Lorsque vous connectez les données de la chaîne logistique, ce qui permet de garantir que votre investissement aura le bénéfice escompté est la qualité des entrées reçues.
En pratique, de nombreuses entreprises "tentent" d'obtenir une visibilité totale des données en utilisant différentes sources d'entrée : Les connexions EDI, les rapports Excel et les données recueillies manuellement sur des sites Web (communément appelées "screen/scraping"). Mais lorsque des systèmes complexes sont conçus, des aspects tels que la précision et l'actualité des données échangées ne sont pas toujours pris en compte, non pas parce qu'ils ne sont "pas importants", mais parce que chaque entreprise travaille avec ce qui est disponible. Dans une enquête sur la visibilité de la chaîne d'approvisionnement publiée par le MIT, près de la moitié des personnes interrogées étaient moins que modérément satisfaites de leurs solutions de visibilité actuelles. La rapidité d'exécution est un aspect qui retient l'attention, puisque seulement 40 % des personnes interrogées déclarent recevoir des mises à jour dans les 12 heures pour toutes les étapes de l'expédition maritime, ce qui n'est toujours pas idéal ni efficace.
Travailler avec des fichiers et des formats différents et sans une seule source de vérité peut être problématique pour plusieurs raisons. Cela a principalement un impact sur l'efficacité des opérations quotidiennes, car celles-ci ne peuvent être effectuées que sur la base des informations disponibles. D'un point de vue stratégique, cela réduit les capacités de reporting et d'analyse pour une meilleure prise de décision.
Prenons le cas d'un expéditeur qui a besoin d'accéder à des informations pour traiter correctement une exception ; sa capacité à prendre la meilleure décision sera souvent limitée par l'absence d'informations en temps réel. La dépendance à l'égard d'informations recueillies manuellement ou reçues par lots de manière incohérente et non standardisée peut aboutir à des données incomplètes ou à des données disponibles uniquement après qu'une décision ait été prise, ou les deux, avec pour résultat un résultat potentiellement sous-optimal pour le chargeur ou son client final.
Respect des délais : Les données sont-elles reçues à temps ?
La capacité de mener une opération logistique efficace au jour le jour dépend fortement de la réception des données critiques à temps. Les risques opérationnels sont réduits si les jalons du transport sont reçus en quasi temps réel, notamment lors de la gestion des exceptions. En utilisant les normes industrielles courantes de communication, telles que les messages EDI ou les mises à jour partagées via des rapports, les informations sont souvent partagées par lots. Attendre des heures pour recevoir des jalons importants dans le système, surtout s'ils nécessitent une action immédiate, est coûteux. Le coût est encore plus élevé si l'information est recueillie manuellement, par exemple en parcourant l'écran de différents sites Web et plates-formes, en passant plusieurs appels téléphoniques et en envoyant plusieurs courriels.
Aujourd'hui, en utilisant les plates-formes traditionnelles d'"agrégateurs de données", lorsque les propriétaires de cargaisons utiles ou les transitaires recherchent des jalons d'expédition, ils ont très probablement accès à des informations montrant un nombre limité d'événements liés aux conteneurs, et ce sont et seulement des "données réelles". Ces informations mettent en évidence le moment où l'événement s'est produit (heure de l'événement). Lors de l'analyse des données historiques, il est en effet précieux de comprendre si un événement s'est produit ou non et quand. Cependant, pour évaluer la valeur réelle des données sur les opérations quotidiennes et les stratégies commerciales futures, il faut inclure un autre élément clé dans cette équation : quand cet événement a-t-il été soumis dans le système (heure de soumission) et mis à votre disposition (heure de publication) ?
Il s'agit d'un aspect extrêmement important pour évaluer la qualité des données, car il y a souvent des délais entre l'événement et l'information effectivement reçue. Cet écart peut varier massivement, prenant des heures, voire des jours dans certains cas. Cela peut avoir un impact significatif sur le processus décisionnel, ainsi que sur la compréhension de la fiabilité et des performances comparatives de vos sources de données et de vos partenaires logistiques.
TradeLens a mené une étude impliquant une comparaison côte à côte des événements relatifs à 50 conteneurs avec une destination intérieure en Europe. La comparaison portait sur les données du système actuel utilisé par le fournisseur 4PL et les événements reçus par TradeLens. Nous avons étudié la rapidité et la précision des jalons reçus. L'un des principaux enseignements tirés de cette validation de concept concerne l'actualité des données. Lorsque tous les jalons de la destination ont été suivis par TradeLens, le temps moyen entre l'occurrence et le moment de la soumission était de 31 minutes. Cela signifie que les jalons soumis par les transporteurs, les terminaux et les dépôts intérieurs dans cette étude étaient disponibles et visibles environ une demi-heure après qu'ils se soient produits. Qu'en est-il de la ponctualité des données par l'autre entité ? La configuration actuelle utilisée par le 4PL n'avait pas la fonctionnalité nécessaire pour mesurer l'actualité des données. C'est la réalité pour la majorité des entreprises opérant dans le commerce mondial.
Exactitude : les données reçues sont-elles exactes ?
