I processi di approvvigionamento delle materie prime giocano un ruolo centrale nell’attività di business di un’azienda di produzione. Saper ottimizzare la sourcing strategy diventa una necessità imprescindibile, in particolare oggi, in un mercato caratterizzato da una variabilità della domanda sempre più accentuata, sia nelle attività commerciali tradizionali sia online. Da questo punto di vista, la tecnologia ha il potenziale per dare un grande aiuto nei progetti di strategic sourcing che, sfruttando anche il valore dei dati storici sulle precedenti operazioni di procurement e sugli ordini di materie prime, hanno l’obiettivo di ottimizzare qualità ed efficienza dei processi di approvvigionamento.
Strategic sourcing cruciale nel mondo della moda
I processi di supply chain management (SCM) devono diventare sempre più agili e flessibili in rapporto alle dinamiche del mercato globale. La volatilità continua della domanda sta spingendo le imprese verso l’adozione di modelli di sourcing più flessibili e demand-driven: lo evidenzia una survey condotta nel 2019 nel settore della moda (Fashion’s new must-have: sustainable sourcing at scale) dalla società internazionale di consulenza manageriale McKinsey & Company. Nel sondaggio, le priorità più spesso citate dai chief purchasing officer (CPO) del settore abbigliamento interpellati riguardano il miglioramento dei processi interni. Inoltre, più del 40% dei CPO ha indicato la digitalizzazione dei processi di sourcing, il consolidamento della base fornitori e l’efficienza dei processi a livello “end-to-end” come le tre priorità principali. Nel comparto, l’uso degli strumenti di analisi avanzata (advanced analytics) si trova ancora agli inizi, ma l’intelligent sourcing sta diventando determinante per ottenere maggior agilità e flessibilità.
Algoritmi predittivi per razionalizzare la sourcing strategy
Nel settore della moda, come in altri ambiti, sviluppando opportuni algoritmi predittivi è possibile elaborare previsioni sulle materie prime che serviranno per realizzare, di volta in volta, il volume di produzione che viene richiesto. Consentendo di conoscere in anticipo i consumi di materie prime, tali modelli previsionali aiutano a ottimizzare le richieste da fare ai fornitori perla gestione di tutti i materiali necessari per la produzione.
Il valore strategico della previsione si misura sulla capacità di costruire un algoritmo che, sulla base dello storico degli ordini, e tenendo conto della produzione che deve essere realizzata considerando i nuovi ordini in arrivo, è in grado di valutare quali saranno effettivamente le materie prime necessarie per produrre ciò che viene richiesto.
Modelli previsionali, cosa fa la differenza
La qualità dell’algoritmo predittivo condiziona la qualità della previsione che, nello specifico caso del settore abbigliamento, è complicata dalla necessità di gestire in maniera corretta un elevato numero di materiali e fornitori, per sopperire alle richieste provenienti dalle linee di produzione.
I tradizionali tool commerciali di gestione delle materie prime, programmando la produzione sulla sola base degli ordini in arrivo, funzionano essenzialmente secondo una logica descrittiva, e richiedono personalizzazioni per fornire prestazioni atte a prendere decisioni strategiche.
Rispetto a questi tool, il fattore differenziante di un algoritmo predittivo è poter essere sviluppato, attraverso l’elaborazione di modelli matematici, in funzione della tipicità di uno specifico processo industriale, e sfruttare i dati storici dei fabbisogni di materie prime per elaborare simulazioni accurate, utili per anticipare e migliorare i processi decisionali.
Sourcing strategy e metriche di rischio
Utilizzare competenze di modellistica matematica significa anche avere la capacità di costruire modelli da cui è possibile estrarre metriche di rischio. Queste permettono di tenere conto della variabilità, ossia di stabilire quanto una data previsione sia davvero affidabile: condizione fondamentale per prendere decisioni veramente strategiche, nel caso specifico, sui quantitativi di materie prime e sulle tempistiche entro le quali organizzare le attività di procurement. L’abilità di elaborare un modello matematico aiuta in sostanza a tenere sotto controllo la variabilità, e a valutare il grado di rischio della previsione, per capire come attuare nei dettagli la decisione.
Contattaci per ricevere ulteriori informazioni
