Dalla carta alle decisioni: quando la supply chain impara a leggere i dati

La trasformazione digitale sta cambiando il modo in cui informazioni, persone e processi interagiscono. La vera sfida non è avere più dati, ma costruire le competenze per interpretarli e decidere più velocemente.

Per anni, digitalizzare la supply chain ha significato soprattutto una cosa: eliminare la carta. Documenti di trasporto, ordini, conferme, liste di carico, firme, archivi. Progressivamente, ciò che prima viaggiava fisicamente ha iniziato a viaggiare sotto forma di dato. Alle telefonate si sono affiancati portali e sistemi di tracking, ai registri i software gestionali, ai documenti cartacei i flussi digitali. È stato un passaggio fondamentale. Ma oggi non basta più. Perché una supply chain digitalizzata non è necessariamente una supply chain intelligente. La disponibilità di informazioni è cresciuta enormemente, ma il vero valore non deriva dal numero di dati che un'organizzazione riesce a raccogliere. Deriva dalla capacità di leggerli, collegarli e trasformarli in una decisione nel momento in cui quella decisione può ancora fare la differenza.

Ed è qui che sta iniziando una trasformazione probabilmente più profonda della precedente. Non stiamo più passando semplicemente dalla carta al digitale. Stiamo passando dal digitale alla decisione.

Il dato non è ancora una decisione

ERP, TMS, WMS, sistemi di tracking, piattaforme di Business Intelligence e strumenti di analytics hanno progressivamente aumentato la visibilità lungo la supply chain. Oggi possiamo conoscere in tempo quasi reale lo stato di una spedizione, i volumi movimentati, la saturazione di un magazzino, le performance di una tratta o l'evoluzione di un determinato KPI. Eppure, nelle organizzazioni, una parte importante del lavoro quotidiano continua a svolgersi tra e-mail, telefonate, fogli Excel e verifiche manuali. Il problema, quindi, non è necessariamente la mancanza di informazioni.

A volte è esattamente il contrario: le informazioni sono troppe, provengono da fonti differenti e arrivano più velocemente della nostra capacità di interpretarle.

Pensiamo a un supply chain manager che deve pianificare la settimana successiva. Conoscere il portafoglio ordini è un dato.

Conoscere le giacenze e le consegne attese dai fornitori aggiunge informazioni.

Mettere queste informazioni in relazione con i lead time dei fornitori, lo storico delle performance dei vettori, la capacità dei magazzini e dei trasporti e le priorità dei clienti permette invece di rispondere a una domanda diversa:

Riusciremo a servire tutti i clienti nei tempi promessi, e dove potrebbero nascere le criticità?

È la differenza tra vedere ciò che accade e utilizzare ciò che vediamo per decidere.

Dalla visibilità all'intelligenza operativa

Negli ultimi vent'anni la supply chain ha fatto parecchia strada. All'inizio si trattava di registrare quello che era successo, poi di rendere le informazioni accessibili senza dover aprire un archivio, poi di metterle insieme per vedere cosa stava succedendo e, con gli strumenti di analisi, di capire perché. Il passo che molte aziende stanno cercando di fare adesso è diverso: usare tutto questo per capire cosa fare.

Nella pratica, però, nessuno ci arriva in modo lineare. Nella stessa azienda capita di trovare un WMS ben integrato con il gestionale del cliente e, nell'ufficio accanto, una pianificazione degli approvvigionamenti fatta su un file Excel che aggiorna una sola persona. Oppure report settimanali precisissimi che arrivano il lunedì, quando le decisioni della settimana precedente sono state prese da un pezzo.

È quest'ultimo passo a interessare di più, perché è l'unico in cui la domanda cambia davvero. Non ci si chiede più soltanto cosa è successo e perché, ma cosa fare, e la risposta serve adesso, non a fine mese.

Qui analytics, automazione e intelligenza artificiale cominciano a dare un contributo concreto. Un sistema riesce a incrociare previsioni di domanda, giacenze, lead time dei fornitori, capacità di magazzini e trasporti e impegni presi con i clienti in un tempo che a una persona richiederebbe mezza mattinata, e qualche telefonata. Nessuno sta parlando di una supply chain guidata da un algoritmo: l'obiettivo è che chi deve decidere abbia sotto mano le informazioni che servono, quando servono.

Anticipare invece di rincorrere

Chi lavora in logistica sa che una buona parte della giornata se ne va a gestire imprevisti. Il camion che arriva con tre ore di ritardo, l'ordine che il cliente modifica alle quattro del pomeriggio, il volume che supera di parecchio le previsioni. Per anni la bravura di un'organizzazione si è misurata soprattutto da quanto velocemente riusciva a rimettere le cose in carreggiata.

Se però si rileggono questi imprevisti a qualche settimana di distanza, spesso ci si accorge che un'avvisaglia c'era. Il fornitore che da un mese accumulava piccoli ritardi, il picco di ordini che si ripresenta ogni anno nelle stesse settimane, l'area di stoccaggio che si riempiva un po' di più ogni giorno. I segnali erano nei dati, solo che stavano in sistemi diversi ed erano troppo deboli per farsi notare tra una telefonata e l'altra.

