Drei technische Fähigkeiten, um im Next Normal wettbewerbsfähig zu bleiben

Während Unternehmen ihren Weg in Richtung Digitalisierung fortsetzen, müssen Unternehmen Strategien entwickeln, die die richtige Grundlage für den Wettbewerb bieten. Eine Schlüsselkomponente des Erfolgs als echter digitaler Champion ist die Fähigkeit, den höchsten Kundenservice zu den niedrigsten Landekosten zu bieten. Dazu sind vollständige und genaue Lieferkettendaten unerlässlich. Daten sind zu einer Währung geworden, deren Wert steigt, wenn sie sich der Echtzeit nähert, und desto mehr können sie zwischen Handelspartnern geteilt werden.

Es hat sich herausgestellt, dass Daten in Echtzeit sein und nur einmal existieren sollten. Mit einem Ansatz für das föderierte Master Data Management (MDM) können Informationen aktuell und konsistent sein, anstatt in mehreren Formaten und Silos dupliziert zu werden, wo sie veraltet und latent werden (unabhängig davon, ob ein Data Lake/Warehouse verwendet wird oder nicht). Moderne Technologieansätze schaffen eine vertrauenswürdige Darstellung der einzelnen Ebenen/Elemente/Einheiten und können diese Treue dann in eine umfassende Echtzeit-Netzwerklösung einfließen lassen, die die Planung und Ausführung für alle Partner mithilfe agentenbasierter präskriptiver Analysen optimiert. Diese Netzwerke unterstützen die Zusammenarbeit mehrerer Parteien, die Planung und die Ausführung von Transaktionen in Echtzeit und helfen allen Teilnehmern, die „nächste Normalität“ zu erreichen, vorausgesetzt, sie berücksichtigen drei kritische Fähigkeiten.

Echtzeittransaktionen mit einer Netzwerkarchitektur ermöglichen. Wir haben bereits gesehen, wie ein netzwerkbasiertes Kundenservice- und Asset-Leverage-Modell in angrenzenden Branchen angewendet wurde. Uber, Facebook, Airbnb und Alibaba haben alle netzwerkbasierte Architekturen implementiert, die Mehrparteienfähigkeiten bieten. Handel findet über alle Parteien in einem Netzwerk statt. Und da die Produktbeschaffung und -lieferung mehrere Parteien im Netzwerk umfasst, müssen Planung und Ausführung in Echtzeit erfolgen und auch mehrere Parteien einbeziehen, um eine maximale Asset-Hebelwirkung, geringste Landekosten und ein Höchstmaß an Kundenservice zu bieten.

Dieses Maß an Zusammenarbeit in Kombination mit Transparenz, Analyse, Planung und Ausführung auf Kontrollturmebene ist der Kern der zukünftigen Wettbewerbsfähigkeit. Dies ist nicht überraschend, da selbst bei der einfachsten Transaktion mehrere Parteien beteiligt sind, z. B. ein Kunde, Markenmanager, Co-Packer, Lieferant, Spediteur, 3PL und Distributor.

Leider wurden viele unternehmenszentrierte Technologiebereitstellungen nach dem Hub-and-Spoke-Prinzip konzipiert, d. h. sie fungieren als Mittelpunkt des Universums für diesen Knoten im Netzwerk und behandeln ihre Prozesse und Daten als solche. Diese Hub-Technologie wurde entwickelt, um Daten Punkt-zu-Punkt/Spoke-to-Hub zu sammeln. Es entscheidet dann auf der Grundlage der Hub-Variablen isoliert, was mit Änderungen der Nachfrage, Kapazität oder des Angebots zu tun ist, und teilt dann einige der veralteten oder latenten Daten nach der Verarbeitung mit einigen ihrer Spokes, sowohl eingehend als auch ausgehend. Als Ergebnis kann es in einem typischen Handelsnetzwerk über 20 Store- und Forward-Verarbeitungsaktionen zwischen Handelspartnern vor- und nachgelagert erstellen, wodurch Zeit, Personal und Vermögenswerte verschwendet werden. Das Schlimmste ist, dass es sich auf das Kundenserviceniveau auswirkt, da die Parteien nicht als koordiniertes Netzwerk im Dienste des Endverbrauchers aufeinander abgestimmt sind.

