Antipatterns de la supply chain

Les initiatives de la supply chain échouent souvent. La Supply Chain Quantitative est notre réponse pour réduire considérablement les taux d’échec. Cependant, étant donné que la Supply Chain Quantitative se concentre sur les pratiques que nous savons fonctionner, elle accorde peu d’importance aux pratiques que nous savons également ne pas fonctionner. Pire encore, il s’avère que la plupart de ces pratiques indésirables sont précisément les causes profondes des taux d’échec élevés associés aux méthodes traditionnelles de la supply chain.

Ci-dessous, nous examinons les pratiques - ou modèles - qui causent la plupart des échecs des initiatives de la supply chain. Ces connaissances ont été acquises à force d’expérience, car pour chaque connaissance, il nous a généralement fallu non pas un, mais plusieurs échecs pour comprendre la cause profonde du problème. Nous appelons ces pratiques néfastes antipatterns de la supply chain. Un antipattern est une “solution” qui échoue : c’est une approche courante, cela semble être une bonne idée, et pourtant, elle échoue systématiquement à apporter l’amélioration souhaitée initialement.

Mauvais leadership

Chez Lokad, nous ne voulons certainement pas antagoniser les décideurs clés de la supply chain, ce sont nos prospects et nos clients. Cependant, en même temps, nous estimons qu’il est de notre devoir de refuser de conclure un accord lorsque la solution est garantie d’échouer par conception. Souvent, le problème se résume à la manière dont l’initiative elle-même est gérée. Cela étant dit, nous reconnaissons que la gestion de la supply chain n’est guère la seule responsable. Certains fournisseurs promeuvent parfois tous les mauvais messages à leurs clients et s’en sortent sans vergogne. Les pratiques héritées et la politique interne peuvent également empoisonner la vie quotidienne de la gestion de la supply chain, qui peut également être utilisée comme bouc émissaire lorsque les choses ne se passent pas comme prévu. Dans cette section, nous répertorions les pièges courants qui pourraient être résolus grâce à un leadership révisé de la supply chain.

La demande de devis infernale

Il peut y avoir de nombreux domaines où les demandes de devis (RFQ) ont du sens. Malheureusement, le logiciel n’en fait pas partie. Rédiger les spécifications d’un logiciel est beaucoup plus difficile que d’écrire le logiciel lui-même. La tâche est intimidante. Une fois le processus de RFQ engagé, les entreprises parviennent à aggraver la situation en introduisant des consultants, pour compliquer davantage ce qui est déjà une spécification trop compliquée. La RFQ étouffe la plupart des réflexions sur la résolution des problèmes, car le processus de RFQ suppose que le client connaît déjà les détails de la solution souhaitée, alors que le “problème” est, par définition, largement non résolu au moment où la RFQ est rédigée. De plus, en pratique, les RFQ favorisent un processus de sélection de fournisseurs antagoniste : les bons fournisseurs s’en vont tandis que les mauvais restent. Enfin, le logiciel est une industrie en constante évolution, et lorsque votre entreprise aura terminé son processus de RFQ, votre concurrent aura déjà déployé sa solution.

Le POC fragile

Faire un POC (proof of concept) est une bonne chose si ce que vous avez l’intention d’acheter est un service simple et quasi-commoditisé : comme un service d’impression pour des cartes de visite. Une initiative de supply chain est compliquée par nature. La supply chain nécessite une coordination de la part de plusieurs entités. Il y a plusieurs niveaux de données qui doivent être exploités. Il y a des dizaines de flux de travail qui doivent être pris en compte. Les POC ou les pilotes à petite échelle font plus de mal que de bien car, par leur conception même, ils négligent une vertu fondamentale d’une initiative de supply chain réussie : sa capacité à fonctionner à grande échelle. La plupart des gens sont habitués au principe des économies d’échelle, cependant, en ce qui concerne l’optimisation de la supply chain, nous avons principalement tendance à traiter avec des déséconomies d’échelle, où prendre de bonnes décisions devient de plus en plus difficile à mesure que la complexité du problème augmente. Réussir avec un petit centre de distribution ne garantit en rien que la solution fonctionnera aussi bien avec des dizaines de centres de distribution différents.