Comprendre l'exactitude des données reçues/recueillies permet aux entreprises d'avoir des conversations différentes et améliorées avec leurs partenaires commerciaux sur la qualité de leurs données. Pour lutter contre un problème courant dans l'industrie, connu sous le nom de GIGO (garbage in, garbage out), il est essentiel d'envisager de nouvelles méthodes d'échange de données qui sont facilement disponibles aujourd'hui. Il est impossible de mettre en place un modèle de fonctionnement collaboratif si les moyens de collecte des données ne sont pas suivis et si les données elles-mêmes ne sont pas facilement accessibles aux entreprises. L'utilisation stratégique des données de la chaîne d'approvisionnement n'est réaliste qu'avec un changement du modèle traditionnel, où les données sont souvent écrasées dans les systèmes par de nouvelles mises à jour ne permettant pas de suivre l'historique. Par conséquent, il faut limiter les améliorations continues des données et de la chaîne d'approvisionnement et les optimiser davantage pour rester compétitif et se rapprocher de la mission de l'entreprise.
Même les systèmes les plus "sophistiqués" et les plus complexes d'aujourd'hui, qui impliquent plusieurs connexions EDI de poste à poste entre différents fournisseurs et une saisie manuelle constante de la part des partenaires de la chaîne d'approvisionnement qui ne sont pas en mesure d'établir une intégration système à système (pour différentes raisons), sont sujets à une forte imprécision des données. En se basant sur la même étude mentionnée ci-dessus, le système actuel du 4PL, qui comprend des rapports produits par des connexions EDI et des mises à jour manuelles, ne permet pas de suivre entièrement la source de la mise à jour, il n'a donc pas été en mesure d'identifier la cause première de l'inexactitude des données. Les mêmes jalons sur TradeLens sont facilement vérifiables. Les informations sur les fournisseurs de données et les heures de soumission et de publication font obligatoirement partie de chaque jalon et les nouvelles mises à jour disponibles dans le système sont visibles indépendamment de la manière dont les entreprises accèdent aux données (API ou interface utilisateur). Enfin, dans le back-end, il n'y a pas d'écrasement des informations existantes, ce qui permet aux entreprises de mieux comprendre la performance des données de l'écosystème au sens large afin d'apporter des améliorations supplémentaires. Comme le dit le dicton, "on ne peut pas réparer ce que l'on ne peut pas voir (ou mesurer)".
La première étape lorsqu'on envisage d'utiliser les données pour soutenir l'optimisation de la chaîne d'approvisionnement, et en outre, comme un avantage concurrentiel, est de fonctionner avec un système qui permet de localiser et de corriger facilement les erreurs ou les divergences de données. Le feedback et la collaboration avec les fournisseurs de données doivent être étayés par des preuves et des chiffres. Le suivi des erreurs et des divergences aide les entreprises à identifier les risques éventuels pour leur chaîne d'approvisionnement liés à des incohérences dans les informations échangées tout au long du cycle complet. Comme décrit dans le post précédent sur la qualité des données, il est temps de faire confiance à vos données - et surtout, d'utiliser réellement vos données :
"Lorsque l'application de notre compagnie aérienne nous indique que le vol a atterri, nous sommes convaincus que notre ami sera bientôt prêt à ce que nous allions le chercher à l'arrivée. Ce n'est pas le cas dans le transport maritime international, où les données relatives au départ d'une cargaison, à son entrée dans un terminal ou à son dédouanement sont beaucoup moins fiables que nous le souhaiterions", a déclaré Marvin Erdly, responsable de la collaboration avec TradeLens.
Ce n'est que lorsque les données seront correctement suivies que les expéditeurs et les destinataires pourront discuter avec leurs partenaires afin d'identifier et de résoudre les problèmes qui placent notre secteur en retard sur les autres en termes d'exactitude et de transparence des données. L'inexactitude est souvent négligée en supposant que c'est la norme. La bonne nouvelle, c'est qu'il existe déjà aujourd'hui des solutions et des outils qui peuvent, sans investissement massif ni changement de processus, améliorer l'exactitude des données dans le secteur de la logistique.
Comment les problèmes d'exactitude et de ponctualité sont-ils abordés ?
Comprendre la qualité des données et assumer la responsabilité des informations échangées peut renforcer les partenariats et instaurer la confiance dans l'ensemble du secteur de la logistique. Le modèle traditionnel a souvent empêché les entreprises de contrôler et de suivre des aspects tels que l'exactitude et l'actualité de leurs données. Le recours à différents systèmes, à des connexions poste à poste coûteuses et à plusieurs fournisseurs différents se traduit par un manque d'appropriation lorsqu'il s'agit de reconnaître et, finalement, de résoudre les problèmes de qualité des données.
Résoudre ce problème fondamental du secteur, généré par un paysage fragmenté et de multiples systèmes non interopérables, est une tâche énorme. Lorsque vous mettez en place votre propre système opérationnel ou que vous travaillez avec des fournisseurs de données, il est important de garder à l'esprit les aspects fondamentaux du suivi de la qualité des données et le processus en place pour signaler les divergences et créer des boucles de rétroaction pour répondre aux préoccupations. En outre, l'ajout de la qualité des données aux critères de sélection des bons partenaires deviendra encore plus crucial à l'avenir.
Pour réagir à ce post merci de vous connecter ou s'inscrire si vous n'avez pas encore de compte.