La supply chain quantitativa ridefinisce l'ottimizzazione della distribuzione attraverso software più potenti, generalmente basati su algoritmi di machine learning, e soluzioni scalabili, rese possibili da un'infrastruttura big data. Il nucleo della supply chain quantitativa è, però, il Supply Chain Scientist (o scienziato della supply chain), che si occupa di preparare i dati, elaborare un modello economico e selezionare i KPI da monitorare. Il Supply Chain Scientist è quindi una figura che sfrutta il potenziale dell'intelligenza artificiale per amplificare le capacità umane: compito ultimo del Supply Chain Scientist è quello di automatizzare in modo intelligente le decisioni in materia di supply chain.
Umano e artificiale
Migliorare le prestazioni della supply chain richiede una profonda conoscenza delle strategie di business adottate: una rottura di stock può essere decisamente costosa nel settore aeronautico, mentre per i rivenditori di cibi freschi è all'ordine del giorno. Oggi, gli algoritmi più intelligenti possono tranquillamente battere un campione di scacchi o di
go, ma sono lontani anni luce dal riuscire a stabilire una roadmap logistica per un'azienda. Pensare di lasciare la propria supply chain in mano a una procedura completamente automatizzata è quindi pura fantascienza.
Ciò nonostante, gli algoritmi intelligenti e di machine learning sono diventati sempre più precisi nel risolvere problemi ben definiti, ristretti e ripetitivi. La supply chain quantitativa sfrutta queste capacità dei moderni software, ricorrendo all'intervento umano per circoscrivere il problema, eliminare le ambiguità e impostare un flusso di lavoro ripetibile, per poi utilizzare l'intelligenza artificiale per generare le decisioni in materia di supply chain (numerose, ma ripetitive) di cui l'azienda ha bisogno ogni giorno per andare avanti.
La supply chain quantitativa non elimina l'intervento umano dall'equazione, anzi: ne richiede l'azione lì dove conta di più, ossia nella strategia. È proprio liberando gli addetti alla logistica dal peso delle attività di routine, infatti, che si restituisce loro la possibilità di concentrarsi sulle questioni strategiche, invece che perdere tempo con i dettagli operativi.
Il ruolo del Supply Chain Scientist
Il ruolo del Supply Chain Scientist è quello di “setacciare” i dati, includere tutte le variabili economiche nella logica da seguire e automatizzare la creazione di decisioni relative alla supply chain. È inoltre responsabile di implementare e monitorare i KPI, individuati insieme al responsabile per la logistica, e utilizzarli per valutare le prestazioni della supply chain quantitativa stessa.
Quando si dà inizio a un progetto di supply chain quantitativa, durante la fase della definizione del campo d'azione, il Supply Chain Scientist deve assicurarsi che il problema da risolvere sia ben definito e che le eventuali ambiguità siano, se non del tutto risolte, quantomeno identificate come tali. In particolare, il Supply Chain Scientist è incaricato di stabilire un quadro chiaro dell'automazione che si intende ottenere: a seconda del contesto, infatti, l'automazione può essere ricercata per generare ordini di acquisto, movimenti di scorte, write off, e così via.
Durante la preparazione dei dati, il Supply Chain Scientist deve assicurarsi che tutti i dati di interesse siano estratti correttamente dai sistemi informatici dell'azienda. Se gli addetti al reparto informatico possono contribuire all'operazione di estrazione dei dati, il compito di interpretare i dati così ottenuti spetta però al solo Supply Chain Scientist. Stabilire una precisa semantica dei dati, dal punto di vista logistico, è di fondamentale importanza. Trasformare dati “grezzi”, appena estratti dai sistemi aziendali, in dati pronti per essere elaborati da un algoritmo di machine learning richiede uno sforzo considerevole, che, ancora una volta, rientra tra i compiti del Supply cChain Scientist.
Durante la fase iniziale, i dati prodotti attraverso i procedimenti automatici vengono messi alla prova dai professionisti della supply chain: è a questo punto che, spesso, si scoprono casi limite in cui le operazioni automatiche hanno un comportamento sbagliato. Il compito di correggere questi comportamenti spetta proprio al Supply Chain Scientist. Bisogna ricordare, tuttavia, che in alcuni casi i risultati più “bizzarri” sono in realtà corretti, ma non sembrano tali poiché divergono dalle abitudini passate dell'azienda, che potrebbero non essere adeguate. Il Supply Chain Scientist deve allora fare luce sulla situazione e convincere il reparto logistico che i risultati ottenuti non costituiscono un problema, ma sono parte integrante della soluzione.
Infine, una volta avviata la soluzione, il Supply Chain Scientist monitora le prestazioni delle operazioni automatiche e ne identifica i punti deboli, assumendosi così la responsabilità di un miglioramento continuo della soluzione stessa. Spesso, una soluzione migliore richiede dati migliori (o più numerosi), che, a loro volta, richiedono modifiche ai procedimenti operativi della supply chain. Il Supply Chain Scientist quantifica, quindi, i profitti che potrebbero derivare dal miglioramento dei dati e costruisce casi di business specifici, al fine di proporre le modifiche opportune ai responsabili della logistica.
