De challenges voor supply chain analysts in 2020

Welke uitdagingen kunnen supply chain analysts in 2020 verwachten? Wat staat er komend jaar zeker in hun agenda? In onze vorige publicatie hebben we het gehad over Challenges of Supply Chain Leadership. We zien dat supply chain analysten zich focussen op bepaalde topics, die gerelateerd zijn aan de issues die in dat artikel naar voren kwamen. In deze Insight kijken we naar de Top-8 Challenges voor supply chain analysts en de vaardigheden die zij daarbij nodig hebben.

Download deze content


.

Rising stars

De belangrijkste supply chain analytics onderwerpen kunnen we globaal onder verdelen in vier categorieën: Costs, Service, Volatility & Planning Issues (gerelateerd aan structuur). Bovenaan op die lijst zien we analyses op het gebied van Customer Performance, Footprint & Alignment en Production & Sourcing Optimization. Onderwerpen die we ook kunnen terugvinden op de agenda voor Supply Chain Leadership. Wat daarnaast opvalt, is het belang van Root Cause Analysis (RCA). Een krachtige en grondige analysemethode gericht op het identificeren van de (grond)oorzaak van het probleem.

Data Driven Forensics

Met de enorme volatiliteit (beweeglijkheid) van de markt en de daarmee samenhangende issues, wordt dit type probleemanalyse steeds belangrijker. Data driven onderzoek naar de basisoorzaak van een probleem wordt ook wel Data Driven Forensics genoemd. Dit is dus een essentiële vaardigheid voor analysten. Naast het toegenomen belang van dergelijke Root Cause Analysis’ zien we een opmerkelijke toename aan Cost to Serve analyses. Zorgen voor inzicht en grip op alle gemaakte kosten om een product of dienst te vervaardigen, distribueren, verkopen en vermarkten, ook wel Costs per Customer.

.
Top 8 challenges for the supply chain analyst in 2020
.

.

Vaardigheden van de moderne supply chain analyst

Om Supply Chain Leadership te ondersteunen en antwoord te kunnen geven op de top issues in supply chain management, is een bepaalde set aan vaardigheden noodzakelijk. Supply chain analysten krijgen te maken met steeds complexere organisaties en omgevingsfactoren. Ze zullen (nog meer) moeten kunnen experimenteren, hypotheses testen en verbanden kunnen leggen tussen de beschikbare data. Over het algemeen betekent dit dat zij creatiever moeten leren denken en kijken naar de mogelijkheden. Waarbij zij de (strategische) bussiness question moeten vertalen naar heldere en praktische vragen over de aanwezige data.

Required skills supply chain analysts
.

Data Management, Querying & Analysis (1)

Op de eerste plaats moeten supply chain analysten kunnen werken met grote data sets en de juiste tools om deze data sets te bewerken. Het kunnen opschonen, valideren en effectief bewerken van deze sterk groeiende data sets zijn daarbij essentiële vaardigheden.

Statistics and programming (2)

Op de tweede plaats staat het statistisch kunnen programmeren met Python en R. Dit wordt in 2020 alleen nog maar belangrijker. Deze tools moet je als supply chain analyst onder de knie hebben om goede analyses te kunnen doen. Een sterke kwantitatieve benadering hebben, is dan ook onderdeel van je basis skills als data analyst, hoewel je – afhankelijk van je functie en takenpakket – een specifiek niveau aan wiskundig inzicht nodig zult hebben. Op z’n minst moet je als professional hiervoor de basisstatistieken onder de knie hebben.

Basics Excel (3)

Het derde talent klinkt misschien wat vreemd. Het gaat namelijk over de uitbreiding van vaardigheden in Excel en Access. Ondanks dat beide programma’s steeds minder relevant leken te worden, is het nog steeds van wezenlijk belang om een master in Excel te zijn. Reeds in 2011 zei, LaValle et al. 2011, dat een organisatie moet ‘optellen’ in plaats ‘aftrekken’. Zorg dus dat je je huidige vaardigheden (zoals met Excel) behoudt en voeg daar steeds nieuwe aan toe. Tegelijkertijd zul je nieuwe tools (Hadoop, Hive, Pig, Impala, Python, R, etc.) moeten blijven toevoegen aan je skills list. Deze geavanceerde modellerings- en visualisatietools worden van steeds grotere waarde. En tegelijkertijd moet je er rekening mee houden dat nog steeds veel organisaties gebruikmaken van spreadsheets, PowerPoints and charts.

