Data Fabric Dijelaskan: Meningkatkan Efisiensi dan Ketangguhan dalam Rantai Pasokan

Produsen terus-menerus menyeimbangkan jaringan fungsi yang kompleks yang mencakup inovasi produk, rekayasa, perencanaan, produksi dan logistik. Proses yang sangat saling terkait ini menyeluruh di organisasi dan mitra mereka, menciptakan kesenjangan data, latensi informasi dan hambatan yang menciptakan asosiasi yang kompleks di seluruh operasi dan pemangku kepentingan.

Setahun terakhir gangguan telah mendorong banyak rantai pasokan global ke ambang. Strategi data yang buruk adalah penyebabnya, karena mereka memperlakukan rantai pasokan sebagai sistem yang kaku padahal kenyataannya adalah jaringan kompleks dari aktor yang perlu sinkron untuk cepat beradaptasi dengan perubahan. Saat permintaan konsumen mencapai titik tertinggi untuk produk tak terhitung selama pandemi, latensi data dari sistem sumber menunda respons yang mencegah banyak produsen dan supplier untuk dapat bereaksi terhadap lingkungan pasar yang berubah.

Sistem manajemen data tradisional bekerja baik ketika profesional rantai pasokan memiliki lebih banyak waktu untuk beradaptasi, dan lanskap data perusahaan lebih seragam, terstruktur dan sederhana. Namun dunia sekarang berbeda. Data rantai pasokan perlu dapat digunakan kembali, yang merupakan sesuatu yang pendekatan tradisional tidak dapat lakukan karena mereka memerlukan ekstraksi data yang tidak dapat diulang untuk identifikasi masalah dan untuk menyelesaikan persamaan. Lebih parah lagi, munculnya internet of things (IoT), kenaikan volume data terstruktur, relevansi yang meningkat dari sumber data eksternal, dan tren menuju lingkungan multi-cloud hibrid adalah hambatan untuk memenuhi setiap permintaan data baru.

Strategi data lama yang berpusat pada sistem data relasional secara fundamental 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 mewakili data secara akurat saat bergerak sepanjang rantai pasokan dan hubungan yang menentukan bagaimana pekerjaan selesai. Enterprise data fabric menyatukan data dari silo internal dan sumber eksternal dan membuat jaringan informasi untuk mendorong aplikasi bisnis, kecerdasan buatan dan analitik.

Mendukung seluruh cakupan 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 tampilan jelas di seluruh rantai nilai. Dengan visibilitas ini, produsen dapat menciptakan dampak dan analisis penyebab akar, mengelola hierarki terdistribusi dan melakukan pengambilan keputusan just-in-time dengan memanfaatkan data real-time dan IoT.

Data fabric memberikan profesional data kemampuan untuk menghasilkan representasi yang dapat dikomposisi dan dapat dipahami mesin dari entitas dan hubungan kunci, serta logika bisnis dan aturan yang mengatur bisnis. Tidak seperti teknik integrasi data lama, data fabric ekspresif, memungkinkan produsen untuk mengajukan pertanyaan dan menggambarkan efek dunia nyata, konsekuensi dan properti dari tindakan tertentu. Fabric dapat diperluas dan digunakan kembali di semua kasus penggunaan/fungsi, dan mudah untuk dipelihara dan diperluas ke mitra sesuai kebutuhan.

Mendorong Hasil Rantai Pasokan

Untuk menciptakan nilai bisnis dalam perusahaan, produsen harus dapat menghubungkan semua data yang penting. Data fabric mengubah status quo dengan menyampaikan makna, bukan hanya data, di seluruh perusahaan. Makna ini disatukan dari banyak sumber: data dan metadata, sumber internal dan eksternal, dan sistem cloud serta on-premise. Makna tertangkap dalam model data, dengan semua konteks pada setiap aset data sepenuhnya hadir dan tersedia, dalam bentuk yang dapat dipahami mesin. Dengan data fabric, orang dan algoritma dapat membuat keputusan yang lebih baik sambil juga mengurangi kemungkinan dan risiko penyalahgunaan atau penafsiran data yang salah. Secara lebih spesifik, data fabric membantu produsen:

• Meningkatkan deteksi permintaan. Menutup kesenjangan waktu untuk memenuhi permintaan yang muncul adalah kritis bagi produsen; namun, deteksi permintaan sulit karena latensi data dan ketidakmampuan untuk menemukan koneksi dari media sosial hingga data POS. Data fabric menghapus kesenjangan ini tanpa harus merangka ulang solusi ERP atau peramalan permintaan yang ada.

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 mempengaruhi hasil. Sayangnya, beberapa MES atau sistem operasi lantai pabrik tidak dapat mengidentifikasi dan mendukung trade-off skenario waktu nyata di sekitar ketersediaan pasokan.

Menggunakan data fabric, produsen dapat mengidentifikasi perubahan apa pun pada pasokan dan melakukan penyesuaian yang diperlukan tanpa mengasumsikan silo data lake tambahan atau biaya dukungan operasional/analis procurement.

• Memberikan analisis penyebab akar dari keluhan pelanggan. Keluhan pelanggan karena cacat produk dapat memicu serangkaian penilaian lanjutan. Mana sumber cacat? Pelanggan lain yang terpengaruh? Apakah ini memerlukan panggilan balik? Data fabric memungkinkan produsen melacak keluhan pelanggan tentang produk cacat hingga ke bahan baku, dengan mudah mencermincikan hubungan antara barang jadi dan bahan baku.

Selanjutnya, karena bahan baku ini diproduksi oleh beberapa situs manufaktur dan mungkin disebut dengan nama yang berbeda oleh supplier yang berbeda, data fabric memungkinkan pelacakan lintas pelanggan, manufaktur, dukungan lapangan, produk dan domain data lainnya. Ini memungkinkan produsen untuk melihat seluruh gambar situasi sehingga mereka dapat bertindak dengan tepat dan mengelola analisis penyebab akar keluhan pelanggan secara hemat biaya.

• Membuat twin rantai pasokan digital. Twin rantai pasokan digital memerlukan analitik prediktif, model untuk menghubungkan data sumber dan, tentu saja, data sumber itu sendiri (misalnya, ERP, CRM, MES, IoT, jaringan pelanggan) untuk meningkatkan pengambilan keputusan, terutama di sekitar perencanaan rantai pasokan. Twin digital harus dapat mewakili ratusan juta hubungan. Data fabric, dengan kemampuan logika bisnis kompleks dari semantic graph dan kemampuan untuk mewakili data yang bervariasi, memberikan produsen kontrol otomatis yang memungkinkan mereka mengelola aturan bisnis yang mampu menangani logika kompleks dan pengambilan keputusan situasional.

Data fabric terus mendapatkan perhatikan karena kemampuannya untuk menyusun kembali sistem manajemen data yang ada, memperkaya semua aplikasi dan pengguna yang terhubung dalam prosesnya. Mereka dianggap sebagai langkah selanjutnya di ruang manajemen data — mendukung seluruh cakupan perusahaan yang semakin kompleks dan terhubung saat ini.

Rob Harris adalah vice president solusi di Stardog, penyedia platform enterprise knowledge graph (EKG).