La optimización de la cadena de suministro cuantitativa, o, en pocas palabras, la cadena de suministro cuantitativa, es una perspectiva amplia de las cadenas de suministro que, para simplificar, tiene como objetivo aprovechar al máximo la inteligencia aumentada con las capacidades de los recursos informáticos modernos. Sin embargo, esta perspectiva no incluye todo ni pretende ser la solución final para los desafíos de la cadena de suministro, sino un abordaje complementario que casi siempre puede utilizarse para mejorar la situación.
La cadena de suministro cuantitativa ayuda a su empresa a mejorar la calidad del servicio, a reducir el exceso de stock y las pérdidas, a impulsar la productividad, a bajar los precios de compra y los costos operativos... y la lista continúa. Los desafíos de la cadena de suministro varían mucho de acuerdo con las diferentes situaciones. La cadena de suministro cuantitativa acepta esta diversidad y se esfuerza para enfrentar la complejidad resultante. Sin embargo, para los expertos de la cadena de suministro que están más acostumbrados a los métodos clásicos para la optimización de sus cadenas de suministro, la cadena de suministro cuantitativa puede parecer un poco desconcertante.
En este artículo, veremos los ingredientes que se necesitan para aprovechar al máximo la perspectiva cuantitativa de la cadena de suministro. Veremos y aclararemos las ambiciones de una iniciativa de cadena de suministro cuantitativa. Veremos los roles y las habilidades del equipo a cargo de la ejecución de la iniciativa. Y, por último, haremos un breve resumen de la metodología asociada con la cadena de suministro cuantitativa.
La ambición
Con excepción de las empresas muy pequeñas, la cadena de suministro implica millones de decisiones por día. Por cada unidad almacenada en stock cada día, la empresa está tomando la decisión de mantener la unidad donde está, en lugar de trasladarla a otro lugar. Y esa misma lógica se aplica a las unidades de stock inexistentes que podrían producirse o comprarse. No hacer nada es ya una decisión en sí misma.
La cadena de suministro cuantitativa tiene que ver con optimizar millones de decisiones que la empresa tiene que tomar cada día, y, dado que estamos hablando de millones, si no miles de millones, de decisiones por día, las computadoras desempeñan un papel fundamental en esta tarea. Esto no es ninguna sorpresa: después de todo, las cadenas de suministro fueron , después de la contabilidad, una de las primeras funciones corporativas de la historia en digitalizarse, allá por los años setenta. Sin embargo, con la cadena de suministro cuantitativa se trata de llevar la digitalización un poco más lejos.
Aquí debemos reconocer que, en las últimas décadas, han sido frecuentes los intentos mal informados de lanzar el
sistema de cadena de suministro del futuro. Demasiado a menudo, esos sistemas no hicieron más que crear el caos en las cadenas de suministro, combinando efectos de caja negra y automatización con pésimos resultados, lo que generó tantas malas decisiones que lo problemas ya no podían resolverse con la intervención humana.
En cierta medida, la cadena de suministro cuantitativa nació de esos errores: en lugar de hacer de cuenta que el sistema de algún modo conoce el negocio mejor que la propia dirección, el centro de atención debe ser la ejecución de la información estratégica generada por la dirección, pero con un grado mayor de fiabilidad, claridad y agilidad. La tecnología de software bien hecha es un habilitador capaz, pero, teniendo en cuenta las capacidades de software actuales, eliminar completamente a las personas de la solución no es una opción realista.
Esta ambición tiene una consecuencia inmediata: el software que la empresa utiliza para hacer el seguimiento de sus productos, materiales y otros recursos no será el mismo software que necesita para optimizar sus decisiones. De hecho, sin importar que se trate de un ERP, un WMS, un MRP o un OMS, todos esos software se concentran principalmente en manejar los procesos de la empresa y su flujo de entradas de datos. No nos malinterprete: la optimización de las entradas de datos y la automatización de todas las tareas administrativas genera grandes beneficios. No obstante, lo que queremos decir es que estas tareas no abordan en absoluto el desafío en cuestión: aumentar la capacidad de la empresa para ejecutar la información estratégica humana a la escala que exige su cadena de suministro.
