Le Supply Chain Scientist
La Supply Chain Quantitative redéfinit la façon dont les supply chains peuvent être optimisées avec des logiciels plus performants, généralement pilotés par l’apprentissage automatique, et avec des logiciels plus évolutifs, alimentés par une infrastructure Big Data. Cependant, au cœur de tout projet de Supply Chain Quantitative, il y a le Supply Chain Scientist qui exécute la préparation des données, la modélisation économique et le reporting des KPI. Le Supply Chain Scientist offre une intelligence humaine amplifiée par l’intelligence artificielle. L’automatisation intelligente des décisions de la supply chain est le produit final du travail effectué par le Supply Chain Scientist.
L’Humain et la Machine
Améliorer les performances de la supply chain nécessite une compréhension approfondie de la stratégie commerciale. Les ruptures de stock peuvent être extrêmement coûteuses, comme c’est le cas dans l’aérospatiale par exemple, ou simplement courantes, comme c’est le cas avec les produits frais. Réaliste-ment, aujourd’hui, alors que les algorithmes intelligents peuvent gagner contre les champions d’échecs ou de Go, même les machines les plus intelligentes sont encore à des décennies de pouvoir établir une feuille de route stratégique pour la supply chain de votre entreprise. Ainsi, établir une configuration entièrement pilotée par la machine pour piloter votre supply chain reste de la science-fiction.
Cependant, les algorithmes intelligents et les algorithmes d’apprentissage automatique sont devenus incroyablement performants pour résoudre des problèmes bien définis, étroits et répétitifs. La Supply Chain Quantitative exploite ces capacités logicielles modernes : elle utilise l’intelligence humaine pour cadrer le problème, éliminer les ambiguïtés et mettre en place le workflow répétable ; puis, elle laisse la machine prendre le relais lorsqu’il s’agit de générer les décisions étendues mais routinières de la supply chain dont votre entreprise a besoin chaque jour pour continuer à fonctionner.
La Supply Chain Quantitative ne vise pas à éliminer les connaissances humaines de l’équation. Bien au contraire. La Supply Chain Quantitative vise à ramener les connaissances humaines là où elles ont le plus d’impact : les questions stratégiques. C’est précisément en libérant le personnel de la supply chain des tâches routinières et répétitives que la Supply Chain Quantitative leur rend leur liberté. Elle permet aux équipes de concentrer leurs efforts sur les problèmes stratégiques, au lieu d’être bloquées par les détails opérationnels.
Le rôle du Supply Chain Scientist
Le rôle du Supply Chain Scientist est de “traiter” les données, de prendre en compte toutes les variables économiques dans la logique et d’automatiser la génération des décisions de la supply chain. Le Supply Chain Scientist est également responsable de la mise en œuvre et du suivi des KPI, élaborés en collaboration avec la gestion de la supply chain, qui sont utilisés pour évaluer les performances de l’initiative de Supply Chain Quantitative elle-même.
Au début de l’initiative, pendant la phase de définition, le Supply Chain Scientist est responsable de s’assurer que le problème à résoudre est bien défini, que les ambiguïtés sont, sinon résolues, du moins clairement identifiées comme telles. En particulier, le Supply Chain Scientist est responsable d’établir une image claire de l’automatisation prévue. Selon le contexte, l’automatisation peut être destinée à générer des commandes d’achat, des mouvements de stocks, des rebuts de stocks, etc.
Pendant la phase de préparation des données, le Supply Chain Scientist doit s’assurer que toutes les données pertinentes sont correctement extraites des systèmes informatiques de l’entreprise. Bien que le Supply Chain Scientist reçoive généralement l’aide du personnel informatique pour exécuter l’extraction des données elle-même, c’est lui qui est responsable de donner un sens aux données. Établir la sémantique précise des données, du point de vue de la supply chain, revêt une importance cruciale. Transformer les données brutes du système en données préparées, prêtes à être traitées par un algorithme d’apprentissage automatique, nécessite un effort considérable. Cette responsabilité incombe à nouveau au Supply Chain Scientist.
Pendant la phase d’intégration, les chiffres produits par l’automatisation sont remis en question par les praticiens de la supply chain. À cette phase, les praticiens découvrent souvent des cas particuliers où l’automatisation ne fonctionne pas correctement. Par conséquent, il incombe au Supply Chain Scientist de résoudre ces cas particuliers. Cependant, il arrive également que les chiffres “étranges” soient en réalité les chiffres corrects, mais divergent des habitudes passées non optimales des praticiens de la supply chain. Le Supply Chain Scientist a la responsabilité d’éclairer de telles situations et de convaincre les praticiens de la supply chain que ces chiffres ne constituent pas un problème, mais qu’ils sont plutôt un ingrédient clé de la solution.
Enfin, une fois que la solution est en production, le Supply Chain Scientist surveille les performances de l’automatisation et identifie ses faiblesses. Il est responsable de l’amélioration continue de la solution. Souvent, une logique améliorée nécessite de meilleures données ou plus de données, ce qui à son tour nécessite des changements dans les processus opérationnels de la supply chain. Le Supply Chain Scientist quantifie les gains attendus liés à l’amélioration des données et élabore des cas d’affaires spécifiques afin de proposer le changement à la gestion de la supply chain.
