Hamsterkäufe, Produktionsstopps und fehlende Rohstoffe: Die rasche Verbreitung von COVID-19 hat viele Lieferketten unter Stress gesetzt. Dabei kann Data Analytics dabei helfen, Supply Chains in Krisenzeiten schnell anzupassen. Sie das geht, schreibt Alan Jacobson, Chief Data and Analytics Officer bei Alteryx.
Nur wenige Funktionsbereiche innerhalb eines Unternehmens spüren die Auswirkungen einer Krise so stark wie die Beschaffung. Ein einzelnes Ereignis kann einen Dominoeffekt über eine ganze Lieferkette hinweg auslösen. Führungskräfte müssen dann schnell handeln und Maßnahmen implementieren, um die Nachfrage decken zu können.
Die meisten Manager wissen, wie wichtig Reaktionsfähigkeit ist, wenn sich Marktbedingungen ändern. Krisenszenarien bringen jedoch ganz neue Herausforderungen und zusätzlichen Druck mit sich. Der Schutz der Supply Chain in einer Krise erfordert Schnelligkeit und Geschicklichkeit; es ist besser, Krisenszenarien schon im Voraus einmal geplant zu haben, als erst während der Krise neue Maßnahmen zu realisieren.
Pläne für den Katastrophenfall schmieden
Naturkatastrophen und Unfälle lassen sich jedoch nicht vorhersehen. Wichtig ist daher die Fähigkeit einer Organisation, Szenarien durchzuspielen und einen Wiederherstellungsplan für den Katastrophenfall zu haben. Unternehmen können es sich nicht leisten, erst auf das Eintreten einer Krise zu warten, bevor sie Maßnahmen ergreifen. Um den Geschäftsbetrieb zu sichern, sind Datentransparenz, Agilität und vorbereitete Handlungsempfehlungen erforderlich.
Wenn sich die Unternehmen von den Folgen der aktuellen Pandemie erholt haben, wird es für die Planer darauf ankommen, zunächst mit Hilfe von Daten Transparenz über die Lage herzustellen. Anschließend muss diese Transparenz genutzt werden, um das Risiko einzuschätzen und schließlich Empfehlungen für die weitere Planung abzugeben.
Datenanalysen können also dazu beitragen, die Reaktion in einer Krise zu verbessern und helfen vorherzusagen, wie sich die Nachfrage entwickelt.
Prognosen neu erstellen
Dazu das Beispiel eines Herstellers von Körperpflegemitteln in Asien. Dieser musste in der Krise Produktionsstätten in Südkorea und China schließen. Für das Unternehmen war es wichtig zu verstehen, wo sich weitere Betriebsvorräte befinden, um die Nachfrage des Marktes erfüllen zu können. Die Planer analysierten zudem, ob sich die Produktion in anderen Fabriken steigern lässt, um fehlende Bestände auszugleichen und wie schnell eine Lieferung von Rohstoffen und Produkten überhaupt möglich ist.
Die Planer konnten die Zeiten für die Fertigung oder für die Zollabfertigung analysieren. Auf diese Weise erhielten sie eine realistische Prognose und konnten die Auswirkungen auf die weitere Fertigung, die Verfügbarkeit von Rohstoffen und die Vertriebszeit bewerten.
Aber auch Nachfragespitzen können Planer dazu veranlassen, das Niveau des Bestands an Rohstoffen neu zu bewerten und Betriebsstoffe zu verlagern, um die Produktion zu sichern. Durch Analyse von Demografie und Bevölkerungsdichte ist es zudem möglich, Versandorte neu zu priorisieren sowie Fahrzeiten und weitere logistische Details zu verwenden, um Lagerbestände anzupassen.
Bei sich verändernden Nachfragemustern ist es notwendig, die Produktion kontinuierlich anzupassen. Dazu müssen Planer und Käufer möglicherweise frühere Prognosen auf der Grundlage alternativer Lieferanten und der Rohstoffverfügbarkeit, einschließlich der aktuellen Betriebs- und Sicherheitsbestände, neu erstellen. Analysten müssen historische Daten aus bekannten Situationen wie früheren Rezessionen oder Krisendaten aus Flut- oder Hurrikan-Notfällen interpretieren, um eine vorausschauende Prognose für die Erholung zu modellieren und zu erstellen.
Data Science und prädiktive Modellierung liefern die Möglichkeiten, um solche vorausschauenden Szenarien zu entwickeln. Dieser Ansatz liefert detaillierte und umsetzbare Erkenntnisse für Teams, die die Produktion und Verteilung von Ausrüstung, Dienstleistungen oder anderen erforderlichen Lieferkettenprozessen optimieren wollen.
Lieferanten neu bewerten
Die Aufrechterhaltung von Lieferketten ist in Krisenzeiten von entscheidender Bedeutung. Der Ausfall eines Lieferanten kann schon zu einem sofortigen Betriebsstopp führen, wenn die für die Herstellung erforderlichen Rohstoffe nicht rechtzeitig zur Verfügung stehen.
