Alta dirección: Ciencia de datos en la cadena de suministro
La alta dirección necesita contar con información relevante para poder tomar decisiones acertadas en la gestión de la cadena de suministro. No es fácil asegurar un nivel de servicio superior al de la competencia, y a la vez contar con una alta rotación del capital de trabajo. En este sentido, la ciencia de datos (data science) puede ser una aliada invaluable.
Ahora bien, ¿qué herramientas usar? ¿en qué casos conviene implementar algoritmos de aprendizaje de máquina (machine learning)? ¿en qué situaciones conviene aprovechar ecuaciones ya documentadas como mejores prácticas en la gestión de la cadena de suministro?
En nuestra práctica conocida como Advanced Retail and Supply chain Analytics (ARSA) nos guiamos por los siguientes principios:
– Aplicar ecuaciones conocidas siempre que los supuestos sobre los cuales se sustentan sean válidos en la cadena se suministro que se quiere optimizar.
– Aplicar herramientas de ciencia de datos, como los algoritmos de aprendizaje de máquina o métodos estadísticos, cuando no se cumplan los supuestos sobre los cuales se sustentan las ecuaciones conocidas, o bien cuando éstas no existan.
Para el análisis de los inventarios de cada producto en cada nodo de la cadena de suministro, por ejemplo, se comparan las posiciones de inventario reales con aquellas sugeridas por ecuaciones conocidas. Por el contrario, se aplican algoritmos de aprendizaje de máquina para analizar el comportamiento del consumidor en los puntos de venta.
Dr. Héctor D. Debernardo.