Makna Data Fabrics — dan Bagaimana Mereka Menguntungkan Rantai Pasokan

Produsen terus-menerus menyeimbangkan jaringan fungsi yang kompleks yang mencakup inovasi produk, teknik, perencanaan, produksi, dan logistik. Proses yang sangat saling terkait ini menjangkau seluruh organisasi dan mitranya, menciptakan kesenjangan dalam data, latensi informasi, dan hambatan yang menciptakan asosiasi kompleks di seluruh operasi dan konstituen.

Gangguan tahun lalu membawa banyak rantai pasokan global ke tepi jurang. Strategi data yang buruk adalah biang keladinya, karena mereka memperlakukan rantai pasokan sebagai sistem yang kaku ketika, pada kenyataannya, ini adalah jaringan aktor yang kompleks yang perlu disinkronkan agar cepat beradaptasi dengan perubahan. Karena permintaan konsumen mencapai titik tertinggi sepanjang masa untuk produk yang tak terhitung jumlahnya selama pandemi, latensi data dari sistem sumber menunda respons yang melarang banyak produsen dan pemasok untuk dapat bereaksi terhadap lingkungan pasar yang berubah.

Sistem manajemen data tradisional bekerja dengan baik ketika profesional rantai pasokan memiliki lebih banyak waktu untuk beradaptasi, dan lanskap data perusahaan lebih seragam, terstruktur, dan sederhana. Tapi dunia sudah berbeda sekarang. Data rantai pasokan harus dapat digunakan kembali, yang merupakan sesuatu yang tidak dapat dilakukan oleh pendekatan tradisional mengingat mereka memerlukan ekstraksi data yang tidak dapat diulang untuk identifikasi masalah dan untuk memecahkan persamaan. Lebih buruk lagi, kemunculan internet of things (IoT), peningkatan volume data tidak terstruktur, peningkatan relevansi sumber data eksternal, dan tren lingkungan multi-cloud hybrid menjadi hambatan untuk memenuhi setiap permintaan data baru.

Strategi data lama yang berpusat di sekitar sistem data relasional pada dasarnya rusak, tetapi bagaimana produsen dapat beralih dari strategi data reaktif ke responsif? Untuk mengatasi keterlambatan informasi, produsen mengadopsi pendekatan teknologi baru seperti data fabric untuk membuat jaringan pasokan digital yang secara akurat mewakili data saat bergerak di sepanjang rantai pasokan dan hubungan yang menentukan bagaimana pekerjaan diselesaikan. Struktur data perusahaan menyatukan data dari silo internal dan sumber eksternal dan menciptakan jaringan informasi untuk mendukung aplikasi bisnis, kecerdasan buatan, dan analitik.

Mendukung seluruh perusahaan yang kompleks dan terhubung saat ini, representasi digital ini mencakup semua proses, produk, orang, mitra, kebijakan, dan sumber data pihak ketiga yang diwakili dalam jaringan pasokan untuk memberikan pandangan yang jelas di seluruh rantai nilai. Dengan visibilitas ini, produsen dapat membuat analisis dampak dan akar penyebab, mengelola hierarki terdistribusi, dan melakukan pengambilan keputusan tepat waktu dengan memanfaatkan data waktu nyata dan lot.

Data fabric memberi para profesional data kemampuan untuk menghasilkan representasi entitas dan hubungan utama yang dapat dikomposisi dan dimengerti mesin, serta logika dan aturan bisnis, yang mengatur bisnis. Tidak seperti teknik integrasi data yang lebih lama, struktur data bersifat ekspresif, memungkinkan produsen untuk mengajukan pertanyaan dan menjelaskan efek, konsekuensi, dan properti dari tindakan tertentu di dunia nyata. Kain dapat diperpanjang dan digunakan kembali di semua kasus/fungsi penggunaan, dan mudah dirawat serta diperluas ke mitra sesuai kebutuhan.