Les compétences du Supply Chain Scientist
Le Supply Chain Scientist est à la fois un data scientist et un expert en supply chain. Cette double compétence est essentielle pour réussir à fournir une solution qui répond aux attentes initiales. L’expertise en supply chain est essentielle pour s’assurer que le Supply Chain Scientist a une compréhension approfondie des défis à relever. Un manque de compréhension des défis de la supply chain met le projet en danger de construire une “solution” qui n’est pas alignée sur les besoins de la supply chain. Les délais d’approvisionnement variables, les quantités minimales de commande (MOQ), les coûts du transport aérien par rapport au transport maritime, l’analyse multi-échelons… sont autant d’aspects qui doivent être maîtrisés par le Supply Chain Scientist. Plus précisément, pour remplir le rôle de Supply Chain Scientist, il faut non seulement une compréhension approfondie des éléments eux-mêmes, mais aussi des relations entre eux. Par exemple, comment les MOQ influencent les délais d’approvisionnement.
L’expertise en data science est essentielle pour, d’une part, réaliser des évaluations quantitatives qui exploitent les données historiques, et d’autre part, mettre en œuvre la logique qui automatise entièrement le processus de prise de décision fastidieux. Un manque de maîtrise de la programmation met toute initiative en danger de retards excessifs et de résultats numériques hasardeux. La programmation est à la fois une compétence et un art. Les défis de la supply chain sont incroyablement complexes. Le Supply Chain Scientist est capable de mettre en œuvre une solution suffisamment simple pour être durable, mais suffisamment précise pour fournir les performances de la supply chain souhaitées.
Enfin, le rôle de Supply Chain Scientist nécessite également des compétences de communication supérieures à la moyenne. De bonnes compétences en rédaction sont importantes pour produire une documentation de haute qualité décrivant l’initiative de la Supply Chain Quantitative elle-même. En effet, les supply chains sont toutes basées sur des compromis - par exemple, des MOQ plus petits par rapport à des prix d’achat plus bas - et trop souvent, ces compromis ont tendance à rester non documentés pour la plupart. La Supply Chain Quantitative exige que ces compromis soient documentés et quantifiés. La responsabilité de cette tâche incombe au Supply Chain Scientist. De bonnes compétences verbales sont nécessaires pour engager un dialogue constructif avec les praticiens de la supply chain lors de la phase d’intégration, d’autant plus que les équipes de la supply chain doivent être convaincues de la validité de la nouvelle approche.
Les Supply Chain Scientists chez Lokad
Chez Lokad, la compétence en science de la supply chain a progressivement émergé au cours de la dernière décennie (Lokad a été fondée en 2008). Bien que Lokad ait commencé comme une entreprise purement logicielle, nous avons réalisé que l’excellence en supply chain nécessitait d’avoir une équipe Lokad dédiée pour agir en première ligne face aux véritables défis de la supply chain. Le personnel traditionnel de “support logiciel” n’était pas du tout suffisant pour apporter des solutions satisfaisantes aux entreprises, car cela nécessite une compréhension approfondie de nombreux défis de la supply chain différents, et non seulement une compréhension approfondie de la technologie de Lokad.
Établir et développer une compétence en science de la supply chain est difficile. Par conséquent, de nombreuses entreprises s’appuient sur Lokad pour remplir le rôle de Supply Chain Scientist dans le cadre de leur propre initiative de Supply Chain Quantitative. Dans ce cas, Lokad propose une solution logicielle+expert, où un Supply Chain Scientist est assigné au cas et commence à orchestrer toute l’initiative. Cette approche soulage les entreprises de la nécessité d’établir immédiatement leur propre compétence en science de la supply chain. Externaliser cette compétence a du sens tant pour les petites que pour les grandes entreprises. Pour les petites entreprises, les coûts de le faire en interne sont tout simplement trop élevés. Pour les grandes entreprises, il s’agit principalement d’accélérer le rythme du changement au sein de leur supply chain.
Les profils de candidats sélectionnés par Lokad pour ses équipes de science de la supply chain sont généralement des profils d’ingénieurs avec des diplômes de Master. Bien que les Supply Chain Scientists de Lokad soient familiers avec la programmation, ils ne sont généralement pas des développeurs de logiciels. Leur mélange de compétences est plutôt varié et comprend la plupart des fondamentaux de l’ingénierie : la capacité à modéliser des problèmes industriels, à établir un processus, à rendre ce processus performant et fiable, à communiquer avec la direction, etc. En raison de la nature même des défis de la supply chain de Lokad, nous avons tendance à sélectionner des profils qui maîtrisent les mathématiques et les statistiques, car ces deux domaines sont essentiels pour la résolution quantitative de la plupart des défis de la supply chain.
Le développement de cette compétence en science de la supply chain est un processus en constante amélioration chez Lokad. Et comme Lokad remplit le rôle de Supply Chain Scientist pour de nombreuses entreprises de différents secteurs, nous avons acquis une connaissance institutionnelle significative dans ce domaine. De plus, lorsque de nouveaux recrutements rejoignent Lokad, leur formation consiste à être exposés à des situations de supply chain diverses, dans plusieurs secteurs, afin d’accélérer le processus d’apprentissage et d’atteindre des niveaux de compréhension plus profonds.
Contenu connexe