Y, hay que decirlo, no existe optimización sin medición. Por lo tanto, la cadena de suministro cuantitativa tiene mucho que ver con las mediciones, como su nombre sugiere. Las decisiones de cadena de suministro —comprar stock, trasladar stock— tienen consecuencias, y la calidad de esas decisiones debería evaluarse desde un punto de vista
financiero (por ejemplo, en dólares) con perspectivas de negocios sensatas. Sin embargo, contar con buenas métricas requiere esfuerzo, un esfuerzo importante. Uno de los objetivos de la cadena de suministro cuantitativa es ayudar a la empresa a establecer esas métricas, que también desempeñan una función crítica durante las fases siguientes de un proyecto en la evaluación del rendimiento de la inversión (ROI) de la iniciativa de cadena de suministro en conjunto.
Por último, como se mencionaba anteriormente, la cadena de suministro cuantitativa no es un paradigma que incluye todo. No tiene la ambición de resolver o mejorar
todo en la cadena de suministro de la empresa. No sostiene que lo ayudará a encontrar proveedores ni socios de logística confiables. No promete que lo ayudará a contratar a equipos excelentes ni a mantenerlos motivados. No obstante, gracias a su enfoque específico, la cadena de suministro cuantitativa es en realidad capaz de proporcionar resultados tangibles.
Los roles dentro del proyecto
La cadena de suministro cuantitativa requiere una cantidad sorprendentemente baja de recursos humanos, incluso cuando se gestionan cadenas de suministro de escala más bien grande. No obstante, una iniciativa de este tipo requiere recursos específicos, y esto es algo que veremos en detalle en esta sección. Pero antes de adentrarnos en los diferentes roles y sus especificidades, comencemos por mencionar un principio central de la cadena de suministro cuantitativa: la empresa debería capitalizar cada una de las intervenciones humanas.
Este principio va en contra de lo que sucede en la práctica con las soluciones de cadena de suministro tradicionales, en las que la solución acaba por
consumir los esfuerzos humanos en lugar de
capitalizarlos. Para seguir produciendo un flujo interminable de decisiones, la solución necesita un flujo interminable de entradas manuales. Esas entradas pueden adoptar varias formas: ajustes de perfiles de temporada, gestión de excepciones y alertas, corrección de valores de pronóstico extraños, etc.
La cadena de suministro cuantitativa busca revertir la perspectiva. No se trata solo de que el trabajo humano sea costoso, sino que de el conocimiento experto de la cadena de suministro combinado con información estratégica de negocios precisa es demasiado raro y demasiado precioso para malgastarse en tareas repetitivas. Lo que debería hacerse, en cambio, es resolver la causa raíz de la intervención manual: si los valores de pronóstico son erróneos, no tiene sentido modificar los valores mismos, ya que son los datos de entrada o el algoritmo de pronóstico los que es preciso corregir. Corregir los síntomas es la receta para seguir lidiando siempre con los mismos problemas.
El tamaño del equipo necesario para ejecutar una iniciativa de cadena de suministro cuantitativa varía de acuerdo con la escala de la cadena de suministro misma. En el nivel más bajo del espectro, puede ser menor que un FTE (empleado de tiempo completo), generalmente para empresas con menos de USD 20 millones de facturación. En el nivel más alto del espectro, puede involucrar a una docena de personas, pero, en este caso, generalmente están en juego varios miles de millones de dólares de inventario.
El
jefe de la cadena de suministro: la cadena de suministro cuantitativa es un cambio del paradigma. Para impulsar el cambio es necesario el liderazgo y el apoyo de la alta dirección. Demasiado a menudo, la dirección de la cadena de suministro siente que no tiene tiempo para involucrarse demasiado directamente en lo que se perciben como los
tecnicismos de la solución. Sin embargo, la cadena de suministro cuantitativa tiene que ver con ejecutar la información estratégica a escala. No compartir la información estratégica con el equipo a cargo de la iniciativa es la receta para el fracaso. No se espera que la dirección elabore todas las métricas y KPI relevantes —ya que generarlas implica demasiado esfuerzo—, pero sí se espera que las cuestione.
El
coordinador de la cadena de suministro: si bien la iniciativa de cadena de suministro cuantitativa está diseñada para ser muy austera con el personal, la mayoría de las cadenas de suministro no lo son, o al menos, no son
tan austeras. La incapacidad de hacer partícipes a todos puede hacer que la iniciativa se vuelva confusa y lenta. Por lo tanto, la misión del coordinador es reunir todo el feedback interno necesario que la iniciativa requiere y comunicarlo a todas las partes involucradas. El coordinador aclara los procesos y las decisiones que tienen que tomarse y obtiene feedback sobre las métricas y las KPI que se utilizarán para optimizar esas decisiones. Además, se asegura de que la solución adopte los flujos de trabajo de la empresa tal cual son, preservando la posibilidad de revisar esos flujos de trabajo en otra fase de la iniciativa.