Gli strumenti predittivi servono soprattutto a questo: a far emergere quei segnali quando c'è ancora tempo per fare qualcosa. E di conseguenza cambia anche la domanda. Oltre a chiedersi cos'è successo, si comincia a chiedersi cosa potrebbe succedere e cosa si può fare prima che succeda.

C'è però un passaggio che spesso si dà per scontato. Un supply chain manager riceve un segnale dal sistema: un fornitore strategico rischia di consegnare un componente critico con dieci giorni di ritardo. È un'informazione utile, ma da sola non sposta niente: qualcuno deve decidere se attivare un fornitore alternativo, spostare stock da un altro deposito, avvisare i clienti coinvolti o accettare il rischio. E per farlo deve conoscere il contesto, fidarsi abbastanza del dato da muoversi prima che il problema sia sotto gli occhi di tutti e sapere che quella decisione spetta a lui.

Il software si può comprare. Questa capacità, invece, va costruita dentro l'organizzazione.

Ma la tecnologia è soltanto metà della trasformazione

Introdurre un nuovo strumento richiede qualche mese. Cambiare il modo in cui un'organizzazione lavora richiede molto di più, e chi ha seguito almeno un progetto di implementazione lo sa bene. Il gestionale va in produzione, le dashboard funzionano, i dati arrivano puntuali. Poi, alla prima situazione fuori dall'ordinario, si torna alla telefonata e al file Excel di sempre, perché è lì che le persone sanno dove mettere le mani.

Non è solo una questione di resistenza al cambiamento. Spesso nessuno ha spiegato a chi lavora negli uffici e nei reparti cosa farsene di quei numeri, quali guardare ogni mattina e quali lasciar perdere, e soprattutto come comportarsi quando il sistema suggerisce una cosa e l'esperienza ne suggerisce un'altra.

Per colmare questo vuoto non serve trasformare ogni manager della supply chain in un data scientist. Servono competenze più semplici da descrivere, ma meno scontate da trovare: leggere un indicatore sapendo da dove arriva, accorgersi quando un numero non torna, mettere insieme quello che dicono acquisti, pianificazione, trasporti, magazzino e customer service, e valutare un suggerimento del sistema con un minimo di spirito critico invece di seguirlo, o scartarlo, per abitudine.

Da dove partire, in concreto? Conviene cominciare dalle decisioni, non dai dati. Ogni supply chain ha una manciata di scelte che si ripetono ogni giorno o ogni settimana: quanto riordinare e da quale fornitore, quali ordini evadere per primi quando la merce non basta per tutti, quando chiedere un mezzo in più, quando avvisare un cliente. Se per ognuna si prova a mettere per iscritto quali informazioni servono davvero, chi le guarda e chi ha l'ultima parola, si scopre in fretta dove i dati mancano, dove sono di troppo e dove ci sono ma nessuno li usa.

Un secondo passo è dare alle persone il permesso, esplicito, di non seguire il sistema, chiedendo però di annotare il motivo. Dopo qualche settimana quelle note valgono oro: mostrano dove il modello sbaglia, quali informazioni le persone hanno e il sistema no, e anche dove era l'abitudine a sbagliare. È il modo più rapido per costruire fiducia nel dato, perché la fiducia nasce dal confronto e non da una circolare che impone di usare il nuovo strumento.

Infine, la formazione funziona molto meglio quando parte dai numeri di casa propria. Un corso generico sugli analytics si dimentica in fretta. Mezz'ora alla settimana passata a guardare insieme i dati della propria area, chiedendosi cosa raccontano e cosa si sarebbe potuto fare diversamente, lascia molto di più.

Un sistema può elaborare migliaia di righe in un secondo, ma non sa che quel cliente, quando sposta un ordine il venerdì, il lunedì lo rimette com'era. Non sa che un certo trasportatore è puntuale ovunque tranne che su una tratta in particolare, d'inverno. Queste cose le sanno le persone, e il valore nasce quando le due conoscenze lavorano insieme invece di ignorarsi a vicenda.

Meno tempo per cercare, più tempo per decidere

C'è un modo molto concreto per descrivere ciò che potrebbe cambiare nei prossimi anni.

Oggi una parte rilevante dell'attività delle persone consiste ancora nel cercare informazioni.

Aprire un'e-mail. Controllare un documento. Accedere a un gestionale. Confrontare un Excel. Verificare lo stato di una spedizione. Ricostruire un'anomalia. Preparare un report.

Domani una parte crescente di queste attività potrà essere automatizzata o supportata dai sistemi.

Il cambiamento più interessante, quindi, potrebbe non essere avere meno persone.

Potrebbe essere utilizzare diversamente il loro tempo.

Meno tempo per raccogliere informazioni e più tempo per interpretarle.

Meno controlli ripetitivi e maggiore attenzione alle eccezioni.

Meno attività dedicate a spiegare cosa è già successo e maggiore capacità di capire cosa fare adesso. In questo senso, la digitalizzazione cambia anche il significato stesso di produttività. Non conta soltanto fare la stessa attività più velocemente. Conta riuscire a utilizzare meglio le competenze disponibili.