Tiga Kemampuan Teknologi untuk Tetap Kompetitif di Normal Berikutnya
Ketika bisnis melanjutkan perjalanan mereka menuju digitalisasi, perusahaan harus menerapkan strategi yang memberikan landasan yang tepat untuk bersaing. Komponen kunci keberhasilan sebagai juara digital sejati adalah kemampuan untuk memberikan tingkat layanan pelanggan tertinggi dengan biaya yang paling rendah. Dan untuk melakukan itu, data rantai pasokan yang lengkap dan akurat sangat penting. Data telah menjadi mata uang yang nilainya meningkat saat mendekati waktu nyata, dan semakin banyak yang dapat dibagikan di antara mitra dagang.
Apa yang menjadi jelas adalah bahwa data harus real time dan hanya ada sekali. Menggunakan pendekatan manajemen data master federasi (MDM), informasi dapat terkini dan konsisten, daripada diduplikasi dalam berbagai format dan silo, di mana informasi tersebut menjadi basi dan laten (apakah data lake/gudang digunakan atau tidak). Pendekatan teknologi modern menciptakan representasi tepercaya dari setiap level/item/unit dan kemudian dapat menggulung fidelitas itu ke dalam solusi Jaringan real-time keseluruhan yang mengoptimalkan perencanaan dan pelaksanaan di semua mitra menggunakan analitik preskriptif berbasis agen. Jaringan ini mendukung kolaborasi multi-pihak, perencanaan, dan eksekusi transaksi secara real time dan membantu semua peserta untuk mengeksekusi dalam "normal berikutnya", asalkan mereka mempertimbangkan tiga kemampuan penting.
Mengaktifkan transaksi waktu nyata dengan arsitektur jaringan. Kami telah melihat bagaimana layanan pelanggan berbasis jaringan dan model leverage aset telah diterapkan di industri yang berdekatan. Uber, Facebook, Airbnb, dan Alibaba semuanya menerapkan arsitektur berbasis jaringan yang menyediakan kemampuan multi-pihak. Perdagangan terjadi di semua pihak dalam jaringan. Dan karena sumber dan pengiriman produk menjangkau banyak pihak dalam jaringan, maka perencanaan dan pelaksanaan harus dilakukan secara real time dan juga mencakup banyak pihak, untuk memberikan leverage aset maksimum, biaya pendaratan paling rendah, dan tingkat layanan pelanggan tertinggi.
Tingkat kolaborasi ini dikombinasikan dengan visibilitas, analitik, perencanaan, dan pelaksanaan tingkat menara kontrol, adalah inti dari daya saing di masa depan. Hal ini tidak mengherankan mengingat bahkan transaksi yang paling sederhana pun melibatkan banyak pihak, seperti pelanggan, manajer merek, co-packer, pemasok, operator, 3PL, dan distributor.
Sayangnya, banyak penerapan teknologi yang berpusat pada perusahaan dirancang dengan cara hub-and-spoke, yang berarti mereka bertindak sebagai pusat alam semesta untuk simpul tersebut dalam jaringan dan memperlakukan proses dan data mereka seperti itu. Teknologi hub ini dirancang untuk mengumpulkan data secara point-to-point/spoke-to-hub. Kemudian memutuskan apa yang harus dilakukan tentang perubahan permintaan, kapasitas, atau pasokan berdasarkan variabel hub secara terpisah, dan kemudian membagikan beberapa data basi atau laten, pasca pemrosesan, dengan beberapa jari-jari mereka, baik masuk maupun keluar. Akibatnya, dalam jaringan perdagangan biasa, ia dapat membuat lebih dari 20 tindakan pemrosesan tipe penyimpanan dan penerusan di seluruh mitra dagang, hulu dan hilir, membuang waktu, tenaga, dan aset. Yang terburuk, ini memengaruhi tingkat layanan pelanggan karena pihak-pihak tidak selaras sebagai jaringan terkoordinasi yang melayani konsumen akhir.