El
responsable de los datos: la cadena de suministro cuantitativa depende muchísimo de los datos, y cada iniciativa tiene que contar con un acceso confiable a los datos desde una perspectiva de procesamiento de lotes. De hecho, la iniciativa no solo implica la lectura de algunas líneas del sistema de la empresa, sino que implica la lectura del historial de ventas completo, del historial de compras completo, del catálogo de productos completo, etc. El responsable de los datos generalmente es designado por el departamento de TI para respaldar la iniciativa. Es la persona a cargo de automatizar toda la lógica de extracción de los datos y de programar esta lógica para las extracciones diarias. En la práctica, los esfuerzos del responsable de datos se concentran principalmente en las primeras etapas de la iniciativa.
El
experto en Cadena de Suministro: utiliza la tecnología —ampliaremos sobre esto más adelante— para combinar la información estratégica que ha sido reunida por el coordinador con los datos extraídos por el responsable de datos para automatizar la elaboración de las decisiones. El experto en Cadena de Suministro comienza preparando los datos, una tarea sorprendentemente difícil, que requiere mucha asistencia por parte del coordinador, que tendrá que interactuar con todas las personas que originalmente elaboran los datos para aclarar todo lo pueda resulte incierto. El experto formaliza la estrategia de modo que pueda utilizarse para generar decisiones, por ejemplo, las cantidades de reorden sugeridas. Por último, el experto en Cadena de Suministro equipa todo el pipeline de datos con paneles de control y KPI para garantizar la claridad, la transparencia y el control.
Para las empresas medianas, tener a una misma persona que desempeña las funciones de coordinador y responsable de datos puede ser extremadamente eficiente. Requiere una gama de habilidades que no siempre es fácil de encontrar en un solo empleado; no obstante, si esa persona existe en la organización, tiende a ser una ventaja para acelerar la iniciativa. Luego, para empresas más grandes, incluso si el coordinador no conoce en detalle las bases de datos de la empresa al principio de la iniciativa, es una gran ventaja que sea capaz de obtener un cierto nivel de familiaridad con estas a medida que la iniciativa avanza. De hecho, el entorno de TI sigue cambiando, y anticipar el modo en que el cambio afectará a la iniciativa ayuda muchísimo a asegurar una ejecución continua sin problemas.
Planes de suscripción de Lokad gestionados: Cubrir el puesto de
experto en Cadena de Suministro puede ser un desafío para muchas empresas que, durante años, no han cultivado conocimiento experto alguno sobre la ciencia de datos. Lokad ayuda a respaldar las iniciativas de cadena de suministro cuantitativa de empresas de este tipo proporcionándoles un ‘’experto como servicio’’ a través de su plan de suscripción Premium. Además de proporcionar toda la ayuda necesaria para que la iniciativa se realice, Lokad proporciona el tiempo y la dedicación que exige implementar la lógica que calcula las decisiones y los paneles de control que le dan claridad y control necesarios para que la dirección confíe en la iniciativa y la comprenda.
La tecnología
Hasta ahora, hemos hablado de un modo bastante vago sobre la tecnología de software necesaria para respaldar la cadena de suministro cuantitativa. Sin embargo, la cadena de suministro depende muchísimo del stack de tecnología que se utiliza para implementarla. Si bien, a nivel conceptual, cada pieza del software podría reimplementarse desde cero, el experto en Cadena de Suministro requiere un enorme cantidad de asistencia de su stack para llegar a ser razonablemente productivo. Luego, determinadas capacidades, como el pronóstico y la optimización numérica, requieren esfuerzos de I+D previos significativos que superan ampliamente lo que el experto en Cadena de Suministro puede producir durante el curso de la iniciativa.
