Gerir a cadeia de suprimentos (em inglês, supply chain) é uma tarefa um tanto quanto complexa. Afinal, são muitos agentes, fases e detalhes operacionais envolvidos nesse processo. Para auxiliar na tomada de decisões, o Big Data supply chain tem se revelado uma aplicação de grande ajuda no que se refere à estruturação dos processos de compra, logística e distribuição.
Essa tecnologia permite integrar as informações e fornecer indicadores para guiar as decisões dos gestores. Dessa forma, ela é essencial para todo e qualquer tipo de empresa que deseja acertar na escolha dos seus parceiros e fornecedores.
Quer descobrir qual é o impacto do Big Data supply chain na busca pelos melhores fornecedores? Então, acompanhe nosso artigo!
O que é o Big Data?
De acordo com a Gartner, esse termo é referido ao expressivo volume de dados que o mercado ou uma companhia pode gerar a cada segundo.
O objetivo por trás do conceito de Big Data é simples: proporcionar uma grande quantidade e variedade de informações para que os gestores e/ou empreendedores possam obter insights valiosos acerca do seu negócio como um todo, contribuindo, assim, para o aprimoramento das suas tomadas de decisão.
É importante deixar claro que o Big Data é separado em três camadas distintas:
- obtenção dos dados;
- processamento dos dados obtidos;
- análise das informações processadas.
Qual é o seu impacto na cadeia de suprimentos?
Tratando-se do Big Data supply chain, ou seja, do seu impacto na cadeia de suprimentos, a principal observação a fazer é relacionada à escolha dos fornecedores. Nesse sentido, as ferramentas de análise possibilitarão escolhê-los de modo certeiro.
Como? Proporcionando informações consolidadas e que permitem aos gestores compreender as qualidades e defeitos de cada um, incluindo:
- preço dos produtos;
- prazo de entrega;
- qualidade do atendimento;
- eficiência da distribuição.
A importância do Big Data supply chain para a otimização dos processos de uma organização é cada vez maior. Por quê? Pelo simples fato de que é somente a partir de uma análise detalhada que se poderá saber quais são os melhores fornecedores. As ferramentas de Big Data e Business Intelligence trazem esse detalhamento em tempo real.
Outro ponto que fortalece o Big Data supply chain é o aumento da quantidade de ofertas no mercado, que vem exigindo discussões embasadas acerca de quais escolhas melhor impactam nos problemas críticos do negócio. Uma pesquisa elaborada pela Coleman Parkes, por exemplo, indicou um crescimento de 75% no número de fornecedores de TI nos últimos anos.
Contudo, cabe salientar que a interpretação humana não pode ser deixada de lado em hipótese alguma. Porém, a recomendação geral está na obtenção e na análise dos dados, sendo o Big Data o “instrumento” principal.
Podemos concluir que a integração das informações de toda a cadeia de suprimentos em apenas um único painel de controle é um dos fatores que contribui para a tomada de decisões mais acertada. Assim, a aplicação do Big Data supply chain possibilita mitigar os riscos, adquirir melhores serviços e/ou produtos e conseguir preços mais atrativos, sendo determinante para a escolha dos fornecedores.
Esperamos que você tenha gostado deste conteúdo. Agora, não deixe de conferir o nosso artigo que mostra a como usar os dados do cliente para alavancar o seu negócio!
Olá Leandro.
Acredito que o potencial da área de Business Intelligence dentro das empresas pode ser maior do que se imagina hoje.
Trabalho com consultoria de B.I. para agencias e empresas, e enfrentamos diariamente dois grandes problemas.
1- Padronização dos dados: Como utilizamos muitas fontes de dados, todo o processo, desde o que a implementação, até a parte operacional, precisa ser muito bem estruturada. Sem o padrão das informações perde-se muito tempo com “correção”, sendo que “tempo” não é o que temos para identificar um padrão, pois no dia seguinte ele pode mudar se não o tratarmos.
2- Pessoas que não sabem o que querem: Corporações não sabem o que querem, logo querem tudo. O problema é que sabemos que não tudo não é necessário, se consegue identificar padrões e otimizações com metade do volume. Sendo assim o processo de otimização passa a ser inteligente para ser operacional.
O futuro da área esta encaminhando para segmentações e clusterizações dinâmicas para analise de Big Data, mas se o processo de todos envolvidos precisa ser muito bem desenhado e a área de B.I. precisa ter este knowhow também.
Obrigado e muito bom seus artigos.
Oi João, obrigado pelo seu comentário! Concordo com você!
Realmente, a padronização dos dados é o ponto mais sensível mesmo. Aqui estimamos em torno de 60% a 70% do tempo em um projeto de BI apenas para esta parte.
Sobre as pessoas não saberem o que querem, aqui vemos como uma certa vantagem. Muitas vezes não é nem exatamente não saber o que querem, mas não saberem o que é possível fazer. Com isso, parte do nosso trabalho aqui é exatamente entender do que o cliente sofre aí então sugerir algumas coisas. Tentamos não ir para uma abordagem de “o que você quer” mas sim de “quais são seus problemas”.
Isso me deu até a ideia de criar um post focado nisso, vou deixar anotado para o futuro!
Existe uma técnica chamada Árvore de Realidade Presente, da Teoria das Restrições, que lida justamente com essa barafunda de problemas e entendimentos. Eu experimentei a mesma frustração que você, João, e decidi resolver esse problema. A imagem https://geekbi.files.wordpress.com/2020/10/bi_toc-crt-x.png é um resumo do que eu tenho até agora.
Adoraria uma contribuição. “O cliente não sabe o que quer” já está lá. “Dados são sujos” e “Dados são bagunçados” me parecem boas adições.
O que você acha? E você, Leandro?
[…] para aumentar seu lucro ou diminuir seus custos operacionais. Esse é o conceito básico de Business Intelligence utilizado como diferencial […]
[…] de BI — Business Intelligence ou, traduzindo, Inteligência Empresarial — é justamente o diferencial que uma empresa precisa para tratar dados gerados por vários meios. Veja alguns contextos que podem servir de […]
eu precisava para compor você uma pouco de note ajudar diga obrigado again com o extraordinário conselhos você compartilhado nesta página . Foi certamente maravilhosamente generoso com você dando abertamente tudo o que muitas pessoas {poderiam ter | poderiam possivelmente ter | poderiam ter | teriam | distribuído para um ebook para gerar alguma massa para eles mesmos , especialmente considerando que you poderia ter tried it se você nunca desejado . Those estratégias também agido como outras pessoas tenha semelhante desire como my own entender bom negócio mais relacionado este assunto . Eu tenho certeza há alguns mais agradáveis ocasiões ahead para pessoas que ver seu site
Bom dia,
Há muita diferença das versões do livro The Data Warehouse Toolkit?
Vejo que ele esta na 3 edição.
Posso comprar apenas a 3 ou devo comprar todas?
Oi Marcos!
Há algumas atualizações com conceitos mais atuais. Não precisa comprar todas as edições não, apenas a 3a já cobre tudo que precisa.
Sim e não. A maior diferença é entre a primeira edição e as restantes. