Avec l’avènement des nouvelles technologies induites par le Big Data, la Supply Chain a indéniablement son rôle à jouer. Le secteur, sans cesse challengé pour augmenter son efficacité, doit se mettre à la page et tirer profit de tout son potentiel. De par l’abondance et la diversité des données qu’il génère, le secteur regorge d’applications aussi séduisantes que variées.
Prédiction de la demande
Le Machine Learning tire sa réputation de sa capacité à corréler des sources de données larges et diversifiées. Il est redoutable lorsqu’il s’agit de trouver des tendances et des structures dans la myriade de données qui jalonnent notre quotidien. Dans le cas de la Supply Chain, cela permet d’atteindre le Graal : prédire la demande. Les futurs besoins des clients peuvent être anticipés par l’étude croisée de l’historique des ventes, la saisonnalité, la zone géographique, et les divers facteurs spécifiques au secteur étudié. Aujourd’hui, grâce aux technologies de Web Scraping et de Natural Language Processing (NLP), même les discussions en temps réel sur les forums et les réseaux sociaux sont devenues facilement accessibles et analysables. Les prévisions de ventes sont alors affinées et la durée de vie d’un produit peut être évaluée. En utilisant des algorithmes de clustering dotés d’arbres de décision, il est possible de pousser l’analyse jusqu’à la prévision du potentiel de vente d’un produit dans un cadre précis (e.g. ce gilet bleu taille 44 se vendra mieux la semaine prochaine dans le magasin de Lyon Part Dieu).
Pilotage des flux
La prédiction de la demande, en plus d’améliorer la gestion des ventes et donc des finances, permet une optimisation considérable des stocks en ayant toujours le bon nombre du bon produit au bon endroit. En combinant ces informations à l’étude de facteurs externes tels que les problèmes d’approvisionnement en matières premières, de trafic de marchandises, ou encore les conditions météorologiques, les risques de rupture de stock sont largement minimisés. Ces données peuvent également être mises au profit de l’optimisation des tournées de livraison ou de l’aide à la décision dans le choix de transporteurs. Pour ce choix, toujours plus de facteurs peuvent être pris en compte : coûts, type de produits, normes et conditions spécifiques de transport, conditionnement, etc. Parallèlement, les technologies d’analyse visuelle (Computer Vision) peuvent être utilisées pour inspecter l’état et la qualité des produits et colis qui arrivent dans les centres logistiques. Cela permet de pouvoir isoler rapidement et de façon automatisée les produits endommagés.
Optimisation de la performance logistique
La performance logistique est une notion qui englobe toutes les activités de la Supply Chain. Son optimisation passe donc par de nombreux leviers à différents niveaux de la chaîne. Par exemple, elle peut se traduire par l’optimisation des commandes fournisseurs. L’analyse avancée des données fournisseurs permet de mieux appréhender la gestion de leur qualité et de leur conformité tout en groupant les achats de façon pertinente. En parallèle, tout comme l’inspection des colis, de nombreuses tâches simples et répétitives peuvent être automatisées grâce aux technologies de Robotic Process Automation (RPA). Cela peut s’avérer utile notamment pour les inventaires ou la préparation des commandes clients. L’optimisation de la performance logistique passe également par la détection et l’étude des anomalies. L’analyse approfondie des procédés et des commandes passées peut en effet permettre la mise en évidence de problèmes récurrents. Les axes d’améliorations sont alors mieux identifiés pour les prochaines commandes. Par ailleurs, encore mieux que détectées, les anomalies peuvent désormais aussi être anticipées grâce aux techniques de maintenance prédictive. Avec l’avènement de l’Internet of Things (IoT), l’implémentation de capteurs et objets connectés toujours plus sensibles est une vraie aubaine. Les données provenant de divers équipements tout au long de la chaîne permettent de suivre et contrôler les processus en temps réel afin de prévenir les pannes éventuelles. Enfin, les performances logistiques peuvent également être augmentées grâce à l’optimisation des plannings et une meilleure allocation des ressources. En fonction des perturbations ou des livraisons à effectuer, les algorithmes d’intelligence artificielle distribuent au mieux les tâches pour optimiser les rendements et éviter des sous- ou sur- effectifs. En résumé, la Supply Chain devient plus agile.
Amélioration de l’expérience client
La satisfaction client est une des finalités essentielles de toute chaîne logistique. A travers plusieurs technologies, la Data Science et l’Intelligence Artificielle permettent désormais de proposer des services de plus en plus personnalisés aux clients. Les algorithmes de Machine Learning non supervisé permettent de segmenter les clients selon leur profil et de pouvoir mieux cibler les services et offres promotionnelles qui leur seront proposés. De plus, les techniques de Natural Language Processing (NLP) génèrent des chatbots pour dialoguer et orienter de façon très réactive les clients dans leur démarche. Combiné à du Web Scraping et du Speech-to-Text, le NLP permet également l’analyse des commentaires sur les forums et réseaux sociaux ainsi que le traitement des réclamations téléphoniques. L’étude de ces données conjuguée à l’analyse des retours clients offre plus de visibilité sur les démarches à effectuer pour améliorer toujours plus l’expérience et la satisfaction client.
En définitive, la Supply Chain a tout à gagner à intégrer l’Intelligence Artificielle et la Data Science au cœur même de ses activités. Grâce à des processus plus efficaces, ce sont non seulement les temps de traitement mais aussi les coûts qui sont considérablement réduits. La minimisation des risques alliée à une meilleure réactivité face aux imprévus logistiques permet une amélioration globale du service client. Des performances optimisées et une meilleure satisfaction client : la recette idéale pour faire évoluer l’industrie de la logistique vers une branche proactive, prédictive et personnalisée.
--
Marina Cappai