El primer requisito de la cadena de suministro cuantitativa es una plataforma de datos con capacidades programáticas y, naturalmente, contar con acceso a una plataforma de datos específicamente adaptada para gestionar los datos de la cadena de suministro y sus problemas es una gran ventaja. Hacemos referencia a una plataforma de datos, porque, si bien cualquier estación de trabajo de escritorio puede almacenar varios terabytes hoy en día, esto no significa que esa estación pueda ofrecer otras propiedades deseables para llevar a cabo la iniciativa: fiabilidad ante fallas de hardware, auditabilidad de todos los accesos, compatibilidad con exportaciones de datos, etc. Además, debido a que los conjuntos de datos de la cadena de suministro tienden a ser grandes, la plataforma de datos debería ser más escalable o, dicho de otra manera, debería ser capaz de procesar grandes cantidades de datos en poco tiempo.
La plataforma de datos requiere capacidades programáticas, es decir, la posibilidad de implementar y ejecutar casi cualquier lógica de procesamiento de datos arbitrarios. Esas capacidades se entregan a través de un lenguaje de programación. Existe la percepción (correcta) de que la programación es una habilidad muy técnica, y muchos proveedores sacan provecho del miedo que inspira la idea de tener que gestionar una solución que requiere ‘’programación’’ para venderles a los usuarios interfaces de usuario simples con botones y menús. Sin embargo, cada vez que a los equipos de cadena de suministro se les niegan capacidades programáticas, las planillas de Excel toman el control, precisamente porque Excel ofrece capacidades programáticas con la posibilidad de escribir fórmulas que pueden ser arbitrariamente complicadas. Lejos de ser un accesorio, las capacidades programáticas son un requisito clave.
Por último, contar con una plataforma de datos adaptada para la cadena de suministro proporciona beneficios significativos. De hecho, la necesidad de algún tipo de plataforma de datos no es específica de la cadena de suministro: el trading cuantitativo que realizan los bancos y los fondos presenta necesidades similares. Sin embargo, las decisiones de la cadena de suministro no requieren latencias de menos de milisegundos, como sucede con el trading de alta frecuencia. El diseño de una plataforma de datos es una cuestión de conciliaciones de ingeniería, así como una cuestión de ecosistema de software que comienza con los formatos de datos compatibles. Esas concesiones de ingeniería y el ecosistema software deberían estar alineados con los desafíos de la cadena de suministro mismos.
El segundo requisito de la cadena de suministro cuantitativa es un motor de pronóstico probabilístico. Esta parte del software es la responsable de asignar una probabilidad a cada futuro posible. Si bien este tipo de pronósticos al principio resulta un poco desconcertante, porque va contra la intuición de pronosticar el futuro, el truco está en realidad en la incertidumbre: el futuro no es cierto y un solo pronóstico tiene el fracaso garantizado. La perspectiva de pronóstico clásica niega la incertidumbre y la variabilidad, y, como resultado, la empresa acaba luchando con un pronóstico que se suponía que fuera preciso, pero que no lo es. Un motor de pronóstico probabilístico aborda este problema sin rodeos, resolviéndolo con las probabilidades.
El pronóstico probabilístico en la cadena de suministro generalmente es un proceso de dos etapas que comienza con un pronóstico de tiempo de entrega seguido de un pronóstico de demanda. El pronóstico de tiempo de entrega es un pronóstico probabilístico: se asigna una probabilidad a cada una de las duraciones de tiempo de entrega posibles, generalmente expresadas en días. Luego, el pronóstico de demanda también es un pronóstico probabilístico, y este pronośtico se construye sobre el pronóstico de tiempo de entrega proporcionado como dato de entrada. Y, de hecho, el horizonte que cubrirá el pronóstico de demanda debe coincidir con los tiempos de entrega que son, en sí mismos, inciertos.
Debido a que el motor de pronóstico probabilístico entrega conjuntos de distribuciones de probabilidad, sus resultados de pronóstico incluyen muchos más datos que los resultados de un motor de pronóstico clásico. Esto no es un obstáculo en sí, pero para evitar encontrarse con demasiada fricción mientras se procesa un conjunto enorme de probabilidades, se requiere un alto grado de cooperación entre la plataforma de datos y el motor de pronóstico.
El stack de tecnología de Lokad: Podríamos decir que la tecnología de Lokad ha sido diseñada para aceptar la perspectiva de la cadena de suministro cuantitativa, pero, en realidad, sucedió al revés. Los equipos de I+D de Lokad hicieron un avance en el pronóstico probabilístico y descubrieron modelos de procesamiento de datos que se ajustaban mucho mejor a los desafíos de la cadena de suministro que los métodos tradicionales. Nos dimos cuenta de la magnitud del avance, ya que pudimos observar niveles superiores de rendimiento una vez que esos elementos se pusieron en producción. Esto llevó a Lokad a adoptar la perspectiva de cadena de suministro cuantitativa como modo de aclarar lo que los equipos de Lokad ya estaban haciendo. Lokad cuenta con una plataforma de datos —llamada Envision— y un motor de pronóstico probabilístico. La cadena de suministro cuantitativa tiene raíces muy empíricas.