Ignorer l’incertitude

L’avenir est incertain, et l’incertitude ne peut pas être écartée. De même, l’optimisation numérique de la supply chain est un problème difficile qui ne peut pas être écarté non plus. L’optimisation de la supply chain nécessite des prévisions probabilistes, qui sont la conséquence directe de la gestion de futurs incertains. L’optimisation de la supply chain est également confrontée aux comportements plutôt contre-intuitifs générés par les optimisations numériques. Certains fournisseurs exploitent le désir de simplifier les choses et de les rendre faciles afin de vendre une pratique fantaisiste où tous les obstacles sont abstraits. Malheureusement, ces obstacles ne sont pas de simples formalités techniques : ils définissent ce qui a une chance de fonctionner réellement pour votre supply chain. L’incertitude doit être appréhendée d’un point de vue numérique approfondi. La gestion de la supply chain doit également reconnaître et accepter l’incertitude.

Faire confiance à l’interne

Si l’amélioration de la supply chain est importante pour votre entreprise, alors l’initiative nécessite la participation directe de votre direction de haut niveau. Trop souvent, les entreprises chérissent l’idée d’amélioration, mais confient ensuite le dossier à un ou deux stagiaires. Bien que nous ayons rencontré des stagiaires très intelligents, nous n’avons jamais vu une initiative de supply chain pilotée par un stagiaire aboutir. Nous n’avons rien contre les stagiaires, notez-le bien. Ils peuvent être intelligents, motivés, des penseurs originaux ; mais ils ne sont pas du tout ce dont votre entreprise a besoin pour conduire le changement dans sa supply chain. L’engagement de la direction de la supply chain de haut niveau devrait être une évidence, sinon les équipes ne mettront pas en œuvre. Les équipes n’ont généralement pas beaucoup de temps libre, voire pas du tout. À moins que la direction ne le précise, par sa participation directe, que l’initiative en cours est une priorité, alors l’initiative en cours n’est vraiment une priorité pour personne, sauf peut-être pour le pauvre stagiaire chargé du dossier.

La mort par la planification

La direction recherche des garanties, et en matière de garanties, rien n’est aussi bon qu’une feuille de route solide, avec des phases, des rôles et des livrables bien définis. Cependant, si l’histoire des logiciels nous a appris quelque chose, c’est que les plans prédéfinis ne survivent généralement pas à la première semaine de l’initiative. Parfois, ils ne survivent même pas au premier jour. En ce qui concerne l’optimisation de la supply chain, des choses inattendues continueront de se produire, et c’est quelque peu effrayant. Cependant, rigidifier l’initiative par une planification précise ne fait qu’aggraver les choses : l’initiative devient encore plus fragile face aux problèmes inattendus. Au lieu de cela, l’initiative devrait être rendue aussi résiliente que possible face à l’inconnu. La capacité à se remettre des problèmes est plus importante que la capacité à éliminer les problèmes dès le départ. Ainsi, la gestion de la supply chain devrait se concentrer sur la création d’une initiative agile plutôt que bien planifiée.

Découpler la prévision de l’optimisation

La perspective traditionnelle de l’optimisation de la supply chain sépare le processus de prévision du processus de prise de décision. Bien que cela puisse être réalisable d’un point de vue très technique en utilisant deux ensembles distincts d’algorithmes, l’un pour la prévision et l’autre pour l’optimisation ; d’un point de vue fonctionnel, l’équipe en charge de la prévision doit également être en charge de l’optimisation. En effet, la logique de prise de décision, ou en d’autres termes l’optimisation, est numériquement très sensible à la logique de prévision. Isoler les deux perspectives est une recette pour amplifier les défauts qui peuvent déjà exister au niveau de la prévision, créant ainsi le chaos dans les décisions qui en résultent. La logique d’optimisation devrait plutôt être aussi coopérative que possible avec les forces et les faiblesses de la logique de prévision.

