pasok yang lengkap dan akurat sangat penting. Data telah menjadi mata uang yang nilainya meningkat saat mendekati waktu nyata, dan semakin banyak dapat dibagikan di antara mitra perdagangan.
Apa yang telah terlihat adalah data harus waktu nyata dan hanya ada sekali. Dengan menggunakan pendekatan manajemen data master federasi (MDM), informasi dapat terkini dan konsisten, alih-alih diduplikasi dalam berbagai format dan silo, di mana menjadi usang dan latent (baik data lake/warehouse digunakan atau tidak). Pendekatan teknologi modern menciptakan representasi yang terpercaya dari masing-masing item/tingkat unit dan kemudian dapat menggulirkan fidelitas itu ke dalam solusi jaringan waktu nyata secara keseluruhan yang mengoptimalkan perencanaan dan eksekusi di semua mitra menggunakan analitik preskriptif berbasis agen. Jaringan ini mendukung kolaborasi multi-pihak, perencanaan, dan eksekusi transaksi secara waktu nyata dan membantu semua peserta untuk mengeksekusi di "era baru," asalkan mereka mempertimbangkan tiga kemampuan kritis.
Mengaktifkan transaksi waktu nyata dengan arsitektur jaringan. Kami telah melihat bagaimana model pemanfaatan layanan pelanggan dan aset berbasis jaringan telah diterapkan di industri yang berdekatan. Uber, Facebook, Airbnb, dan Alibaba semuanya telah menerapkan arsitektur berbasis jaringan yang menyediakan kemampuan multi-pihak. Perdagangan terjadi di semua pihak dalam jaringan. Dan karena pengadaan produk dan pengiriman melibatkan banyak pihak dalam jaringan, perencanaan dan eksekusi juga harus waktu nyata dan melibatkan banyak pihak, untuk memberikan pemanfaatan aset maksimum, biaya landed terendah, dan tingkat layanan pelanggan tertinggi.
Tingkat kolaborasi ini bersama dengan visibilitas, analitik, perencanaan, dan eksekusi tingkat tower kontrol, adalah inti dari kompetitivitas masa depan. Ini tidak mengejutkan mengingat bahkan transaksi yang paling sederhana melibatkan banyak pihak, seperti pelanggan, manajer merek, co-packer, pemasok, pengiriman, 3PL, dan distributor.
Sayangnya, banyak penerapan teknologi yang berpusat pada perusahaan dirancang dengan gaya hub-and-spoke, yang berarti mereka bertindak sebagai pusat alam semesta untuk node tersebut dalam jaringan dan memperlakukan proses dan data mereka sebagai semacam itu. Teknologi hub ini dirancang untuk mengumpulkan data dengan cara titik-titik ke hub. Kemudian mereka memutuskan apa yang harus dilakukan tentang perubahan dalam permintaan, kapasitas, atau pasokan berdasarkan variabel hub secara terisolasi, dan kemudian berbagi beberapa data yang usang atau latent, setelah pemrosesan, dengan beberapa spoke mereka, baik masuk maupun keluar. Akibatnya, dalam jaringan perdagangan yang umum, ini dapat menciptakan lebih dari 20 tindakan pemrosesan jenis simpan dan teruskan di antara mitra perdagangan, hulu dan hilir, membuang waktu, tenaga kerja, dan aset. Yang paling buruk, ini mempengaruhi tingkat layanan pelanggan karena pihak-pihak tidak terselaraskan sebagai jaringan terkoordinasi yang melayani konsumen akhir.
Membangun satu tampilan terpercaya. Jika data adalah mata uang Anda, maka beberapa contoh ERP mirip dengan federasi entitas di mana setiap sumber bertindak seperti mata uang legal yang unik. Data terperangkap dalam contoh stove-pipe ERP Anda dan kemudian biasanya dibagikan dengan cara hub-and-spoke dalam hubungan perdagangan satu-ke-satu dengan mitra jaringan. Tidak perlu dikatakan, ini adalah pendekatan yang kurang optimal, karena bahkan jika Anda mengekspor data ke data warehouse atau data lake Anda membuat latensi dan kebosanan dalam data. Ini menurunkan nilai mata uang dalam hal pengambilan keputusan di antara mitra jaringan.
Akibatnya, organisasi sedang mengadopsi solusi yang mencakup manajemen data master federasi. Dengan pendekatan ini, mitra perdagangan jaringan dapat memilih untuk bergabung ke jaringan dan berbagi data master dan operasional mereka dengan mitra perdagangan lainnya. Berdasarkan kerangka izin yang aman di seluruh jaringan, data hanya ada sekali dan difederasi ke mitra perdagangan berdasarkan izin yang diberikan. Karena data tidak disalin atau diduplikasi di antara level, tingkatan, atau node di seluruh jaringan, menurut definisinya data ini waktu nyata dan segera tersedia untuk mengoptimalkan pemanfaatan aset, layanan pelanggan, dan biaya landed terendah.
Mendukung analitik preskriptif yang dapat ditindaklanjuti dan otonom. Mengingat sifat multi-pihak dari hubungan perdagangan berbasis jaringan, kriteria terakhir adalah kemampuan untuk memodelkan seluruh jaringan rantai pasok dari ujung ke ujung untuk menganalisis dan mengambil tindakan pada resolusi masalah dan penciptaan kesempatan dengan benar. Karena masalah atau kesempatan yang diekspos oleh analitik dapat muncul dalam kerangka waktu strategis, taktis, atau operasional, fondasi harus mulus di seluruh rentang waktu ini. Ini juga harus menawarkan layanan, algoritma, dan analisis yang berjalan di seluruh representasi jaringan secara waktu nyata, baik digunakan untuk memecahkan masalah yang diprediksi akan terjadi dalam enam bulan atau selama pengiriman yang dijadwalkan nanti sore ini. Berita baiknya jika pendekatan Anda mencakup kedua kriteria pertama dan kedua, fondasi ini sudah ada.
Platform jaringan pasokan dari ujung ke ujung, waktu nyata, memungkinkan kemampuan untuk mencoba kebijakan rantai pasok baru, ketahanan jaringan, kelayakan rencana strategis atau taktis, mengaktifkan bagian atau pemasok alternatif, memodifikasi mode transportasi, atau bahkan menambahkan tambahan shift di pabrik.
Karena ada banyak cara untuk memecahkan masalah yang terkait dengan permintaan, pasokan, logistik, dan pemenuhan dalam jaringan, penting bahwa workbench analitik memiliki akses waktu nyata ke setiap variabel material yang mungkin. Sistem tradisional biasanya hanya memberi Anda satu cara untuk memecahkan masalah, karena waktu stasi statis dan data yang usang. Sebaliknya, workbench analitik berbasis AI adalah lingkungan preskriptif di mana organisasi akan disajikan dengan tiga atau empat solusi terbaik yang memenuhi target mereka. Ini juga dapat mendukung pembelajaran mesin yang hanyalah cara yang lebih baik untuk memprediksi hasil dan sangat berharga saat merekomendasikan tindakan preskriptif. Tidak hanya itu, pembelajaran mesin meningkatkan prediksinya seiring waktu saat Anda memberikan lebih banyak data.
Kemampuan-kemampuan ini akan menyediakan platform dan arsitektur yang diperlukan untuk mengaktifkan fondasi ini dan menyediakan kemampuan yang diperlukan untuk bersaing di masa depan.
Joe Bellini adalah chief operating officer di One Network Enterprises, penyedia perangkat lunak jaringan bisnis AI.