Las fases del proyecto
La cadena de suministro cuantitativa se inspira en gran medida en la I+D de ingeniería de software y en las mejores prácticas conocidas en la ciencia de datos. La metodología es altamente iterativa, con poco énfasis en la especificación previa y mucho, en cambio, en la agilidad y la capacidad de restablecimiento luego de problemas o resultados inesperados. Como resultado, esta metodología tiende a sorprender a las empresas que no están muy involucradas en el sector del software.
La primera fase es la fase de alcance, que define las decisiones de cadena de suministro que se pretende cubrir con la iniciativa. Esta fase también se utiliza para diagnosticar la complejidad esperada en el proceso de toma de decisiones y los datos relevantes.
La segunda fase es la fase de preparación de los datos, y consiste en establecer una configuración automatizada que copia todos los datos relevantes de los sistemas de la empresa en una plataforma analítica separada y en preparar esos datos para el análisis cuantitativo.
La tercera fase es la fase piloto, y consiste en implementar una lógica inicial de toma de decisiones que genera las decisiones, por ejemplo, las cantidades de compra sugeridas, que en sí misma ya supera a los procesos anteriores de la empresa. Se espera que esta lógica esté completamente automatizada.
La cuarta fase es la fase de producción, y consiste en llevar a la iniciativa hasta la velocidad crucero, monitoreando y manteniendo el rendimiento, al tiempo que se llega a un consenso sobre el grado de perfeccionamiento deseable para los modelos de la cadena de suministro.
La fase de alcance es la más directa y consiste en identificar las decisiones de rutina que se pretende cubrir con la iniciativa de cadena de suministro. Estas decisiones pueden implicar varias limitaciones: MOQ (cantidades mínimas de pedido), contenedores llenos, capacidad máxima de almacén, etc. y estas limitaciones deben examinarse en detalle. Luego, las decisiones se asocian con impulsores económicos: costos de almacenamiento, costo de desabastecimientos, margen bruto. etc. Y esos impulsores económicos también deberían estudiarse en detalle. Por último, los datos históricos relevantes deberían identificarse junto con los sistemas de los que se extraen los datos.
La fase de preparación de los datos es la más difícil y en la que tienden a producirse la mayoría de las fallas. De hecho, casi siempre se subestima el desafío de obtener acceso a los datos y encontrarles un significado. Los sistemas operativos (por ej. ERP/MRP/WMS/OMS) han sido diseñados para hacer operar a la empresa, para mantenerla en funcionamiento. Los datos históricos son un producto derivado de esos sistemas, ya que el registro de los datos no fue el motivo por el que esos sistemas se implementaron en un principio. Por lo tanto, deberían esperarse muchas dificultades en esta fase. Al enfrentarse a las dificultades, la mayoría de las empresas tiene un reflejo desafortunado: hagamos un paso atrás y escribamos una especificación completa. Lamentablemente, una especificación solo puede cubrir las dificultades conocidas o esperadas. Sin embargo, casi todos los problemas más importantes que se encuentran en esta fase no pueden planificarse.
En realidad, los problemas tienden a revelarse solo cuando alguien realmente comienza a poner a prueba los datos generando decisiones impulsadas por esos datos. Si las decisiones tienen resultados negativos aún cuando la lógica se considera sensata, es probable que haya un problema con los datos. Las decisiones impulsadas por los datos tienden a ser bastante sensibles a los problemas con los datos y, por lo tanto, representan un excelente modo para cuestionar el grado de control que tiene la empresa sobre sus propios datos. Además, este proceso cuestiona los datos en modos que son significativos para la empresa. De hecho, la calidad de los datos y la comprensión de estos son solo medios para un fin; entregar algo de valor para la empresa. Es razonable concentrar los esfuerzos en los problemas de datos que tienen un impacto significativo en las decisiones impulsadas por los datos.