Frankensteinisation des logiciels

Il est difficile d’obtenir un consensus dans les grandes entreprises. Par conséquent, alors que la majorité des parties prenantes impliquées dans la supply chain peuvent décider d’opter pour un fournisseur spécifique, une minorité peut rester inflexible en imposant leur propre vision, ou souhaiter opter pour certaines fonctionnalités d’un produit différent. Étant donné que la personnalisation des logiciels constitue une activité rentable pour les grands fournisseurs de logiciels, le fournisseur est trop souvent heureux de se conformer, ce qui fait gonfler les coûts et la valeur perçue dans le processus. Cependant, il faut des années pour écrire un bon logiciel, et lorsque cela est fait correctement, le résultat final représente un compromis bien ajusté entre des objectifs contradictoires. Le résultat final presque systématique de la sur-personnalisation des logiciels par les grandes entreprises est de supprimer les propriétés originales du produit et de le rendre non pas meilleur, mais pire, en ajoutant de plus en plus de couches, le transformant ainsi en un monstre. Il n’y a pas de pénurie de fournisseurs de logiciels. Si la solution ne convient pas à votre entreprise, passez à un autre fournisseur. Si aucun fournisseur ne convient à votre entreprise, alors soit votre entreprise est vraiment unique - ce qui est rare - soit vous devriez revoir vos exigences.

Initiatives basées sur des mots à la mode

Vers 2010, il était très à la mode dans le secteur de la vente au détail de savoir comment exploiter les prévisions météorologiques afin de peaufiner les prévisions de la demande. En 2012, il était très à la mode de prendre en compte les données des médias sociaux dans les prévisions de la demande. En 2014, le Big Data était dominant, pour être remplacé par l’apprentissage automatique en 2016. Chaque année apporte son lot de nouveaux mots à la mode. Bien qu’il n’y ait jamais beaucoup de mal à revisiter un vieux problème avec un regard neuf, bien au contraire, perdre de vue les défis fondamentaux est presque certain de mettre en danger toute initiative déjà entreprise. Si c’est trop beau pour être vrai, alors c’est probablement le cas. Les améliorations de la supply chain sont durement gagnées. Assurez-vous que toute nouveauté que vous souhaitez apporter se concentre vraiment sur les défis fondamentaux auxquels votre supply chain est confrontée.

Mauvaise exécution de l’informatique

L’informatique est trop souvent blâmée pour les échecs de projets. L’informatique est difficile - beaucoup plus difficile que la plupart des gens en dehors de l’informatique ne le réalisent jamais. Pourtant, il arrive aussi parfois que les équipes informatiques, par de bonnes intentions, créent tellement de friction à travers leurs processus que l’initiative est ralentie au point où le reste de l’entreprise abandonne tout simplement. Les équipes informatiques doivent non seulement accepter le changement dans le sens général, mais aussi accepter le type de changement qui ne compromet pas les futurs changements positifs. Plus facile à dire qu’à faire.

Méfiez-vous des mécanismes de défense de l’informatique

Étant donné que les équipes informatiques ont peut-être déjà été désignées comme boucs émissaires à plusieurs reprises dans le passé, lorsque certains projets d’entreprise ont échoué, elles ont peut-être développé certains “mécanismes de défense”. L’un des mécanismes de défense les plus courants consiste à demander des spécifications écrites détaillées pour chaque nouvelle initiative. Cependant, spécifier une solution logicielle tend à être plus difficile que de l’implémenter réellement. Par conséquent, cela revient à remplacer un problème complexe par un problème encore plus complexe. D’autres mécanismes de défense consistent à avoir une ligne dure de “exigences” telles que: le logiciel doit être situé sur site, le logiciel doit être compatible avec XYZ, le logiciel doit avoir des fonctionnalités de sécurité spécifiques, etc. Un bon logiciel prend des années à écrire. Une fois la longue liste des exigences rédigée, il ne reste généralement que deux types de fournisseurs de logiciels: ceux qui ne sont pas compatibles avec vos exigences et ceux qui mentent en prétendant être compatibles avec vos exigences.