Die Konsumgüterindustrie (CPG) ist besonders anfällig, da die Rohstoffe oft von verschiedenen Quellen bezogen werden und jegliche Abweichungen in der Rohstoffzusammensetzung sich direkt auf die Rezepte und die Qualität des Endprodukts auswirken. Wissenschaftler müssen daher ständig alternative Rezepte analysieren und eine innovative Software-Anwendung nutzen, die die Auswirkung unterschiedlicher Rohstoffe aufzeigt. Die Analyse verschiedener Produktrezepturen kann dabei helfen, eine Maschine auf die Nutzung neuer Rohstoffe zu kalibrieren und so sicherzustellen, dass jede Charge trotz unterschiedlicher Materialien eine gleichbleibende Qualität liefert.
Die Messung und Optimierung von Lieferanten ist daher für das Procurement eine wichtige Aufgabe. Komplexe Lieferkettenumgebungen erfordern zudem einen Pool von alternativen Lieferanten, auf die ein Unternehmen zurückgreifen kann, um Ausfälle während einer Krise zu vermeiden.
Unternehmen sollten auf folgende Aspekte achten, die die Sicherheit von Lieferketten steigern können:
- Mitarbeiter im Einkauf sollten eine Risikobewertung von alternativen Lieferanten vornehmen können, um Teile oder Rohstoffe zu identifizieren, die in eine Neuentwicklung von Produkten einfließen können.
- Unternehmen sollten mit analytischen Prognosen sicherstellen, dass unterschiedliche Abteilungen bei der Beschaffung eine Diversifizierung der Lieferanten vornehmen. So lässt sich die Abhängigkeit von einzelnen Komponenten oder Rohstoffen verringen.
- Unternehmen sollten Was-wäre-wenn-Szenarien zur Beschaffung entwickeln. Dazu gehören auch vorab genehmigte alternative Anbieter der Stufen zwei und drei oder Produktsubstitutionen, um fehlendes Material beschaffen zu können. So wird auch ein Redesign von Produkten auf der Grundlage verfügbarer Ressourcen möglich.
Logistik und Lieferzeiten optimieren
Ein weiteres Best-Practice-Beispiel liefert eine Fast-Food-Kette aus den USA mit mehr als 4.000 Standorten. Das Unternehmen wollte seine Lieferkette optimieren, um Transportwege zu minimieren. Dazu wurden Geodaten verwendet, um festzustellen, welche Lieferanten sich in geografischer Nähe der Standorte befinden. Dies war besonders wichtig, falls es künftig einmal zu einem Rückruf von Produkten kommen sollte. Bislang war dies für die Franchise-Organisation eine Herausforderung, da die Franchisenehmer dafür verantwortlich waren, dass die Produkte ordnungsgemäß nachverfolgbar sind.
Die Mitarbeiter entwickelten mit einem Analyseteam eine sekundäre Produktoption für den Fall eines Rückrufs, um so die Verbraucher zu schützen. Zuvor war diese Analyse eine Aufgabe, die von vier Mitarbeitern unter hohem Zeitaufwand durchgeführt wurde. Durch den Einsatz hochentwickelter Analysesoftware lässt sich diese Aufgabe nun in einem durchgängigen und wiederholbaren Workflow abarbeiten.
Das richtige Flottenmanagement
Ein weiteres Beispiel zur Supply-Chain-Optimierung liefert das Flottenmanagement. Bei der Umverteilung von Lagerbeständen oder von Materialien aus Quarantänegebieten ist es notwendig, schnell zusätzliche Transportmittel auf der Grundlage individueller Produktvorlaufzeiten bereitzustellen. Dafür sind Kenntnisse über Speditionen ebenso notwendig wie aktuelle Geodaten und ein Tracking von Fahrzeugen in Echtzeit.
Wer nachvollziehen kann, wo sich 100.000 Lastwagen mit Rohstoffen über die Kontinente verteilt gerade befinden, kann diese Informationen dazu verwenden, um die Produktion zu sichern und Ausfallzeiten zu reduzieren. Rohstoffe können aber auch an Qualität verlieren, wenn sie lange Zeit an Grenzübergängen auf die Abfertigung warten. Prädiktive Analysen können dabei helfen, Szenarien zu modellieren und helfen bei der Erstellung von Arbeitsabläufen, um Echtzeit-Schätzungen von Beständen und Prognosen für Kapazitätsreserven zu liefern.
Häufig als Maß für die Ineffizienz innerhalb eines Just-in-Time-Industrieprozesses eingestuft, kann die Analyse in Krisenzeiten dazu beitragen, aufzuzeigen, wo überschüssige Teile zurückgehalten werden, die als Puffer dienen, bevor neue Lieferungen benötigt werden.
Was ist ein Citizen Data Scientist?
Bei der Digitalisierung geht es nicht nur darum, möglichst viele Roh-Daten zu kreieren. Viel wichtiger sind die wertvollen Analysen und abgeleitete Strategien daraus. Doch dafür benötigen Unternehmen Data-Science-Experten. Data Scientists sind Allrounder mit viel Spezialwissen und umfassender Erfahrung. Kein Wunder daher, dass diese Fachkräfte äußerst gefragt und ziemlich rar sind und dass viele Digitalisierungsvorhaben wegen dieser fehlenden Ressourcen stagnieren.
