La distribuzione all'ingrosso è da sempre un settore di margini, volumi e precisione logistica. I dati vi occupano da decenni una posizione centrale — livelli di magazzino, righe d'ordine, prezzi dei fornitori, calcoli di margine. Ciò dà l'impressione che questo settore dovrebbe avere un vantaggio in materia di AI. Al tempo stesso, questi dati sono spesso distribuiti su sistemi che non comunicano tra loro: un pacchetto ERP di anni fa, un software di magazzino separato, un CRM slegato dalla fatturazione, foglio di calcolo che colmano le lacune lasciate dai sistemi. La quantità di dati non è quindi un buon indicatore della maturità AI in questo settore. La struttura in cui questi dati si trovano, lo è invece.
Questa differenza è determinante per l'esito dei progetti pilota. Un grossista che investe in un'applicazione AI per la previsione della domanda o l'ottimizzazione degli acquisti scopre spesso che il problema non è nel modello, ma in ciò di cui il modello si nutre. Dati di magazzino che non corrispondono ai dati di vendita, segmentazione dei clienti organizzata diversamente per ogni sede, accordi sui prezzi che si trovano in scambi di email invece che in un sistema. Il progetto pilota funziona nell'ambiente di test e si blocca appena deve entrare nell'organizzazione.
I grossisti variano notevolmente in scala e forma organizzativa — da aziende familiari con una struttura compatta a grandi distributori con più sedi e una gestione stratificata. Questa variazione si riflette nella maturità AI. Nelle organizzazioni più piccole e gestibili, la distanza tra la direzione e il personale operativo è breve, il che può accelerare le decisioni sulla gestione dei dati e sull'infrastruttura IT non appena se ne riconosce l'importanza. Nelle organizzazioni più grandi e decentralizzate, questa distanza passa attraverso più livelli, e ciò che in un centro di distribuzione è un processo ben definito, può in un altro essere ancora un insieme confuso.
È esattamente per questo che un giro di valutazione in questo settore spesso rende visibile ciò che un singolo colloquio non mostra. Quando un CEO, un COO, un CIO e un responsabile di sede valutano indipendentemente l'uno dall'altro le stesse sette dimensioni, risulta regolarmente che la direzione stima la qualità dei dati più in alto rispetto a chi ci lavora quotidianamente. Questa differenza non è un disaccordo da risolvere — è informazione su dove l'organizzazione si trova realmente.
Le sette dimensioni della misurazione della maturità non sono equivalenti in ordine. Organizzazione, infrastruttura IT e gestione dei dati sono le dimensioni fondamentali: determinano se c'è qualcosa su cui costruire. Dimensioni come governance, competenze e cultura ne dipendono. Un grossista che vuole iniziare con consulenza di acquisto guidata dall'AI, ma i cui dati di magazzino si trovano in tre sistemi che si contraddicono a vicenda, non manca di ambizione ma di basi. Non è una questione di più formazione o di maggiore sostegno interno — è una questione di gestione dei dati che richiede prima una risposta.
Questo ordine spiega anche perché i progetti pilota nel settore della distribuzione all'ingrosso spesso rimangono bloccati al livello foundation o activation. L'organizzazione ha acquistato o fatto costruire un'applicazione AI — questo è visibile e dimostrabile — ma le fondamenta su cui questa applicazione dovrebbe funzionare non sono mai state messe in ordine. Il risultato è uno strumento che si trova accanto al lavoro invece che al suo interno.
La domanda non è se la vostra azienda di distribuzione all'ingrosso sia pronta per l'AI in senso generale — questa è una domanda senza risposta utile. La domanda è su quali delle sette dimensioni la vostra organizzazione è solida e su quali no, e se questo quadro coincide tra le persone che decidono e le persone che ci lavorano. Questo confronto è esattamente ciò su cui è costruita la misurazione della maturità: cinque livelli, sette dimensioni, e un giro di valutazione che rende visibile la dispersione invece di nasconderla.
Il risultato varia notevolmente da azienda ad azienda, anche all'interno della distribuzione all'ingrosso. Alcune difficoltà che questo settore conosce, le condivide con il settore dei trasporti, dove la logistica orientata ai volumi richiede altrettanto una gestione dei dati coerente in tutta l'organizzazione. Altre somiglianze si trovano con l'industria manifatturiera, dove i processi di produzione e di magazzino pongono requisiti simili all'infrastruttura IT. E chi commercia con molte relazioni con clienti piccole e disperse potrebbe riconoscersi in ciò che accade nel commercio al dettaglio, dove i dati sui clienti e sulle transazioni non finiscono neanche lì automaticamente in un unico posto.
La misurazione della maturità di hybridresourcing è attualmente in fase di costruzione. Chi desidera effettuare la misurazione non appena sarà disponibile, può iscriversi alla lista d'attesa. Qui non si vende nulla che non esista ancora — solo la possibilità di essere il primo a sapere quando esisterà.
Questa misurazione risponde alla domanda se la vostra azienda di distribuzione all'ingrosso abbia le fondamenta per sostenere l'AI — l'organizzazione, l'infrastruttura, la gestione dei dati su cui tutto il resto si basa. Non risponde alla domanda su quale parte del lavoro nella vostra gestione del magazzino, elaborazione degli ordini o acquisti sia effettivamente trasferibile all'AI. Questa domanda spetta alla scansione del lavoro di FTE TO AI, che calcola per ogni attività quale parte del lavoro si presta a questo scopo. Entrambe le domande sono collegate, ma in un ordine fisso: prima sapere se il terreno è solido, solo dopo cosa vi si può costruire.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.