Corinne Rouyere
Ce matin, j’ai dû me séparer de trois miches de pain moisi. En cherchant à réduire ma consommation de produits transformés, je privilégie un pain susceptible de dépérir. La présence de moisissure me rappelle inévitablement l’âge du pain.
En jetant mes déchets, mon esprit s’est tourné vers la session de stratégie de la semaine dernière. Dans le domaine de la planification de la chaîne d’approvisionnement, la fraîcheur des données est cruciale. Pourtant, de nombreuses entreprises s’appuient encore sur des informations désuètes, compromettant ainsi la qualité de leurs décisions. Cette analogie entre le pain moisi et les données périmées illustre parfaitement les défis actuels du secteur.
Pourquoi utilisons-nous des données obsolètes dans la planification de la chaîne d’approvisionnement ?
La semaine dernière, j’ai animé une session stratégique sur la valeur des données fraîches (données à faible latence) dans la planification de la chaîne d’approvisionnement. J’ai adoré imaginer des cas d’utilisation et souligner la fausse idée d’utiliser des données anciennes ou obsolètes dans la planification. En examinant l’industrie de la planification de la chaîne d’approvisionnement, je me demande pourquoi les entreprises achètent des logiciels et mettent en œuvre des processus qui utilisent des données stales.
La plupart des entreprises ne réalisent pas que leurs données sont obsolètes. Les données dans les systèmes actuels ne portent pas de marque de fraîcheur. Il n’y a pas de « date de péremption » ou de « moisissure sur les décisions ».
Ironiquement, la technologie moderne permet l’ingestion des données à la vitesse des marchés (canaux et réseaux d’approvisionnement) pour prendre des décisions à la vitesse des affaires, mais le marché ne s’adapte pas. En utilisant l’analogie du pain rassis, les dirigeants ne reconnaissent pas les problèmes liés à l’utilisation de données obsolètes.
Quelle est la différence entre décisions en temps réel et décisions à la vitesse des affaires ?
Avant de continuer, distinguons entre les décisions en temps réel et les décisions prises à la vitesse des affaires. Les décisions en temps réel introduisent de l’instabilité dans les chaînes d’approvisionnement, tandis que les décisions basées sur des données de marché améliorent les insights. Pour comprendre la nuance, référez-vous à Figure 1.
Figure 1. Cadre de décision
Dans la Figure 1, nous décrivons la cadence de décision pour les décisions stratégiques, tactiques, opérationnelles et exécutives. Bien que les processus d’exécution doivent être réalisés en temps réel, l’utilisation de données à faible latence améliore également les décisions prises dans d’autres horizons temporels.
Pourquoi la latence des données persiste-t-elle dans les industries de processus ?
Le problème, c’est que la plupart des dirigeants ne comprennent pas que la latence de la demande moyenne pour les entreprises de processus est de plusieurs semaines, et la queue longue s’étend sur des mois. (Basé sur mon analyse des flux de produits dans mes classes de formation, 20-30 % des ventes dans les industries de processus aujourd’hui sont des volumes de rotation. La latence de la demande est le temps entre l’achat dans le canal et la traduction du signal de demande en commande.)
Les raisons sont nombreuses. À mesure que les entreprises allongent leurs gammes de produits, la latence de la demande augmente. À mesure que les entreprises externalisent, la latence de l’approvisionnement augmente également. La latence des données dans les processus actuels est bien plus élevée que dans les années 1990, pourtant nous utilisons les mêmes techniques. Cela augmente le bullwhip et introduit de la variabilité. L’effet est plus prononcé pour les multinationales globales que pour les chaînes d’approvisionnement plus petites et régionales.
Pourquoi la dépendance aux réseaux ne s’accompagne-t-elle pas de l’automatisation des flux ?
N’est-il pas ironique que nous soyons plus dépendants des réseaux, mais que nous n’ayons pas automatisé les flux. Les données circulant par e-mails et feuilles de calculs ajoutent à la latence.
En revanche, les données circulent dans d’autres parties du flux commercial à la vitesse des affaires mais ne sont pas utilisées dans les processus de chaîne d’approvisionnement principaux. Cela inclut les données de e-commerce (latence de quelques heures à quelques jours) et les données de transport (latence dans la journée).
La planification comme si nous étions en 1999
Vous souvenez-vous de la vieille chanson « Like it is 1999 » ? En lisant les paroles – « Je souhaite que Y2K se soit produit, nous resterions éternellement classiques. Toi et moi serions tous les deux piégés en 1999 » – j’ai pensé que oui, c’est arrivé. Aujourd’hui, nous avons la même définition de taxonomie dans les plateformes de planification de la chaîne d’approvisionnement (comme le montre le récent Gartner Magic Quadrant), et les processus sont qualifiés de « Bonnes Pratiques » alors qu’ils devraient être vus comme des « Processus Historiques ».