Sous-estimer l’effort de données

Bien que cela puisse sembler paradoxal, les initiatives de la supply chain peuvent également échouer parce que l’informatique est trop impliquée dans la conception de la solution et se charge de préparer les données. En effet, étant donné que l’informatique est extrêmement complexe et peut donc inclure des individus plutôt talentueux, il peut également arriver que certaines équipes informatiques pensent qu’elles connaissent mieux l’entreprise que le reste de l’entreprise. La conséquence indésirable principale de cette façon de penser est une sous-estimation constante des défis liés à la manipulation des données de l’entreprise. Traiter les données de manière significative ne consiste pas à déplacer des mégaoctets de données d’un endroit à un autre. Il s’agit plutôt d’établir une compréhension subtile de la manière dont ces données reflètent les processus et les flux de travail de l’entreprise. Il s’agit également de comprendre les subtilités, les biais et les limites des données, tels qu’ils se produisent dans les systèmes de l’entreprise à un moment donné. Les équipes informatiques qui prennent en charge la préparation des données sont un moyen sûr de connaître des retards inattendus, car elles réalisent progressivement à quel point leur vision originale manquait de profondeur. En tenant compte de tout cela, l’option raisonnable consiste à déléguer ce rôle à quelqu’un en dehors du service informatique dès le départ.

La tentation de la plateforme extensible

En ce qui concerne les logiciels d’entreprise, il y a une chose que les fournisseurs ont maîtrisée: l’art d’être une plateforme “extensible” qui comprend de nombreux modules, qui représentent de nombreuses opportunités de vente incitative. Cependant, les plateformes ne fonctionnent pas bien ensemble et les chevauchements fonctionnels, c’est-à-dire deux plateformes qui concurrencent internement la même fonction au sein de votre entreprise, apparaissent très rapidement. Deux plateformes qui se chevauchent sont un cauchemar informatique pour toute entreprise et se traduisent généralement par des mécanismes de synchronisation difficiles à mettre en place et encore plus difficiles à maintenir. Ainsi, bien qu’il soit tentant d’opter pour une solution tout-en-un, l’option raisonnable consiste presque toujours à opter pour des applications spécifiques qui font une chose et la font bien. Gérer des dizaines d’applications spécifiques est simple, tandis que gérer deux grandes plateformes - avec des chevauchements fonctionnels tout aussi importants - est un enfer.

Extractions de données peu fiables

Les données sont comme le sang d’une initiative de Supply Chain Quantitative : arrêtez de les pomper et elle meurt. L’initiative doit être alimentée en données fraîches en permanence. Trop souvent, les services informatiques considèrent qu’effectuer quelques extractions ponctuelles de données suffira pour démarrer les choses. Après tout, il y a de fortes chances que cette initiative soit bientôt terminée - rappelez-vous, la plupart des initiatives de supply chain échouent - et donc, il est inutile de déployer trop d’efforts pendant cette phase initiale d’extraction de données. Cependant, en suivant cette ligne de pensée, la mise en place d’un processus automatisé d’extraction de données fiables est retardée, ce qui devient l’une des principales causes d’échec de l’initiative elle-même. Ici, les services informatiques doivent être proactifs et commencer à automatiser les extractions de données dès le premier jour. De plus, l’équipe informatique a également un rôle de coaching à jouer pour convaincre le reste de l’entreprise que cet effort supplémentaire est un facteur clé de succès pour l’initiative, et que l’option jetable pour l’extraction de données ne mènera nulle part.

Mauvaises recettes numériques

L’optimisation de la supply chain est principalement une question de chiffres. Naturellement, la vision de l’entreprise compte, le leadership compte, la discipline compte, mais notre expérience indique que la plupart des entreprises font plus qu’un travail correct dans ces domaines. Pourtant, en ce qui concerne les chiffres, il semble que l’ensemble du secteur de la supply chain soit envahi par de mauvaises recettes numériques. Tous les praticiens de la supply chain ne réalisent pas que toutes les formules et modèles - que nous appelons ici des recettes numériques - reposent sur des hypothèses assez strictes. Enfreignez l’une de ces hypothèses et la recette numérique s’effondre. Dans cette section, nous répertorions les contrevenants les plus courants à cet égard. Pour des raisons de concision, nous supposons que le lecteur est déjà familier avec les recettes elles-mêmes.