Einzelne, vertrauenswürdige Ansicht einrichten. Wenn Daten Ihre Währung sind, ähneln mehrere ERP-Instanzen einer Föderation von Entitäten, bei denen jede Quelle wie ihr eigenes einzigartiges gesetzliches Zahlungsmittel agiert. Daten werden in Ihren ERP-Herd-Pipe-Instanzen eingeschlossen und dann in der Regel in One-to-One-Handelsbeziehungen mit Netzwerkpartnern auf Hub-and-Spoke-Art geteilt. Dies ist natürlich ein untergeordneter Ansatz, denn selbst wenn Sie Daten in ein Data Warehouse oder einen Data Lake exportieren, verursachen Sie Latenz und Veraltung der Daten. Dies wertet die Währung in Bezug auf die Entscheidungsfindung zwischen den Netzwerkpartnern ab.

Aus diesem Grund setzen Unternehmen Lösungen ein, die eine föderierte Stammdatenverwaltung umfassen. Mit diesem Ansatz können Netzwerkhandelspartner dem Netzwerk beitreten und sowohl ihre Stamm- als auch Betriebsdaten mit anderen Handelspartnern teilen. Basierend auf einem sicheren Berechtigungs-Framework im gesamten Netzwerk existieren Daten nur einmal und werden basierend auf den gewährten Berechtigungen an Handelspartner weitergegeben. Da die Daten nicht zwischen Ebenen, Ebenen oder Knoten im gesamten Netzwerk kopiert oder dupliziert werden, sind sie per Definition in Echtzeit und ohne weiteres verfügbar, um die Nutzung von Vermögenswerten, den Kundenservice und die geringsten Landekosten zu optimieren.

Unterstützung umsetzbarer und autonomer präskriptiver Analysen. Angesichts des Mehrparteiencharakters netzwerkbasierter Handelsbeziehungen ist das letzte Kriterium die Fähigkeit, das gesamte End-to-End-Supply-Chain-Netzwerk zu modellieren, um Probleme richtig zu analysieren und Maßnahmen zur Problemlösung und Schaffung von Chancen zu ergreifen. Da sich die durch die Analyse aufgedeckten Probleme oder Chancen in strategischen, taktischen oder operativen Zeitrahmen manifestieren können, muss die Grundlage über diese Zeithorizonte hinweg nahtlos sein. Es muss auch Dienste, Algorithmen und Analysen anbieten, die in Echtzeit über die gesamte Netzwerkdarstellung laufen, sei es zur Lösung von Problemen, die in sechs Monaten auftreten werden, oder während einer Lieferung, die für heute Nachmittag geplant ist. Die gute Nachricht ist, dass diese Grundlage bereits vorhanden ist, wenn Ihr Ansatz sowohl das erste als auch das zweite Kriterium umfasst.

Die End-to-End-Echtzeit-Liefernetzwerkplattform ermöglicht es, neue Lieferkettenrichtlinien, die Netzwerkstabilität, die Durchführbarkeit strategischer oder taktischer Pläne zu testen, alternative Teile oder Lieferanten zu aktivieren, Transportmittel zu ändern oder sogar hinzuzufügen zusätzliche Schichten in einem Werk.

Da es viele Möglichkeiten gibt, Probleme in Bezug auf Nachfrage, Angebot, Logistik und Erfüllung in einem Netzwerk zu lösen, ist es wichtig, dass die Analytics-Workbenches in Echtzeit auf alle möglichen Materialvariablen zugreifen können. Herkömmliche Systeme bieten Ihnen aufgrund statischer Vorlaufzeiten und veralteter Daten in der Regel nur eine Möglichkeit zur Lösung eines Problems. Im Gegensatz dazu ist eine KI-basierte Analyse-Workbench eine präskriptive Umgebung, in der Unternehmen die drei oder vier besten Lösungen präsentiert werden, die ihre Ziele am besten erfüllen. Es kann auch maschinelles Lernen unterstützen, das nur eine bessere Methode zur Vorhersage von Ergebnissen ist und äußerst wertvoll ist, wenn präskriptive Maßnahmen empfohlen werden. Darüber hinaus verbessert maschinelles Lernen seine Vorhersagen im Laufe der Zeit, wenn Sie mehr Daten bereitstellen.

Diese Funktionen bieten die Plattform und Architektur, die für diese Grundlage erforderlich sind, und bieten die Fähigkeiten, die für den weiteren Wettbewerb erforderlich sind.

Joe Bellini ist Chief Operating Officer bei One Network Enterprises, einem Anbieter von KI-Software für Geschäftsnetzwerke.