Voorraadmanagement ondergaat stevige verandering door Big Data

Dankzij de ruime beschikbaarheid van real-time data staan we op het punt van een grote revolutie op het gebied van voorraadmanagement. Om de concurrentie voor te blijven moeten we efficiënt gebruik maken van deze data en moeten managers hun supply chain proces opnieuw inrichten.

Dit stelt logistiekprofessor Morris Cohen op de website van Harvard Business Review. 

Volgens Cohen werd voorraadmanagement in het verleden alleen gebaseerd op traditionele historische data als verkopen of voorraadtekorten. Tegenwoordig kan er veel meer (online) data realtime worden meegenomen zoals orders en klantreviews. Bovendien kan er via portals in de cloud ook informatie van leveranciers toegevoegd worden.  Deze informatie kan door systemen gebruikt worden die waken over het bestellen en distribueren van producten, zegt Cohen. 

De professor legt uit dat dankzij machinaal leren en het optimaliseren van algoritmen patronen, correlaties en relaties tussen data-elementen kunnen opsporen en daarop kunnen kapitaliseren. Hierdoor kunnen er beter geïnformeerde beslissingen met betrekking tot de supply chain gemaakt worden. Deze algoritmen kunnen ‘getraind’  en getest worden door gebruik te maken van historische data en vervolgens verder ontwikkeld worden op basis van actuele gegevens. 

Hierdoor verandert volgens Cohen het traditionele paradigma voor supply chain management. Dit traditionele paradigma is erop gericht op om geavanceerde gereedschappen te ontwikkelen waarmee accurate schattingen gemaakt kunnen worden van de toekomstige vraag en de onzekerheid van deze toekomstige vraag. Deze voorspellingen worden vervolgens gebruikt als input voor een optimaliseringsprobleem waarin de onzekerheden worden afgewogen en vervolgens tot een besluit over de aan te houden voorraden leiden. Deze tweetrapsraket wordt in de ogen van Cohen vervangen door een proces waar in een stap wordt gezocht naar de beste relatie tussen alle beschikbare data en de genomen beslissingen. Op basis van het verleden kan de “best mogelijke relatie”  tussen factoren worden gekozen. Doordat het probleem van de toekomstige schattingen in dit model zijn opgelost rollen er betere beslissingen uit dan in het tweestapsmodel waarin eerst werd geschat en daarna geoptimaliseerd. Bovendien wordt er in het nieuwe model veel relevante data beoordeeld die voorheen werd genegeerd. Dit leidt volgens Cohen dan ook tot betere operationele prestaties.