Analyse ABC

L’approche ABC pour la gestion des stocks a été conçue à une époque où les ordinateurs n’étaient pas une option pour piloter la supply chain. Le principal avantage de l’analyse ABC est qu’elle rend l’analyse si simple qu’elle peut être faite à la main. Cependant, compte tenu de la capacité de traitement déconcertante des ordinateurs modernes, l’utilisation de l’analyse ABC n’a plus de sens aujourd’hui. Il n’y a aucun avantage à classer des milliers de SKU dans 3 ou 4 classes arbitraires. Il existe un continuum complet entre le produit le plus vendu et la longue traîne. La logique qui optimise la supply chain devrait embrasser ce continuum, au lieu de nier son existence en premier lieu. En pratique, nous observons également que les effets négatifs de l’analyse ABC sont aggravés par les changements du marché qui entraînent des instabilités de classe, avec des produits qui changent de classe au fil du temps.

Stock de sécurité

Il n’y a pas de “stock de sécurité” dans votre entrepôt. Le “stock de sécurité” est un concept fictif qui divise le stock disponible en deux catégories de stock : le stock de travail et le stock de sécurité. D’un point de vue historique, le stock de sécurité a été introduit comme une façon simpliste de gérer la demande variable et les délais d’approvisionnement variables. Le stock de sécurité est modélisé sur la base de distributions normales - également appelées distributions gaussiennes. Cependant, un simple examen de presque tous les ensembles de données de la supply chain montre clairement que ni la demande ni les délais d’approvisionnement ne suivent une distribution normale. Au début des années 1980, lorsque les ordinateurs étaient encore très lents, les distributions normales pouvaient être un compromis valable entre la complexité et la précision, mais de nos jours, il n’y a aucune raison de s’accrocher à quelque chose qui a été conçu comme un “hack” pour faire face aux limitations des premiers ordinateurs.

Corrections manuelles des prévisions

Certains praticiens peuvent se vanter de pouvoir “battre le système” et générer de meilleures prévisions que ce que le système peut produire. Si tel est effectivement le cas, le système devrait être considéré comme dysfonctionnel et corrigé en conséquence, en exploitant généralement l’expérience et les connaissances du praticien. Optimiser une supply chain de grande envergure implique de générer des milliers, voire des millions, de prévisions par jour. Compter sur des saisies de données manuelles de la part des équipes de la supply chain pour pallier les lacunes du système ne devrait même pas être considéré comme une option valide pour l’entreprise. Étant donné les progrès réalisés en statistiques au cours des 20 dernières années, il n’y a aucune raison de penser que, avec les mêmes données d’entrée, un système automatisé ne peut pas surpasser un être humain qui, en réalité, n’aura pas plus de quelques secondes à consacrer à chaque chiffre à produire. Si l’être humain avait des jours à consacrer à chaque décision que l’entreprise doit prendre, la situation serait radicalement différente. Cependant, la grande majorité des décisions que la supply chain doit prendre au quotidien ne rentrent pas dans cette catégorie.

Alertes et surveillance des mauvaises prévisions

Les prévisions classiques mettent l’accent sur un seul avenir - c’est-à-dire des prévisions visant la moyenne ou la médiane -, comme si ce seul avenir allait se produire avec une probabilité significative. Pourtant, l’avenir est incertain et les prévisions sont approximatives au mieux. Dans certaines situations, les prévisions classiques sont tout simplement fausses. Fréquemment, l’entreprise supporte des coûts immenses en raison de ces erreurs de prévision importantes. En conséquence, des alertes sont mises en place pour suivre ces grandes erreurs. Cependant, le principal coupable n’est pas les prévisions elles-mêmes, mais la perspective de prévision classique qui met l’accent sur un seul avenir, alors que tous les futurs sont possibles, mais pas également probables. Du point de vue de la prévision probabiliste, les erreurs de prévision sont principalement connues à l’avance et sont représentées sous forme de distributions de probabilités, qui sont finement réparties sur une large gamme de valeurs possibles. Les prévisions probabilistes mettent l’accent sur une approche selon laquelle l’entreprise dérisque de manière proactive son activité de supply chain lorsqu’elle est confrontée à un degré plus élevé d’incertitude. En revanche, mettre des alertes sur les prévisions classiques est le symptôme d’une approche qui est défectueuse par conception, car elle nie toute incertitude.