Competenze del Supply Chain Scientist
Il Supply Chain Scientist è allo stesso tempo uno scienziato dei dati e un esperto di logistica . Questa doppia competenza è fondamentale per fornire una soluzione perfettamente funzionante, all'altezza delle aspettative iniziali. Da un lato, le competenze in campo logistico sono necessarie per comprendere le sfide da affrontare: non riuscire a individuare tali sfide metterebbe a rischio l'intero progetto, che finirebbe per focalizzarsi su aspetti che non corrispondono alle reali esigenze dell'azienda. Un Supply Data Scientist deve quindi essere in grado di padroneggiare concetti come lead time variabili, quantitativi minimi di ordine (MOQ), costi di trasporto via mare o via aerea, analisi multilivello, tanto per citarne alcuni. Il ruolo del Supply Chain Scientist richiede una profonda conoscenza non solo degli elementi in sé, ma anche delle correlazioni tra questi (ad esempio, come i MOQ possono condizionare i lead time).
Dall'altro lato, la competenza in materia di scienza dei dati è essenziale, in primo luogo per eseguire una valutazione a livello quantitativo sulla base dei dati storici e, in secondo luogo, per implementare una logica che possa automatizzare completamente le decisioni di routine. Una scarsa capacità di programmazione metterebbe a rischio l'intero progetto, poiché provocherebbe ritardi eccessivi e risultati numerici azzardati. La programmazione informatica è una competenza, ma anche un'arte, e la logistica pone sfide davvero ardue: il Supply Chain Scientist deve quindi essere capace di implementare una soluzione abbastanza semplice da poter essere sostenibile e, al contempo, abbastanza accurata da fornire il risultato desiderato in termini di supply chain.
Infine, il Supply Chain Scientist deve essere dotato di eccellenti capacità comunicative e di scrittura, fondamentali per poter produrre una documentazione di alto livello che descriva l'iniziativa relativa alla supply chain. La logistica non è altro che una questione di compromessi (come ad esempio quantitativi minimi minori contro prezzi di acquisto più bassi), eppure questi compromessi non vengono quasi mai documentati abbastanza. La logistica quantitativa implica, invece, che i compromessi vengano documentati e quantificati: il compito spetta di nuovo al Supply Chain Scientist, a cui sono quindi richieste ottime capacità di comunicazione scritta, per portare avanti un dialogo costruttivo con il reparto logistico durante la fase pilota, soprattutto considerando che i professionisti della logistica non si lasciano convincere facilmente a cambiare approccio.
I Supply Chain Scientist di Lokad
Nel 2008, quando è stata fondata, Lokad era una semplice azienda di sviluppo software: l'importanza della scienza della logistica, e di una figura a essa dedicata, è emersa gradualmente col passare degli anni, quando abbiamo iniziato a renderci conto che avevamo bisogno di un team esperto nel prendere in mano la situazione di fronte alle sfide poste dalle catene logistiche. Il solito reparto di “assistenza software” non era assolutamente in grado di fornire soluzioni soddisfacenti ai nostri clienti, poiché, per rispondere ai problemi delle aziende, serviva una conoscenza approfondita non soltanto dei software Lokad, ma anche delle difficoltà che possono presentarsi nella distribuzione commerciale.
Creare ed espandere delle competenze in materia di scienza della logistica è difficile. Di conseguenza, molte aziende fanno affidamento su Lokad per trovare un Supply Chain Scientist che si faccia carico del loro progetto. In questi casi, Lokad offre una soluzione software + esperti, in cui a ogni progetto viene assegnato un Supply Chain Scientist che conduce l'iniziativa passo dopo passo. In questo modo, l'azienda non deve costruire da zero le proprie competenze in materia, con un notevole risparmio di costi per i piccoli imprenditori e di tempo per le imprese più grandi.
Lokad seleziona i propri Supply Chain Scientist tra ingegneri con un elevato grado di istruzione, non estranei alla programmazione informatica, ma non necessariamente esperti in sviluppo di software. Le competenze dei nostri dipendenti sono invece piuttosto varie e comprendono le basi dell'ingegneria, come la capacità di elaborare modelli per problemi industriali, stabilire processi e renderli tanto efficaci quanto affidabili, o comunicare con i dirigenti aziendali. Inoltre, data la natura delle sfide logistiche che Lokad si propone di affrontare, il profilo dei nostri candidati comprende spesso un solido background in matematica e statistica, poiché queste due discipline sono essenziali per la risoluzione, a livello quantitativo, della maggior parte dei problemi che riscontriamo nelle catene logistiche.
In Lokad, lo sviluppo delle competenze nella scienza della logistica è un lavoro continuo e, poiché ci occupiamo di fornire Supply Chain Scientist a numerose aziende nei settori più disparati, col tempo abbiamo costruito conoscenze istituzionali di alto livello in questo settore. Inoltre, ogni volta che assumiamo nuovo personale, facciamo in modo di formarlo attraverso gli scenari logistici più diversi, in molti settori industriali, al fine di accelerare il processo di apprendimento e conseguire livelli di competenza più elevati.
Contenuti correlati
On LokadTV