Mendorong Hasil Rantai Pasokan

Untuk menciptakan nilai bisnis dalam perusahaan, produsen harus dapat menghubungkan semua data yang penting. Struktur data mengubah status quo dengan memberikan makna, bukan hanya data, di seluruh perusahaan. Makna ini dijalin bersama dari banyak sumber:data dan metadata, sumber internal dan eksternal, serta sistem cloud dan on-premise. Makna ditangkap dalam model data, dengan semua konteks pada setiap aset data sepenuhnya hadir dan tersedia, dalam bentuk yang dapat dimengerti mesin. Dengan struktur data, orang dan algoritme dapat membuat keputusan yang lebih baik sekaligus mengurangi kemungkinan dan risiko penyalahgunaan data atau salah tafsir. Lebih khusus lagi, data fabric membantu produsen:

• Tingkatkan pendeteksian permintaan. Menutup jeda waktu untuk memenuhi tuntutan yang muncul sangat penting bagi produsen; namun, pendeteksian permintaan sulit dilakukan karena latensi data dan ketidakmampuan untuk menemukan koneksi di semua hal mulai dari media sosial hingga data POS. Data fabric menghilangkan kesenjangan ini tanpa harus memasang kembali ERP yang ada atau solusi perkiraan permintaan.

Wawasan dapat disampaikan kepada pemimpin perencanaan permintaan yang dapat memanfaatkannya untuk meningkatkan perencanaan bisnis.

• Menghubungkan operasi. Tingkat volatilitas permintaan yang tinggi memiliki efek riak pada produsen yang perlu dengan cepat memahami kinerja operasional, ketersediaan produk, dan tren yang memengaruhi hasil. Sayangnya, beberapa sistem operasi MES atau shop floor tidak dapat mengidentifikasi dan mendukung skenario real time trade-off seputar ketersediaan pasokan.

Dengan menggunakan data fabric, produsen dapat mengidentifikasi perubahan apa pun untuk dipasok dan membuat penyesuaian yang diperlukan tanpa menanggung biaya tambahan data lake silo atau dukungan operasional/pengadaan analis.

• Memberikan analisis akar penyebab keluhan pelanggan. Keluhan pelanggan karena cacat produk dapat memicu serangkaian penilaian lanjutan. Apa sumber cacatnya? Pelanggan lain mana yang terpengaruh? Apakah ini memerlukan penarikan kembali? Data fabric memungkinkan produsen untuk melacak keluhan pelanggan mengenai produk yang cacat sampai ke bahan mentah, dengan mudah melakukan referensi silang hubungan antara barang jadi dan bahan mentah.

Selanjutnya, karena bahan mentah ini diproduksi oleh beberapa lokasi manufaktur dan dapat disebut nama yang berbeda oleh pemasok yang berbeda, data fabric memungkinkan ketertelusuran di seluruh pelanggan, manufaktur, dukungan lapangan, produk, dan lainnya data domain lain. Hal ini memungkinkan produsen untuk melihat situasi sepenuhnya sehingga mereka dapat bertindak dengan tepat dan hemat biaya mengelola analisis akar penyebab keluhan pelanggan.

• Buat kembaran rantai pasokan digital. Kembar rantai pasokan digital memerlukan analitik prediktif, model untuk menghubungkan data sumber dan, tentu saja, sumber data itu sendiri (misalnya, ERP, CRM, MES, lot, jaringan pelanggan) untuk meningkatkan pengambilan keputusan, terutama seputar perencanaan rantai pasokan. Kembar digital harus mampu mewakili ratusan juta hubungan. Sebuah struktur data, dengan kemampuan logika bisnis yang kompleks dari grafik semantik dan kemampuan untuk mewakili berbagai data, memberikan kontrol otomatis kepada produsen yang memungkinkan mereka untuk mengelola aturan bisnis yang mampu menangani logika kompleks dan pengambilan keputusan situasional.

Data fabric terus mendapatkan perhatian karena kemampuannya untuk menyatukan sistem manajemen data yang ada, memperkaya semua aplikasi dan pengguna yang terhubung dalam prosesnya. Mereka dianggap sebagai langkah maju berikutnya dalam ruang manajemen data — mendukung seluruh perusahaan yang semakin kompleks dan terhubung saat ini.

Rob Harris adalah wakil presiden solusi di Stardog, penyedia platform grafik pengetahuan perusahaan (EKG).