Machine Learning and AI (4)

Machine Learning en Artificial Intelligence (AI) zijn de hype al ver gepasseerd en behoren inmiddels tot de technieken, die je als supply chain analyst moet leren toepassen. Je zult zien dat ze steeds meer als standaard ingezet worden in de supply chain business. Ook komen we steeds meer succesvolle applicaties tegen op supply chain gebied. Met als voordeel dat meer en meer analytische taken kunnen worden ‘gedelegeerd’ aan deze intelligente systemen, die niet alleen eenvoudig patronen kunnen herkennen in data, maar ook leren van hun ervaringen en zo hun eigen prestatie verbeteren. Deze trend zal de rol van de supply chain analyst sterk gaan beïnvloeden, zelfs veranderen. Meer dan ooit zal het de taak van de analyst worden om dergelijk AI-tools op de juiste manier in te leren zetten en een goede aanpak te definiëren, terwijl machines de meer routinematige en repeterende aspecten van data-analyse gaan overnemen.

Visualization and Presenting (5)

Ten slotte is het (nog steeds) cruciaal om je verhaal goed te presenteren en visualiseren. Als data analyst zul je altijd een helder verhaal moeten kunnen vertellen op basis van alle data en onderzoeksresultaten op een informatieve en met name begrijpelijke manier overbrengen aan de opdrachtgever. Hierbij maak je effectief gebruik van graphics, diagrammen en dashboards. Een vaardigheid waarbij je waarschijnlijk ook programming of business intelligence tools inzet.

Final remarks

Already in 2011 LaValle, et al. (2011) mentioned that a company should add, don’t detract. Keep existing capabilities and add new ones is an important remark. In this time transition new tools (Hadoop, Hive, Pig, Impala, Python, R, etc.) should supplement the ones still there. These sophisticated modeling and visualization tools will soon provide greater business value than ever before. This is still very true. Many companies still heavily rely on spreadsheets, powerpoints, and charts.

Hierna verschijnt: “Top 10 supply chain related technology to invest in”.

Bronnen
Als vertrekpunt hebben we gekeken naar het onderzoek van Mahajan&Saha (2017), LaValle et al. (2018), Butner, K, (2018), Furr&Shipilov (2019) en Klickman (2018). Op basis daarvan hebben we inzichten toegevoegd komend uit eigen onderzoek onder supply chain analysten die wij de afgelopen Jaren hebben getraind. Ik ben me ervan bewust dat dit in principe geen wetenschappelijk basis is, maar het leverde ons wel een zeer goede indicatie op van de meest belangrijke supply chain onderwerpen op de agenda van data analysten.
.

  • Glickman, R, (2018), 7 Key Data Analyst Skills for the Future, Treasure Data Blog.
  • Furr, N., Shipilov, A., (2019), Digital Doesn’t Have to Be Disruptive, The best results can com from adaptation rather than reinvention, Harvard Business Review, July-August, 2019.
  • Butner, K, (2018), New Rules for a New Decade, a vision for smarter supply chain management, IBM Institute for Business Value, ibm.com/iibv.
  • LaValle, S., E.Lesser, R. Shockley, M.S.Hopkins, N.Kruschwitz, (2011), Big Data, Analytics and the Path From Insights to Value, MIT SLoan Management Review, Winter 201, Vol.52, No.2
    Mahajan, S., S.Saha, A.Macias, (2017), Analytics: Laying the foundation for supply chain digital transformation, The Hacket Group.
  • Gartner, (2019), Gartner Identifies Top 10 Data and Analytics Technology Trends for 2019


X
X