Remplacer vos stocks par de l’information
Michel Bruley
Dans le contexte de globalisation d’aujourd’hui, les exigences en matière d’approvisionnement des grandes entreprises sont extrêmement élevées, au point que des sociétés spécialisées voient le jour comme Vector SCM, qui gère 12 000 sources d’approvisionnement, 1200 transporteurs, charge 8 millions de véhicules par an, dessert 12 500 points de livraison et permet à de nombreuses entreprises de remplir les exigences logistiques de leurs grands donneurs d’ordres.
L’optimisation des chaînes d’approvisionnement est un enjeu dans la recherche d’avantages concurrentiels. Par exemple dans le secteur de la distribution une entreprise comme Wal-Mart a en partie construit son succès sur la création d’une chaîne d’approvisionnement particulièrement remarquable, qui entre autre a su remplacer des stocks par de l’information : plus vite les magasins envoient des informations sur ce que les clients achètent, plus vite l’information peut être transmise aux fabricants et aux concepteurs, plus vite la chaîne d’approvisionnement peut réagir.
Mais la plupart du temps dans les entreprises, la chaîne d’approvisionnement souffre de cloisonnements, car l’intégration et la synchronisation des flux physiques, des flux d’informations et des flux financiers n’est pas optimale. Or la réduction des stocks et l’optimisation de la chaîne d’approvisionnement ne peuvent se concevoir sans une bonne gestion de l’information, mais au-delà des traditionnels systèmes opérationnels qui permettent d’automatiser les processus, il convient sans aucun doute de s’appuyer sur un système décisionnel adapté. Ce dernier doit être fondé sur un entrepôt de données qui a pour vocation d’intégrer toutes les données logistiques internes ou externes, et offrir à toutes les parties prenantes les visions historiques, opérationnelles, prévisionnelles ou de simulation dont elles ont besoin.
Le système décisionnel doit intégrer des données de toutes les applications opérationnelles concernées, à savoir de façon non limitative, des données de : CRM – Customer Relation Management, DP&F – Demand Planning and Forecasting, SRM – Supplier Relation Management, APS – Advanced Planning & Scheduling, ERP – Enterprise Resources Planning, TMS – Transportation Management System, WMS – Warehouse Management System, DCS – Distributed Controlled System, MES – Manufacturing Execution System, etc.
Pour aller plus loin sur ce sujet vous pouvez utilement lire mes articles ci-dessous :
Tableaux de bord logistique et entrepôt de données d’entreprise
Optimisation des approvisionnements & entrepôt de données
Un entrepôt de données pour améliorer la distribution des pièces détachées chez Ford
ERP & entrepôt de données d’entreprise pour les entreprises manufacturières
Dossier : Gérer votre chaîne d’approvisionnement
> A LIRE EN CE MOMENT SUR DECIDEO
-
Gouverner l’intelligence artificielle : cadres réglementaires et normatifs (3ème partie)
-
Tableau démocratise l'analytique en entreprise en s'appuyant sur de nouvelles fonctionnalités à base d'IA générative
-
Salesforce annonce la disponibilité d’Einstein Copilot avec de nouvelles fonctionnalités pour booster les ventes
-
Vincent Cornillet prend la direction du Centre d’Entraînement et de Développement de l’Intelligence Artificielle (CEDIA) de Preligens
-
Teradata adopte Iceberg et Delta Lake pour offrir à ses clients le meilleur écosystème ouvert et connecté pour une IA de confiance
-
Podcast : Quel appareil pour embarquer demain l’intelligence artificielle au plus près de notre corps ?
-
DigDash accompagne France Travail dans le déploiement d’outils de Business Intelligence pour le pilotage opérationnel et stratégique
-
Gouvernance des données : neuf professionnels des services financiers sur dix demandent des réglementations et des normes en matière d'IA
-
L’AIOps, une nouvelle ère pour le stockage des données
-
Tableau et Databricks aident les entreprises à partager, connecter et visualiser leurs données