Transformando o S&OP com o machine learning [Entrevista]

Daan Majoor: Em primeiro lugar, acho que, em um processo de S&OP, não existe algo tradicional.

A primeira etapa de tudo é a coleta de dados. E, para mim, o machine learning desempenha um papel fundamental no suporte à preparação e coleta de dados e à análise orientada por dados.

Em última análise, a IA e o machine learning podem realmente revolucionar o lado dos dados do S&OP. A IA também pode ajudar a automatizar o processo.

Essencialmente, o S&OP trata de preencher lacunas, e esse é um processo que envolve muito as pessoas.

Mas uma coisa que não acho que vá acontecer é que a IA substituirá as pessoas. Ela deve apoiar seus processos e fornecer os insights necessários para que seu pessoal discuta as lacunas nos negócios.

SP: Como as empresas podem adotar o aprendizado de máquina e a IA para reduzir o desperdício e criar resultados comerciais mais sustentáveis?

DM: Com a IA e o aprendizado de máquina, as decisões se tornam mais baseadas em fatos.

O machine learning pode ajudar a obter previsões mais precisas da demanda futura. Porém, o mais importante é que a adoção da tecnologia também deve ajudar as empresas a identificar onde as coisas dão errado, por que a realidade difere dos planos e fornecer conselhos práticos para melhorar o desempenho dos negócios.

E é claro que, à medida que você aproveita essas tecnologias para melhorar, o desperdício também será reduzido. Por exemplo, ao ajudá-lo a otimizar o planejamento e consolidar pedidos para reduzir o número de remessas, melhorias aparentemente pequenas podem ter um impacto positivo significativo na estratégia de ESG.

Pessoalmente, espero que as pessoas permaneçam no centro da operação. O objetivo final do S&OP é sempre ajudar seu pessoal a romper os silos para colaborar de forma mais integrada. Ao unir as equipes e facilitar uma melhor comunicação com os dados, o aprendizado de máquina pode ajudar a gerar resultados comerciais sustentáveis.

SP: Como o aprendizado de máquina pode acelerar o crescimento dos resultados?

DM: Portanto, se considerarmos o crescimento do resultado final, quanto melhores forem seus dados, melhor será sua capacidade de combinar vendas e cadeia de suprimentos, e mais lucrativo você poderá ser.

Uma consideração é o custo; a outra é a rotatividade.

O objetivo de qualquer empresa é a maximização do lucro, e a redução dos custos da cadeia de suprimentos é fundamental. O S&OP destaca as áreas que podem ser melhoradas. Ao promover eficiências operacionais em toda a cadeia de suprimentos, você pode reduzir o desperdício, otimizar seu investimento em capital de giro e reduzir os custos operacionais.

SP: Como você vê o papel do aprendizado de máquina no aprimoramento da precisão das previsões?

DM: Há muitos dados disponíveis, e processá-los é incrivelmente difícil. É preciso encontrar e aplicar padrões para melhorar os recursos de previsão e planejamento da cadeia de suprimentos. Isso é simplesmente grande demais para os humanos lidarem, mas não para as máquinas.

Você pode integrar facilmente as fontes de dados e identificar tendências que, de outra forma, seriam impossíveis de entender, quanto mais de agir.

Pode haver benefícios rápidos aqui porque o machine learning pode ajudar a melhorar a previsão.

Ele pode ajudá-lo a planejar suas promoções, apresentar produtos e criar as camadas básicas necessárias para implementar os primeiros processos.

Ele também pode mostrar as lacunas com bastante clareza.

Ele pode examinar os insights fornecidos pelas equipes de vendas e da cadeia de suprimentos e determinar onde há diferenças críticas. A comparação entre eles pode facilitar uma visão mais clara, garantindo que os argumentos sejam baseados em fatos e dados.

Se olharmos para isso da perspectiva do CEO, o aprendizado de máquina pode ajudá-lo a melhorar a resiliência da cadeia de suprimentos. Veja as interrupções que tivemos nos últimos dois anos. Você pode identificar esses tipos de interrupções antecipadamente e ajudar a empresa a se preparar e agir antes dos outros.

SP: Com a rápida adoção de tecnologias habilitadas para IA, como as empresas garantem que suas decisões na cadeia de suprimentos permaneçam éticas?

DM: Do ponto de vista ético, o machine learning é um conceito novo e, portanto, os desafios ainda estão evoluindo. A quem pertencem os dados e o que você deve fazer com os resultados? E se os resultados forem tendenciosos?

É quase um pouco cedo para ver as possíveis armadilhas, quanto mais para superá-las. Mas você deve explorar proativamente alguns dos possíveis perigos.

O papel das pessoas na cadeia de suprimentos ainda é vital. E espero que isso não mude. De fato, na Slimstock, nossos clientes são os principais impulsionadores de um roteiro de produtos. E o desenvolvimento de soluções habilitadas para IA que ajudam as pessoas a tomar decisões mais inteligentes e rápidas continua sendo o centro do desenvolvimento de nossos produtos.

Adoro me conectar com os clientes, por isso estou muito satisfeito por participar desse fantástico evento da comunidade de S&OP.

Agradecemos imensamente a Daan Majoor por ter disponibilizado seu tempo e tantos detalhes sobre Machine Learning em S&OP e o que o futuro pode reservar para as empresas da cadeia de suprimentos