Il s’agit d’une optimisation coûteuse basée sur des données obsolètes. Pourquoi est-ce important ? Les processus sont toujours en lots, et les données sont obsolètes (la latence de la demande et de l’approvisionnement des données de canal et de fournisseur est de semaines et de mois). Pourtant, les équipes investissent dans l’IA agentique pour traiter des données obsolètes et générer des insights à partir de processus par lots. Malheureusement, les entreprises ne prennent pas le recul nécessaire pour répondre à la question : « Comment puis-je prendre de meilleures décisions basées sur les données de marché ? Et qu’est-ce qu’une bonne décision ? »
La planification telle que nous la connaissons devient-elle obsolète ?
Je souhaite porter un regard critique sur le marché. Alors que l’équipe de vente d’O9 se tourne vers SAP, Kinaxis recrute des talents de Blue Yonder, d’anciens employés de Llamasoft lancent de nouvelles entreprises comme Lyric et Optilogic, et les anciens propriétaires de Servigistics ont lancé une planification sur la plateforme Salesforce avec une offre nommée KettieQ : l’industrie tourne en rond.
Les similitudes entre les solutions existantes – Blue Yonder, Gains, Kinaxis, Logility, Oracle, OMP, SAP et Relex – sont plus nombreuses que les différences. Les nouveaux innovateurs ne remettent pas en question les paradigmes existants. L’innovation est à l’arrêt. L’industrie tente de prendre de meilleures décisions en utilisant des moteurs avancés sur des données obsolètes via des processus par lots. Les acheteurs sont perplexes. Arrêtons cette folie. Ne vous fiez pas uniquement aux données d’entreprise : utilisez les données de marché provenant des réseaux de demande et d’approvisionnement.
Quelle leçon tirer de l’industrie ?
Kellogg’s – une entreprise axée sur le marketing et autrefois un acteur redoutable de l’industrie alimentaire – n’est aujourd’hui plus. Poof ! L’entreprise a cédé ses actifs et a disparu. Le problème, c’est que l’entreprise n’a pas réussi à s’adapter à un marché en évolution. (Ferrero International a annoncé l’acquisition de WK Kellogg Co. pour 3,1 milliards de dollars avec une prime de 31 %. Parallèlement, Mars, un fabricant alimentaire privé, a acheté Kellanova (NYSE: K) pour 35,9 milliards de dollars, incluant une dette nette assumée avec une prime de 44 %, afin de transférer la propriété des marques de snacks – Pringles®, Cheez-It®, Pop-Tarts®, Rice Krispies Treats®, NutriGrain® et RXBAR® – et des produits de petit-déjeuner – Eggo® et MorningStar Farms®.
Je crains que ce soit le chemin que prend le marché de la planification de la chaîne d’approvisionnement. Le marché ne parvient pas à s’adapter à un environnement en mutation. La mémoire est bon marché, les données sont largement disponibles et l’apprentissage automatique nous aide à améliorer l’interopérabilité. Alors, pourquoi ne nous adaptons-nous pas ? Je pense que nous sommes pris dans une roue de volant de chevaux plus rapides.
Comment cela ? Vous pourriez demander. Souvenez-vous de la vieille citation attribuée à Henry Ford : « Si je demandais à mes clients ce qu’ils voulaient, ils répondraient des chevaux plus rapides. » C’est une roue de volant de technologues vendant des visions dépassées aux fabricants/détaillants de chevaux plus rapides. Malheureusement, il y a peu d’innovateurs : il y a un vide de bon marketing produit pour aider les dirigeants à imaginer ce que la planification pourrait ressembler en utilisant des données de marché à la vitesse des affaires.
Quelle opportunité pour les équipes de planification ?
Une opportunité existe pour les équipes de planification de cartographier les opportunités d’utilisation de la logistique de manière plus holistique pour améliorer les résultats. Peu ont cartographié les flux du Système de Planification des Exigences de Distribution (DRP) pour soutenir le chargement des offres. Seulement 7 % conçoivent activement leurs chaînes d’approvisionnement pour embrasser la visibilité. La plupart vivent dans la réalité altérée que les entreprises peuvent acheter une planification de bout en bout.
Pour ma part, je vote pour éteindre la machine à brouillard et me concentrer sur des discussions axées sur les données pour déclencher des actions.
Comment rester à jour avec les processus extérieurs ?
Vous souhaitez en savoir plus sur les processus outside-in et l’utilisation des données de marché ? Envisagez d’investir dans mon nouveau modèle d’apprentissage linguistique étendu (Large Language Learning Model). Les six classes de formation sur les processus outside-in sont maintenant mises à jour dans le modèle linguistique étendu (LLM), Ask Lora, que j’ai lancé ce mois-ci.
Et si vous souhaitez apprendre les principes avec d’autres dirigeants, nous réorganiserons la classe en octobre. J’espère vous y voir, et en attendant, je vous invite à me faire part de vos retours.