Rapiéçage des données historiques

Lorsque des biais, tels que des ruptures de stock ou des promotions, sont identifiés dans les données historiques, il est tentant de “réparer” ces biais en modifiant les données historiques, de sorte que les données reflètent mieux à quoi aurait ressemblé l’historique sans le biais. Nous appelons ce processus le “rapiéçage” des données historiques. L’idée fondamentale derrière le rapiéçage est que tous les modèles de prévision sont conçus comme des variantes de la moyenne mobile. Si tout ce que vous avez, ce sont des moyennes mobiles, alors en effet, les données historiques doivent être ajustées pour tenir compte de ces moyennes mobiles. Pourtant, le rapiéçage n’est pas la solution. En réalité, la solution réside dans l’élargissement de l’horizon et la recherche de meilleurs modèles de prévision qui ne sont pas aussi dysfonctionnels que la moyenne mobile peut l’être. De meilleurs modèles statistiques doivent être utilisés pour gérer avec succès des données historiques “enrichies”, où les biais eux-mêmes sont traités comme des entrées de données. Bien que de tels modèles statistiques n’étaient peut-être pas disponibles il y a des décennies, ce n’est définitivement plus le cas.

Les délais de livraison comme citoyens de seconde classe

Pour des raisons qui ne nous sont pas entièrement claires, les délais de livraison sont trop souvent considérés comme une donnée donnée plutôt que comme quelque chose qui nécessite sa propre prévision. Les délais de livraison futurs sont incertains et presque toujours, la meilleure façon d’estimer de manière fiable les délais de livraison futurs est d’utiliser les délais de livraison observés dans le passé. Ainsi, les délais de livraison nécessitent leur propre prévision. De plus, les implications de la chaîne d’approvisionnement des estimations correctes des délais de livraison sont beaucoup plus importantes que ce que de nombreux praticiens réalisent : les quantités détenues en stock sont précisément là pour couvrir la demande pour un délai de livraison donné. Modifiez les délais de livraison et les quantités de stock changent également. Par conséquent, les prévisions des délais de livraison ne peuvent pas être reléguées au rôle de citoyen de seconde classe dans vos efforts de supply chain. Presque tous les plans de supply chain mettent l’accent sur la nécessité de prévisions précises de la demande, mais notre expérience indique que, dans la pratique, les prévisions précises des délais de livraison sont tout aussi importantes.

Pseudo-science

La pseudo-science présente toutes les caractéristiques de la science : elle semble rationnelle, elle est accompagnée de chiffres, on prétend qu’elle est prouvée et des personnes très instruites défendent son cas. Cependant, la pseudo-science ne résiste pas à l’épreuve de la reproductibilité des résultats. En général, il n’est même pas nécessaire de mettre en place une expérience pour détecter la pseudo-science, et les matériaux pseudo-scientifiques commencent à se déliter sous l’examen attentif d’une expertise impartiale. Les chaînes d’approvisionnement sont coûteuses à exploiter et complexes à comprendre. Ces deux attributs expliquent à eux seuls pourquoi les méthodologies de la supply chain sont assez difficiles à remettre en question : non seulement les expérimentations comportent beaucoup de risques, mais il est également difficile d’évaluer correctement ce qui contribue réellement à une amélioration perçue.