Membuat satu tampilan tepercaya. Jika data adalah mata uang Anda, maka beberapa instans ERP serupa dengan federasi entitas di mana setiap sumber bertindak seperti alat pembayaran yang sah. Data menjadi terperangkap dalam instans kompor-pipa ERP Anda dan kemudian biasanya dibagikan secara hub-and-spoke dalam hubungan perdagangan satu-ke-satu dengan mitra jaringan. Tak perlu dikatakan lagi, ini adalah pendekatan sub-opsional, karena meskipun Anda mengekspor data ke gudang data atau data lake, Anda membuat latensi dan staleness dalam data. Ini mendevaluasi mata uang dalam hal pengambilan keputusan di seluruh mitra jaringan.
Akibatnya, organisasi mengadopsi solusi yang mencakup manajemen data master federasi. Dengan menggunakan pendekatan ini, mitra dagang jaringan dapat memilih ke dalam jaringan dan berbagi data master dan operasi mereka dengan mitra dagang lainnya. Berdasarkan kerangka izin aman di seluruh jaringan, data hanya ada sekali dan digabungkan ke mitra dagang berdasarkan izin yang diberikan. Mengingat bahwa data tidak disalin atau diduplikasi antara eselon, tingkatan, atau node di seluruh jaringan, menurut definisi, itu adalah waktu nyata dan tersedia untuk mengoptimalkan leverage aset, layanan pelanggan, dan biaya yang paling rendah.
Mendukung analitik preskriptif yang dapat ditindaklanjuti dan otonom. Mengingat sifat multipartai dari hubungan perdagangan berbasis jaringan, kriteria terakhir adalah kemampuan untuk memodelkan seluruh jaringan rantai pasokan ujung ke ujung untuk menganalisis dan mengambil tindakan dengan benar dalam penyelesaian masalah dan penciptaan peluang. Karena masalah atau peluang yang diungkapkan oleh analitik dapat bermanifestasi dalam kerangka waktu strategis, taktis, atau operasional, fondasinya harus mulus di seluruh cakrawala waktu ini. Itu juga harus menawarkan layanan, algoritme, dan analisis yang berjalan di seluruh representasi jaringan secara real time, baik yang digunakan untuk memecahkan masalah yang diprediksi akan terjadi dalam enam bulan atau selama pengiriman yang dijadwalkan sore ini. Kabar baiknya adalah jika pendekatan Anda mencakup kriteria satu dan dua, fondasi ini sudah ada.
Platform jaringan pasokan real-time end-to-end memungkinkan kemampuan untuk menguji kebijakan rantai pasokan baru, ketahanan jaringan, kelayakan rencana strategis atau taktis, mengaktifkan suku cadang atau pemasok alternatif, memodifikasi moda transportasi, atau bahkan menambahkan shift tambahan di pabrik.
Karena ada banyak cara untuk memecahkan masalah yang terkait dengan permintaan, pasokan, logistik, dan pemenuhan dalam jaringan, meja kerja analitik harus memiliki akses waktu nyata ke setiap variabel material yang memungkinkan. Sistem tradisional biasanya hanya memberi Anda satu cara untuk memecahkan masalah, karena waktu tunggu yang statis dan data yang basi. Sebaliknya, meja kerja analitik berbasis AI adalah lingkungan preskriptif di mana organisasi akan disajikan dengan tiga atau empat solusi teratas yang paling memenuhi target mereka. Ini juga dapat mendukung pembelajaran mesin yang merupakan cara yang lebih baik untuk memprediksi hasil dan sangat berharga saat merekomendasikan tindakan preskriptif. Tidak hanya itu, pembelajaran mesin meningkatkan prediksinya dari waktu ke waktu saat Anda memberikan lebih banyak data.
Kemampuan ini akan menyediakan platform dan arsitektur yang diperlukan untuk mengaktifkan fondasi ini dan menyediakan kemampuan yang dibutuhkan untuk bersaing di masa depan.
Joe Bellini adalah chief operating officer di One Network Enterprises, penyedia perangkat lunak jaringan bisnis AI.
