Data i forsyningskæden er (stadig) fuld af huller
Mange data må man blot stole på, og kvaliteten beror i høj grad på manuelt arbejde og kvalitative vurderinger. Der mangler både faste processer og medarbejderkapacitet til at sikre datakvalitet. Det er generelt en udfordring, at data i forsyningskæden ikke altid er korrekte eller fuldstændige. Og AI bliver anvendt i meget begrænset omfang. En ny undersøgelse viser, at der stadig er store huller i datahåndtering, -kvalitet og -sikkerhed i danske forsyningskæder.
”Dette betyder, at datakvaliteten opleves som en udfordring, og at der ikke er sikkerhed for, at de tilgængelige data er korrekte eller fuldstændige. Udbudsdata kan for eksempel sjældent anvendes direkte, da de ofte er mangelfulde, og medarbejdere ender derfor med at genskabe eller dobbelttjekke data manuelt”, lyder det i rapporten. Foto: 123rf.com.
Der bliver arbejdet hårdt for at sikre datakvalitet i danske virksomheders forsyningskæde- og produktionsafdelinger. Det sker gennem en kombination solide systemer, valideringsmekanismer, klare processer og organisatorisk forankring. Datakilder og systemer danner fundamentet, hvor ERP-systemet udgør den centrale kilde, suppleret af it-programmer og Power BI-rapporter, som gør det muligt at opdage fejl og følge op. Samtidig er der fokus på at samarbejde med seriøse og tillidsvækkende leverandører, hvilket styrker kvaliteten af eksterne data.
Læs også: Dataoverflod stikker en kæp i logistikhjulet på sygehuset
Det fremgår af en ny undersøgelse fra SCM Panelet, der er et samarbejde mellem Syddansk Universitet og scm.dk. Undersøgelsen konkluderer, at der – på trods af at datamængden og -kompleksiteten i forsyningskæder vokser markant - synes at eksistere en god praksis i danske virksomheder med at sikre datakvaliteten i forsyningskæden. Respondenterne oplever generelt, at:
- de har tilstrækkelige mængder data, og
- de har rette data til rådighed til at træffe beslutninger.
Undersøgelsen konkluderer dog også, at virksomhederne er udfordret af:
- Uklare målinger af datakvalitet.
- Fragmenterede it-systemer og manglende integration.
- Manglende politikker, ressourcer og systematik.
- Mange manuelle, ad hoc-baserede processer og løbende fejrettelser.
- Usikkerhed om dataenes pålidelighed og fuldstændighed.
Processen er dermed i praksis præget af ad hoc-tilgange og mangelfuld systematik, hvilket gør det vanskeligt at opretholde et højt og stabilt kvalitetsniveau
SCM Panelet #8: God praksis med at sikre datakvalitet i forsyningskæderne
Forbedringsområder
Undersøgelsesrapporten lister en række konkrete eksempler på, hvad respondenterne fremhæver som forbedringspunkter:
- De fleste data, må vi blot stole på.
- Manuelt arbejde/kvalitativ vurdering.
- Det har vi endnu ikke en fast politik eller proces for, men vi er meget fokuseret på at opdatere data på leverandører og kunder i vores ERP-system.
- Desværre mangler der kapacitet/ressourcer til at holde det opdateret, så det er ikke altid pålidelige data. Ofte bliver der først rettet, når fejl opdages til en kundeordre.
- Det er faktisk en udfordring for os som det er i dag.
- Der er ikke faste processer for at sikre korrekt data er tilgængeligt.
- Vi kan desværre ikke regne med at udbuds data er komplet eller fyldestgørende, så ofte sidder vi selv og lave det samme data igen bagefter.
- Ad hoc når der findes fejl, men generelt en mangelfuld proces.
”Dette betyder, at datakvaliteten opleves som en udfordring, og at der ikke er sikkerhed for, at de tilgængelige data er korrekte eller fuldstændige. Udbudsdata kan for eksempel sjældent anvendes direkte, da de ofte er mangelfulde, og medarbejdere ender derfor med at genskabe eller dobbelttjekke data manuelt. Processen er dermed i praksis præget af ad hoc-tilgange og mangelfuld systematik, hvilket gør det vanskeligt at opretholde et højt og stabilt kvalitetsniveau”, lyder det i undersøgelsesrapporten.
Behov for støjfilter
Data tilgår forsyningskæden i en lind strøm og i mange former – og der er kraftig vækst på begge fronter. Det kan være e-mails, rapporter, mødenoter, målinger, kundefeedback, markedsanalyser, økonomital etcetera. Men det er ikke alle data, der er lige relevante eller værdifulde.
Læs også: Tema: Den digitale forsyningskæde – næste skridt mod agilitet og effektivitet
Virksomheder har derfor behov for et system til at skære igennem ’støjen’. Et system der kan sortere og filtrere de vigtigste signaler, som faktisk peger på de væsentligste tendenser, problemer eller muligheder.
Undersøgelsen har derfor i et åbent spørgsmål spurgt respondenterne om, hvilke processer og systemer, de anvender for at filtrere støj fra væsentlige signaler. Svarene fordeler sig på fem områder: 1) systemer og værktøjer, 2) processer og mødefora, 3) datakvalitet og validering, 4) udfordringer og begrænsninger og 5) digitalisering og strategi.
Kunstig intelligens spiller beskeden rolle
Undersøgelsen viser, at automatiserede analyser med kunstig intelligens og machine learning spiller en meget begrænset rolle. Respondenternes svar er, at kunstig intelligens bliver anvendt i ’lav grad’ rangeret som et gennemsnit på 1,95 på en Likert-skala fra 1 til 5, hvor 1 er ’meget lav grad’, og 5 er ’meget høj grad’. En tidligere SCM Panel undersøgelse peger på, at mangel på viden om teknologien er en væsentlig barriere.
Find den fulde undersøgelsesrapport her.