In diese Lücke könnten Citizen Data Scientists stoßen: IT-affine Mitarbeiter aus den eigenen Reihen, die sich in Analyse-Tools einarbeiten und eigenständig Daten analysieren bzw. Data Scientists untertützen. Sie bringen viel Business-Know-how und ein Grundverständnis im Umgang mit Daten ein, müssen aber nicht über das gleiche tiefe mathematisch-statistische Wissen wie ein Data Scientist verfügen.
Nach einer Definition des Analystenhauses Gartner kommt der CDS typischerweise aus der Fachabteilung, Denn er wird von Tools mit einer hohen Usability unterstützt, die bereits vielfältige Funktionalität aus den Bereichen Künstliche Intelligenz und Machine Learning in ihren Bordmitteln enthalten und damit ein hohes Maß an Self-Service Data Science ermöglichen.
Aufbau robuster Lieferketten
Planer und Einkäufer benötigen Lösungen, um Engpässe in der Beschaffung zu vermeiden und Risiken zu verringen. Dazu ist es jedoch erforderlich, eine Fülle von Daten aus ganz unterschiedlichen Quellen zu nutzen, um verlässliche Informationen über potenzielle Versorgungslücken zu erhalten.
Eine Entscheidungsfindung erfordert daher verlässliche Informationen und korrekte Daten. Folglich sollten Daten und Analysen als Stabilisatoren dienen, um Unternehmen bei der Modellierung von Geschäftsszenarien zu unterstützen, damit sie die notwendige Bewertung, Anpassung und Kurskorrektur als Reaktion auf die Marktbedingungen vornehmen können.
Der Wert von Daten wird jedoch erst dann erkannt, wenn Daten für den Zugriff im gesamten Unternehmen verfügbar sind. Ohne eine breite Bereitstellung von Daten könnten einige Führungskräfte benachteiligt sein. Organisationen können nur dann bessere Entscheidungen auf der Grundlage von Daten und Analysen treffen, wenn benötigte Informationen innerhalb der gesamten Organisation verfügbar sind.
Viele erfolgreiche Unternehmen verfügen über sogenannte Citizen Data Scientists. Das sind analytisch versierte Datenarbeiter, die in Daten wertvolle Muster erkennen und sinnvolle Korrelationen finden. Die kognitiven Fähigkeiten dieser Mitarbeiter in Kombination mit leistungsfähigen analytischen Softwarelösungen helfen Unternehmen dabei, bei Störungen in der Lieferkette in Echtzeit Alternativen zu entwickeln. Außerdem lassen sich Schritte zur Verbesserung der Widerstandsfähigkeit der Organisation für eine verbesserte Kontinuität identifizieren.
Transformative datengesteuerte Antworten
Um eine effiziente Lieferkette zu betreiben, sind verschiedene interne und externe Faktoren zu berücksichtigen. Von den Unternehmen wird erwartet, dass sie auch bei Betriebsstörungen, bei limitierten Ressourcen und fehlender Klarheit darüber, wie die Welt kurz- oder langfristig aussehen wird, die Produktion aufrechterhalten können.
Diejenigen, die bereits strategisch agile, fortschrittliche Analysen für ihre Lieferkettenplanung einsetzen, werden die aktuelle Krise besser überstehen als Unternehmen ohne diese Lösung. Die Stabilität und Belastbarkeit wiederholbarer Analysen sorgt für verbesserte Effizienz in der gesamten Lieferkette. So lässt sich eine Fahrzeugflotte schneller umleiten, Lieferengpässe werden schneller erkennbar und der Personalbedarf lässt sich genauer vorhersagen. Doch um in Krisen schnell wertvolle Erkenntnisse zu gewinnen, bedarf es einer soliden, robusten Analysegrundlage.
Analyseplattformen müssen in der Lage sein, mit einer Vielzahl von Daten und Quellen zu arbeiten, um sinnvolle Ergebnisse zu erzielen – ob es sich nun um Daten handelt, die in proprietären internen Systemen gehalten werden, um Webseiten externer Anbieter oder um Echtzeit-Tracking-Telemetrie. Daher sollten Organisationen in Self-Service-Analyseplattformen investieren, die sie in die Lage versetzen, Datentransparenz für alle Mitarbeiter zu schaffen. So können Fachabteilungen erfahrene Mitarbeiter als Citizen Data Scientist einsetzen, um die aus der aktuellen Krise gezogenen Erfahrungen in künftige Szenarien einfließen zu lassen.
Fazit
Die Macht von Data Analytics geht weit über die Fähigkeit einer Organisation hinaus, den Sturm zu überstehen, kann aber als entscheidende Triebkraft für das Erreichen einer globalen Lösung dienen. Parallel zur Reaktion auf kurzfristige geschäftliche Auswirkungen müssen Führungskräfte auch eine robuste Analysestrategie implementieren, die vorausschauende Erkenntnisse nutzt, um zukünftige Schwachstellen zu erkennen.
Der Autor
Alan Jacobson, Chief Data and Analytics Officer (CDAO), Alteryx