Analityka preskryptywna – plan dostosowany do łańcucha dostaw

Analitykę preskryptywną stosuje się w wielu dziedzinach działalności gospodarczej. Szczególne znaczenie ma jednak w przypadku łańcuchów dostaw, w których generuje się duże ilości danych. Celem omawianego rodzaju analityki biznesowej jest gromadzenie danych i przekształcanie ich w przydatne, szczegółowe informacje pozwalające lepiej zrozumieć zdarzenia z przeszłości, poznawać nowe możliwości oraz kroki, które należy podjąć, aby opracować optymalny plan działania firmy.

Za pomocą technologii takich jak big data, sztuczna inteligencja czy data mining analiza preskryptywna nie tylko pomaga firmom zoptymalizować planowanie dostaw, ale również ukierunkowuje i automatyzuje podejmowanie decyzji, aby osiągnąć wyznaczone cele.

Czym jest analityka preskryptywna?

Analityka preskryptywna, stanowiąca część analityki biznesowej, polega na gromadzeniu danych, proponowaniu działań i przewidywaniu możliwych rezultatów ich zastosowania. Jej funkcją jest usprawnienie procesu podejmowania decyzji poprzez wskazywanie najlepszych rozwiązań. Według firmy konsultingowej Gartner analityka preskryptywna jest odpowiedzią na pytanie: „Co możemy zrobić, aby wydarzyło się X?”

W odróżnieniu od innych rodzajów analityki, np. deskryptywnej czy predykcyjnej, analityka preskryptywna nie tylko prognozuje rezultaty, ale również proponuje działania, które umożliwią realizację najkorzystniejszego dla firmy planu. Autorzy artykułu naukowego Prescriptive analytics: Literature review and research challenges, opublikowanego w International Journal of Information Management podkreślają: „Celem analityki preskryptywnej jest znalezienie najlepszego planu działania na przyszłość. Często uznawana jest za kolejny krok w kierunku dojrzałej analityki danych, co prowadzi do zoptymalizowanego podejmowania decyzji, aby poprawić wydajność biznesową”.

Analityka preskryptywna opiera się na badaniach operacyjnych, analizach predykcyjnych oraz technikach statystycznych, aby określić skutki podejmowanych w przyszłości decyzji. Na podstawie danych aktualnych i historycznych pozwala ocenić możliwe przyszłe zdarzenia oraz zaproponować najlepszy, spośród wielu alternatyw, plan działania. Korzysta z systemów zarządzania i algorytmów, które automatyzują podejmowanie decyzji i podnoszą wydajność operacyjną firm.

W badaniu Forecast snapshot: Prescriptive analytics software, analitycy firmy Gartner przewidzieli, że do 2022 rynek oprogramowania do analizy preskryptywnej osiągnie wartość 1,88 mld dolarów, z roczną stopą wzrostu na poziomie 20,6%. Według Gartnera analityka preskryptywna charakteryzuje się stosowaniem takich technik jak analiza wykresów, symulacji, systemu poleceń, heurystyki i uczenia maszynowego. Koncentruje się na procesie gromadzenia, dostosowania i zarządzania danymi, aby jak najlepiej wykorzystać dostępne zasoby i poprawić wydajność operacyjną.

Różnice między analityką deskryptywną, predykcyjną i preskryptywną

Analityka deskryptywna polega na gromadzeniu i analizowaniu danych historycznych, aby określić, jakie zdarzenia miały miejsce w przeszłości i opisać aktualny stan firmy. Z kolei analityka predykcyjna posługuje się danymi historycznymi, regułami oraz zaawansowanymi algorytmami, aby przewidzieć lub oszacować, co może wydarzyć się w przyszłości. Jej zadaniem jest sporządzanie prognoz i przygotowanie firmy na przyszłe zdarzenia.

Analiza preskryptywna jest uznawana za trzeci etap analityki biznesowej, ponieważ gromadzi informacje pochodzące z dwóch powszechnie stosowanych w większości firm analityk – deskryptywnej i predykcyjnej.

Główna różnica pomiędzy analityką deskryptywną, predykcyjną i preskryptywną polega na postępowaniu, które obiera firma po przeprowadzeniu analizy danych. Dzięki analizie preskryptywnej firmy mogą dowiedzieć się, jak zoptymalizować procesy oraz określić, co i jak mogą zrobić, aby pozytywne prognozy się spełniły, a w przypadku prognoz negatywnych – aby im zapobiec. W odróżnieniu od analityki deskryptywnej i predykcyjnej analiza preskryptywna stosuje techniki symulacji i optymalizacji, aby znaleźć najlepszy plan działania dla określonej sytuacji.

Zastosowanie analityki preskryptywnej w łańcuchu dostaw

Analityka preskryptywna wspomaga podejmowanie decyzji związanych z produkcją i logistyką, optymalizując łańcuch dostaw firmy. Pośród wszystkich jej zastosowań w łańcuchu dostaw wyróżnia się:

• Prognozowanie trendów popytu – analiza preskryptywna umożliwia wyciąganie wniosków dotyczących intencji zakupowych klientów, a w konsekwencji, prognozowanie zachowań zakupowych. Obliczenie trendów popytu umożliwia ustalenie optymalnego poziomu zapasów, aby zaspokoić popyt, zapobiec występowaniu braku zapasów w magazynie i nie doprowadzić do składowania zbyt dużej ilości ładunków.
• Usprawnianie identyfikowalności produktu – analiza preskryptywna w czasie rzeczywistym udostępnia informacje o produkcie, takie jak jego lokalizacja, warunki transportu czy procesy logistyczne i produkcyjne, które zostały zastosowane w przypadku danego ładunku, w dowolnym punkcie łańcucha dostaw.
• Większa kontrola informacji w łańcuchu dostaw – analiza preskryptywna umożliwia m.in. zarządzanie zapasami w czasie rzeczywistym, natychmiastowe wydawanie poleceń w zakresie zaopatrzenia i dokładne śledzenie zamówień.

W publikacji firmy McKinsey A more resilient supply chain from optimized operations planning autorzy wskazują korzyści płynące ze stosowania analizy preskryptywnej: „Optymalizacja planowania działań polega na określeniu najlepszych opcji dla zbioru decyzji w środowisku biznesowym i wyznaczeniu konkretnego celu. Omawiany typ optymalizacji zazwyczaj funkcjonuje skuteczniej z wykorzystaniem modeli preskryptywnych, które umożliwiają podjęcie najtrafniejszych decyzji”.

Zmiana przyszłości dzięki analityce preskryptywnej

W przypadku zmiennego i konkurencyjnego rynku, na którym trendy popytu mogą spowodować przerwanie łańcucha dostaw, zastosowanie analityki preskryptywnej pomaga firmom wyróżnić się i objąć pozycję lidera w swojej branży. W przeszłości firmy opierały działanie na swojej wiedzy i doświadczeniu, aby w przybliżeniu obliczać, z mniejszym lub większym powodzeniem, sprzedaż i potrzebną liczbę produktów w celu zaspokojenia popytu.

Aktualnie to analiza preskryptywna jest technologicznym rozwiązaniem służącym do prognozowania przyszłości logistyki oraz podejmowania decyzji na podstawie analizy danych. Jak zaznaczono w artykule What is prescriptive analytics? 6 examples, opublikowanym przez Harvard Business School, „analityka preskryptywna została nazwana przyszłością analizy danych. Dzięki temu rodzajowi analizy otrzymujemy nie tylko lepsze zrozumienie wydarzeń czy prognozy na przyszłość, ale również najkorzystniejszy plan działania”.