ANALISI

Retail: come cambia la supply chain con l’AI



Indirizzo copiato

Gli algoritmi costruiti sulla base di analisi e modelli matematici possono essere decisivi per aiutare i manager a mantenere il controllo e a prendere le decisioni più corrette in maniera informata e consapevole, un aiuto concreto a supporto della capacità previsionale e decisionale degli esseri umani

Pubblicato il 8 nov 2024

Fabrizio Fontana

Head of pre-sales di ORS



Supply Chain AI

Uno degli aspetti che più caratterizza l’essere umano è guardare sempre avanti, cercando di prevedere il futuro per poterlo affrontare al meglio.

Certo, prevedere il futuro non è semplice, tanto più in un mondo come quello di oggi, condizionato dalla connessione e dall’interdipendenza tra fenomeni e aree geografiche diversi e da un’accelerazione tecnologica senza precedenti. Nel corso degli ultimi decenni, l’evoluzione tecnologica esponenziale ha reso possibile, per chi l’abbraccia, gestire prevedere con sempre maggior accuratezza il futuro, sia di breve sia di lungo periodo. Gli algoritmi di AI oggi rappresentano un aiuto concreto a supporto della capacità previsionale e decisionale degli esseri umani.

Come affinare la capacità predittiva con l’AI

Per le imprese, che hanno cicli di progettazione e produzione lunghi anche anni, riuscire a sfruttare le nuove performanti tecnologie rappresenta un vantaggio competitivo, che condiziona operatività e redditività complessiva del business.

Che si tratti di andamento del mercato delle materie prime, del futuro dell’economia, anche a livello di singoli territori, delle vendite future di un nuovo prodotto, dei tempi di percorrenza della merce in una supply chain globale, o dei guasti di macchinari produttivi, gli algoritmi di intelligenza artificiale possono essere allenati sfruttando enormi quantità di dati.

Questo consente loro di cogliere tutte quelle relazioni, anche le più deboli e imprevedibili, che sfuggono all’intelletto umano, per delineare le traiettorie del futuro, e sfruttarle per prendere delle decisioni migliori.

Un valore importante, questo, anche e soprattutto per il settore retail.

Qui, un futuro più certo si traduce per l’azienda in maggiore efficienza delle forniture e della produzione, ma anche in una riduzione delle giacenze di magazzino e in un aumento delle vendite: insomma, in una diminuzione delle inefficienze che arriva a produrre impatti decisivi in termini di redditività.

supply chain AI

Ripensare la supply chain con il supporto dell’AI

Nella gestione della supply chain e in un mercato così competitivo, emergono le aziende che, grazie alla tecnologia, riescono ad affrontare l’intrinseca complessità della distribuzione nel nuovo millennio, fortemente impattata dal panorama geopolitico, dalle sfide economiche che, come l’inflazione, evolvono e si propagano velocemente a causa della globalizzazione, da minacce e attacchi informatici sempre più sofisticati e, infine, dalla crescente necessità di adeguarsi a un quadro regolamentare di standard ESG che accompagni la transizione verso modelli di business più sostenibili.

Tutto ciò richiede alle aziende di sfruttare le nuove tecnologie per simulare in anticipo i diversi scenari, mantenere il proprio vantaggio competitivo e affermarsi sul mercato. Questo, disegnando le proprie strategie in modo più ampio, passando da un approccio di riduzione dei costi all’ottimizzazione dei processi.

Un ripensamento strategico e operativo che coinvolge l’intera catena del valore e tutti i processi aziendali, per poter guardare al futuro grazie all’elaborazione di previsioni accurate e flessibili, che tengano conto di tutte le variabili del contesto, in tutti i processi della catena.

Pianificazione, produzione, distribuzione

Lungo la supply chain, infatti, sono molteplici i momenti decisionali su cui è possibile agire in ottica di ottimizzazione ed efficientamento, con azioni che non portano solo un valore economico al business, ma che contribuiscono anche a ridurne l’impatto ambientale. Si parte con la pianificazione, strategica e di lungo periodo, o relativa alle attività più tattiche, che possono essere gestite sulla base di dati precisi, come per esempio quelli relativi alle performance dei singoli prodotti.

Questi piani devono poi coniugarsi con il mondo produttivo, abilitando una programmazione puntuale della produzione che tenga conto delle esigenze del mercato finale, per evitare eccessi o carenze di prodotto finito.

Anche nella fase distributiva, la capacità previsionale è cruciale per massimizzare l’efficienza e minimizzare i costi dell’invenduto, arrivando a stimare con la dovuta precisione le vendite a livello territoriale, fino a fissare un’allocazione efficace nei singoli punti vendita, o nei nodi più periferici della distribuzione.

Un modello di supply chain end-to-end, che valorizza ogni fase del processo, dove i dati a valle della catena aiutano a guidare la pianificazione e la conseguente produzione a monte. Qui, le reti distributive più complesse, incluse quelle internazionali, trovano anche nei punti vendita uno snodo fondamentale.

Sia per la capacità di movimentare i prodotti fra i negozi – per assicurarsi che la merce sia presente in tutti gli store senza impattare sui magazzini; sia raccogliendo centinaia di variabili come il rating dei dipendenti o l’esposizione della merce – il prodotto si trova in vetrina o nel cesto delle offerte? -, registrate e analizzate dai sistemi per migliorare gli ambienti simulativi e le capacità stesse degli algoritmi.

Supply chain AI

Adottare la migliore azione possibile con l’AI

Nella costruzione di nuove supply chain digitali e integrate, gli algoritmi di intelligenza artificiale costruiti sulla base di analisi e modelli matematici sono quindi decisivi per aiutare i manager a mantenere il controllo e a prendere le decisioni più corrette in maniera informata e consapevole. Diventa quindi indispensabile che i player tecnologici siano in grado di sviluppare e offrire soluzioni e servizi che integrino tutte le diverse tecniche di intelligenza artificiale – dall’intelligent data processing (algoritmi di machine learning e deep learning uniti a sofisticati modelli di ottimizzazione proprietari) al natural language processing alla computer vision per creare piattaforme end-to-end modulari, che possono spingersi fino ai più evoluti modelli di Digital twin, dei “gemelli digitali” integrati che permettono una rappresentazione digitale di tutte le operations dell’azienda, simulando l’impatto delle decisioni in maniera dinamica sulla base dell’evoluzione del contesto, lungo l’intera catena del valore.

Conclusioni

Sulla base delle esperienze accumulate, i risultati sono evidenti. Dal nostro osservatorio sappiamo che l’utilizzo del Digital twin può portare ad un miglioramento misurabile delle performance dei vari processi decisionali, dalla riduzione del 20% dell’inventario in magazzino, alla riduzione del 25% delle merci rimaste invendute a fine stagione, ma anche a un dimezzamento delle vendite perse o al miglioramento dell’accuratezza della previsione.

L’obiettivo è offrire ai manager la possibilità di adottare la prossima migliore strategia possibile, con un approccio che si ispira al concetto di AI explainability, e un focus sulla collaborazione stretta tra essere umano e AI per generare più valore.

Articoli correlati

Articolo 1 di 3