La fase piloto es la fase que pone a prueba la gestión de la cadena de suministro. De hecho, aceptar la incertidumbre con los pronósticos probabilísticos es bastante contraintuitivo. Al mismo tiempo, muchas prácticas tradicionales, como los pronósticos semanales o mensuales, los stocks de seguridad, las coberturas de stock, las alertas de stock o el análisis ABC en realidad hacen más daño que otra cosa. Esto no significa que la iniciativa de cadena de suministro cuantitativa deba funcionar sola, sin control. De hecho, es casi lo contrario: la cadena de suministro cuantitativa tiene que ver principalmente con el rendimiento medible. Sin embargo, muchas prácticas de cadena de suministro tradicionales tienen una tendencia a enmarcar los problemas de modos que resultan adversos para su resolución. Por lo tanto, durante la fase piloto, un desafío clave para la dirección de la cadena de suministro es mantenerse con la mente abierta y no volver a introducir en la iniciativa los ingredientes que generarán ineficiencias en una fase posterior. No se puede defender la causa y luego maldecir las consecuencias.
Luego, también el experto en Cadena de Suministro y la tecnología se ponen a prueba cuando la lógica debe implementarse para generar decisiones en un plazo de tiempo relativamente breve. El objetivo inicial es simplemente generar lo que los profesionales perciben como decisiones razonables, decisiones que no requieren en absoluto corrección manual. Sugerimos no subestimar las dimensiones del desafío que es generar decisiones automatizadas sensatas. Los sistemas de cadena de suministro tradicionales requieren muchas correcciones manuales, incluso para operar: nuevos productos, promociones, desabastecimientos, etc. La cadena de suministro cuantitativa establece una nueva regla: no se permiten entradas manuales para operaciones rutinarias, todos los factores deben estar integrados en la lógica.
El coordinador de cadena de suministro está allí para reunir todos los factores, los flujos de trabajo y las especificidades que deberían integrarse en la lógica de toma de decisiones. Luego, el experto en Cadena de Suministro implementa el primer lote de KPI asociadas con las decisiones. Esas KPI se introducen para evitar efectos de caja negra que tienden a surgir cuando se utilizan métodos numéricos avanzados. Es importante destacar que las KPI se determinan junto con el jefe de la cadena de suministro, quien se asegura de que las mediciones se alineen con la estrategia de la empresa.
La fase de producción estabiliza la iniciativa y la lleva a la velocidad crucero. Las decisiones generadas por la lógica se utilizan activamente y sus resultados se monitorean de cerca. Generalmente lleva entre unas semanas y unos meses evaluar el impacto de cualquier decisión de cadena de suministro, porque están involucrados los tiempos de entrega. Esto lleva a que el ritmo del cambio de la iniciativa misma en la fase de producción se desacelere, de modo que se vuelve posible realizar evaluaciones fiables del rendimiento de las decisiones automatizadas. La iniciativa entra en una fase de mejora continua. Si bien más mejoras son siempre deseables, es necesario alcanzar un equilibrio entre los beneficios de potenciales perfeccionamientos de la lógica y la complejidad de esos perfeccionamientos, para que la solución sea mantenible.
El coordinador de cadena de suministro, liberado de estas tareas repetitivas, ahora puede concentrarse en la información estratégica propuesta por la dirección de la cadena de suministro. Generalmente, los cambios deseables en la cadena de suministro que pueden haberse identificado durante la fase piloto se han puesto en suspenso para evitar generar disrupciones en las operaciones al cambiar todo de una sola vez. Sin embargo, ahora que el ritmo de cambio de la lógica de toma de decisiones se ha desacelerado, se vuelve posible revisar de modo gradual los procesos para desbloquear mejoras en el rendimiento que requieren más que mejores decisiones de rutina.
El experto en Cadena de Suministro sigue adaptando la lógica poniendo cada vez más énfasis en las KPI y la calidad de los datos. Además, es responsable de revisar la lógica, ya que defectos o errores sutiles generalmente relacionados con situaciones infrecuentes se descubren con el tiempo. Luego, a medida que los procesos cambian, la lógica de toma de decisiones también se revisa para mantenerse completamente alineada con los flujos de trabajo y la estrategia. Además, incluso cuando los procesos internos no cambian, los entornos de TI y de negocios generales siguen cambiando de todos modos: el experto en Cadena de Suministro debe asegurarse de que la lógica de toma de decisiones se mantenga actualizada dentro de este estado de flujo constante.