Cas d’entreprise fantaisistes

Les solutions de la chaîne d’approvisionnement ne sont certainement pas le seul domaine des logiciels d’entreprise où les fournisseurs font des affirmations audacieuses, mais comme le dit le vieil adage : si cela semble trop beau pour être vrai, c’est probablement le cas. Nous avons nous-mêmes observé que pratiquement chaque mois de janvier lors du salon NRF à New York, l’un des plus grands salons de la vente au détail au monde, qui existe depuis plus d’un siècle maintenant. Nous repérons souvent un très grand fournisseur qui prétend avec audace que les niveaux de stock peuvent maintenant être réduits de moitié, grâce à leur nouvelle solution. Si seulement 1/10 de ces affirmations étaient vraies, l’ensemble de l’industrie aurait atteint des niveaux de stock presque parfaits il y a une décennie. Il y a tellement de façons de manipuler les chiffres des cas d’entreprise que la plupart des fournisseurs ne mentent même pas réellement. Le cas le plus courant est que l’entreprise présentée comme le “modèle” pour la solution avait une chaîne d’approvisionnement massivement dysfonctionnelle au départ, et donc des chiffres d’amélioration tout aussi massifs étaient possibles à obtenir, une fois que les choses étaient revenues à la normale un an plus tard.

Faites confiance à l’équipe commerciale pour les prévisions

Il reste un mystère de savoir si les personnes qui confient à leurs équipes commerciales la tâche de produire des chiffres de prévision de la demande précis ont déjà travaillé avec une véritable équipe commerciale auparavant. Dans le meilleur des cas, ces chiffres peuvent être considérés comme une estimation honnête, mais le plus souvent, ils sont simplement inventés par l’équipe commerciale qui essaie de manipuler les incitations financières qui leur sont données. Cela donne lieu à la pratique répandue connue sous le nom de “sandbagging”, où tout le monde fixe ses objectifs aussi bas que possible afin de dépasser les attentes plus tard. De plus, nous avons des équipes de chaîne d’approvisionnement qui prétendent souvent prêter attention à ces chiffres, alors que les opérations réelles restent totalement séparées des données fournies par les ventes. Ignorer les chiffres suggérés par l’équipe commerciale est la seule option raisonnable, car la chaîne d’approvisionnement cesserait de fonctionner si elle devait réellement fonctionner sur la base de chiffres aussi médiocres.

Solutions éprouvées

Rechercher une solution éprouvée qui a réussi à apporter des avantages tangibles à une entreprise très similaire à la vôtre peut sembler une perspective très rationnelle. D’un point de vue anecdotique, c’est exactement ce que Nokia a fait, et de nombreuses autres entreprises, jusqu’à ce qu’elles disparaissent. La plupart des grandes entreprises ne réagissent pas aussi rapidement lorsqu’il s’agit de choisir une solution complexe. Le processus de sélection du fournisseur peut facilement prendre jusqu’à 1 an. Ensuite, atteindre la vitesse de croisière avec la solution choisie peut prendre encore un an. La surveillance et la confiance dans les résultats peuvent prendre 1 ou 2 années supplémentaires ; surtout pour les chaînes d’approvisionnement où toutes les solutions ne sont pas durables, et où la chaîne d’approvisionnement peut rapidement revenir à l’état de performance précédent une fois que le fournisseur n’est plus constamment présent sur place pour ajuster la solution. Ensuite, il peut encore falloir 1 an de plus pour que le fournisseur de la solution atteigne finalement votre entreprise avec cette preuve durement acquise. Le défaut fatal de cette ligne de pensée est que votre entreprise peut se permettre d’arriver à la fête 5 ans plus tard. En ce qui concerne les logiciels, 5 ans, c’est très long. La plupart des logiciels sont considérés comme obsolètes d’ici la 5e année ; pourquoi votre solution de chaîne d’approvisionnement serait-elle différente ?

Mauvaises métriques, mauvais repères

La Supply Chain Quantitative repose sur des chiffres fiables. Par conséquent, nous avons tendance à accorder une grande importance aux métriques et aux repères. Cependant, nous constatons que, dans la supply chain, la grande majorité des repères et des métriques sont si mal conçus qu’ils sont généralement considérés comme de la pseudo-science dans notre domaine. De bonnes métriques de supply chain nécessitent beaucoup d’efforts. De bons repères de supply chain nécessitent une quantité d’efforts presque insensée. Trop souvent, les métriques et les repères sont simplifiés à l’excès au détriment de leur pertinence réelle pour l’entreprise. En règle générale, si l’établissement d’un repère ne semble pas être une tâche incroyablement difficile pour vos équipes de supply chain, il y a de fortes chances que le défi soit largement sous-estimé.