• Skip to primary navigation
  • Skip to main content

Stratis

Stratis

  • hu
  • Rólunk
  • Kulcsemberek
  • Szolgáltatások
    • Vezetési és üzleti tanácsadás
    • IT menedzsment
    • Információ- és adatmenedzsment
    • Komplex, üzletileg kritikus projektek szakmai menedzsmentje
  • Adatvezérelt megoldások
    • Ipari megoldások
    • A.N.I.T.A.
    • Anomália felderítés
  • Referenciák
  • Karrier
    • Pozíciók
    • Kiválasztási folyamat
  • Blog
  • Kapcsolat

Modern ellátási láncok, avagy kereslet előrejelzés és tervezés adat alapokon

Már az elmúlt két évben tapasztalt globális ellátási problémák előtt is nyilvánvaló volt, hogy a vállalatoknak korszerűsíteniük kell az ellátási láncaikat és az azokat támogató IT rendszereiket. A nemzetközi értékesítés területén, a járvány hatására kialakult problémák és az egyre komplikáltabb ellátási rendszerek még arra is kényszerítik a vállalkozásokat, hogy megreformálják a kereslet-előrejelzésre és tervezésre használt eszközeiket. A korszerűsítés tehát elkerülhetetlen, azonban a vállalatok csak nagy nehezen képesek megtenni az első lépést. De vajon mi lehet ennek az oka? 

A McKinsey egy teljes kutatást szentelt a témának 2021-ben, melynek eredményeit és a belőlük levont következtetéseket az alábbi cikkünkben szeretnénk összefoglalni.  

 

Fejlesztések: középpontban az adat és a mesterséges intelligencia 

A technológiai újításokra nyitott, digitalizációban élenjáró vállalatok elkezdték beemelni működési folyamataikba az olyan újgenerációs megoldásokat, mint a mesterséges intelligencia, a gépi tanulás vagy az adatelemzés, melyek felgyorsítják a döntéshozatalt és egyben képesek „kitaposni” az utat az ellátási lánc automatizálása felé. 

Bizakodásra ad okot, hogy a megkérdezett ellátási lánc vezetők 90%-a számol az új informatikai megoldások bevezetésével a következő 5 évben, 5-ből 4-en pedig szeretnék, vagy már élvezik is a mesterséges intelligencia és a gépi tanulás nyújtotta előnyöket a tervezési folyamatok során.  

 

Miért olyan nehéz korszerűsíteni az ellátásilánc-tervezést támogató rendszereket? 

A modern technológia nyújtotta előnyök ellenére sokan még mindig ragaszkodnak a manuális, divatjamúlt eljárásokhoz. Példának okáért, az ellátási láncok folyamatainak háromnegyede még mindig a legegyszerűbb módszeren alapul: táblázatkezelő programon (excel). Továbbá a megkérdezettek fele vallotta azt, hogy az SAP tervező rendszerét (SAP APO) alkalmazza, melynek támogatását a tervek szerint a szoftvercég 2027-ben megszűnteti.  

Bár az újítások számos előnnyel járnának, általában a vállalatok többsége a költségek és az új rendszerre való átállás hosszú ideje miatt mégis megragad a régi rendszerek mellett. Természetesen a folyamat ideje attól is függ, hogy milyen komplex az adott cég ellátási lánca. Azonban elmondható, hogy egy új rendszer bevezetése, a beszállító kiválasztásától az üzembehelyezésig akár 3 évig is eltarthat. 

Ennek ellenére szinte mindenki tisztában van vele, hogy az innováció elengedhetetlen, a válaszadók 90%-a tervezi az új informatikai megoldások bevezetését, – melyek között nem meglepő módon a mesterséges intelligencia és a gépi tanulás szerepel az első helyen – 23%-uk pedig már meg is tette.  

 

Hogyan hidalhatók át az új ellátásilánc-tervezést támogató szoftverek bevezetése során felmerülő problémák? 

Nem kérdés tehát, hogy a modern rendszerek hatékonyabbá és felkészültebbé tehetik az ellátási láncokat, de a szükséges informatikai implementációk az eredeti tervtől eltérően sok esetben több pénzt és időt emészthetnek fel, ráadásul az üzleti célok elérését sem az elvárt mértékben segíthetik. 

Ezt elkerülendő, 3 fontos tényezőt érdemes szem előtt tartania minden vállalatnak az ellátásilánc- tervezést támogató szoftverek kiválasztása során: 

 

1. A folyamatok újragondolása 

Az automatizáció természetesen nem jelent megoldást minden problémára. A vállalatoknak ezért először meg kell határozniuk az elérni kívánt céljaikat, majd időt kell szánniuk arra, hogy megvitassák, egy új szoftverre való átállás milyen mértékben járulna hozzá a terveik megvalósításához. Továbbá el kell még dönteniük azt is, hogy az ellátási lánc melyik részeit kívánják fejleszteni.  

 

2. A beszállító kiválasztása 

  • A rendszerrel szemben támasztott követelmények meghatározása 
  • Az új szoftver értékelési szempontjainak részletes kidolgozása 
  • A 2-3 legfontosabb felhasználási eset demonstrálása a beszállító által 

 

3. Implementációs roadmap kidolgozása 

A McKinsey felmérése szerint az egyik legnagyobb problémát a szoftver hosszadalmas implementációja okozza. Így mindenképp szükséges egy előre kidolgozott, részletes ütemterv, mely elősegíti az egyes funkciók bevezetésének priorizálását.  

A fentieket olvasva egy új ellátásilánc-tervezés támogató szoftver bevezetése kicsit ijesztőnek tűnhet. A megfelelő hozzáállással azonban sikerre vihető a folyamat. A potenciális előnyök pedig magukért beszélnek: jobb tervezhetőség, rendszerek, melyek kielégítik a vállalat igényeit, végül pedig egy felkészültebb és hatékonyabb ellátási lánc.  

 

A fentieket olvasva Ön is szívesen elindulna a fejlődés útján? Cégünk adatelemzésre épülő megoldásaival könnyedén megvalósíthatja elképzeléseit, keressen minket bizalommal! 

Következő cikkünkben bemutatjuk a keresletelőrejelzésre kifejlesztett gépi tanulás alapú megoldásunkat. 

Forrás: McKinsey & Company 

Kapcsolat

Rólunk

  • Cégismertető
  • Kulcsemberek
  • Adatvédelmi tájékoztató

Szolgáltatások

  • IT menedzsment
  • Információ és adatmenedzsment
  • Komplex, üzletileg kritikus projektek szakmai menedzsmentje
  • Vezetési tanácsadás

Iparág / Referenciák

  • Bankok
  • Biztosítók
  • Egészségügy
  • Közigazgatás
  • Távközlés

Karrier

  • Pályakezdők, frissdiplomások
  • Tapasztalt szakemberek
  • Kiválasztási folyamat

Közbeszerzés

  • Közbeszerzési projektek
Széchenyi Terv 2020

Stratis Vezetői és Informatikai Tanácsadó Kft. - Minden jog fenntartva.
1037 Budapest, Szépvölgyi út 139. Tel: +36-1-454-1900 Fax: +36-1-454-1901 Email: info@stratis.hu

We use cookies on our website to give you the most relevant experience by remembering your preferences and repeat visits. By clicking “Accept”, you consent to the use of ALL the cookies.
Cookie settingsACCEPT
Manage consent

Privacy Overview

This website uses cookies to improve your experience while you navigate through the website. Out of these, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may affect your browsing experience.
Necessary
Always Enabled
Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
Non-necessary
Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.
SAVE & ACCEPT