Data er nøglen til at skabe den superskarpe forsyningskæde

Halfspace er en af de ambitiøse spillere indenfor dette område og er derfor godt positioneret til at hjælpe virksomheder med at optimere deres forsyningskæde.

”Vores tilgang til at optimere og understøtte beslutningsprocesser i forsyningskæden er nok lidt anderledes end, hvad man typisk er vant til. Vi er vokset op med data, modellering, algoritmer og voldsom computerkraft. Hvis man kobler det sammen med den domæneviden, som virksomhederne besidder, så får man nogle indsigter, de færreste i dag har adgang til”, fortæller Claus Bek Nielsen, der er founding partner af Halfspace. Han supplerer: ”Vi er fysikere, matematikere, data scientists, data ingeniører og researchers, hvor cirka 1/3 af os har tunge baggrunde fra Oxford, MIT, Edinburgh, Stanford og CERN. Vores fornemmeste opgave er at gå sammen med erfarne mennesker, der arbejder med forsyningskæder, som har dybt kendskab til forretning, marked og kunder, og etablere det, vi kalder en SWAT-operation eller en kirurgisk indsats, hvor vi gør kunden i stand til at hente de ekstra procenter, der differentierer kunden fra konkurrenterne”.

Claus Bek Nielsen er fortaler for, at virksomheder sætter ind med datainitiativer på specifikke områder, hvor det virkelig rykker: ”Mange af de traditionelle og store it-systemer, som virksomheder bruger til at understøtte deres forsyningskæder, er generiske systemer, der mangler agilitet og muligheden for at udnytte moderne datavidenskabelige AI-metoder. Køber du Salesforce, SAP, SAS og lignende, får du en motor, som alle andre også har. Og det er rigtigt fint, for store organisationer er dybt afhængige af stabilitet – men for at maksimere forudsigeligheden eksempelvis inden for demand forecasting, så er man bare nødt til at arbejde mere automatiseret og avanceret i sine forecastmodeller. Det kræver agilitet, præcision, veldefinerede kriterier for succes og ikke mindst viljen til at turde og ville det i organisationen”.

På forkant med markedet
Han fremhæver, at de opererer i tre niveauer i virksomheders anvendelse af data og særligt inden for demand forecasting, der er et af virksomhedens specialistdomæner. De tre niveauer omfatter:

1. Indsamling og klargøring af data til analyse.
2. Analyse af data ved brug af avancerede analyseteknikker til at afdække sammenhænge.
3. Anvendelse af machine learning og kunstig intelligens til f.eks. at estimere efterspørgslen af varer, der kan være med til at optimere forsyningskæden.

Overordnet set skelnes der mellem fire modenhedstrin, hvorpå virksomheder benytter data til at optimere deres forsyningskæde, nemlig:
1. Beskrivende analyser – skabe transparens over ”det som tidligere er sket”. Dette kan f.eks. være analyser baseret på historisk salgsdata.
2. Diagnosticerende analyser – forståelsen af hvorfor noget er sket. Dvs. identificere mønstre eller korrelationer i data, som kan identificere skjulte sammenhænge.
3. Forudsigende analyser – Afdække hvad der kommer til at ske, eller mere præcist, sandsynligheden for, at noget kommer til at ske.
4. Præskriptive analyser – På baggrund af de forudsigende analyser vurderes og/eller automatiseres hvilke tiltag, som bør iværksættes.

Den præcise forsyningskæde
Claus Bek Nielsen vurderer, at de fleste danske virksomheder opererer på det ’beskrivende niveau’, hvor få er nået til det ’forudsigende niveau’, og kun meget få danske og nordiske virksomheder opererer på det ’præskriptive niveau’.

”Det er på det ’forudsigende’ og ’præskriptive’ niveau, at virksomheder virkelig har mulighed for at optimere en forsyningskæde og derved reducere lagre, forsinkelser, vare- og ressourcespild, klima- og miljøbelastninger o.s.v. Det er her, det er muligt - med større præcision end langt størstedelen af virksomhederne i dag har mulighed for - at forudsige efterspørgslen og afstemme forsyninger med efterspørgslen, så der ikke opstår alle mulige former for spild”, fortæller han og tilføjer:

”Der er en modenhedstrappe i denne udvikling, og det er nødvendigt at arbejde med alle trin i trappen, før forsyningskæder reelt og i praksis kan opnå troværdig indsigt i den fremtidige efterspørgsel og derved tilpasse hele forsyningskæden efter den reelle efterspørgsel”.

Datamodenhed og organisation skal følge med
Han oplever, at mange virksomheder særligt står over for to udfordringer, når de vil arbejde med at gøre forsyningskæden mere datadrevet. Det er datamodenhed og organisation. At få styr på stamdata, datahygiejne og datadisciplin er generelt store udfordringer. På samme måde er det nødvendigt, at organisationen kan følge med, når virksomheden bliver mere datadrevet. Den datadrevede virksomhed stiller store krav til medarbejdernes parathed, indstilling og kompetencer.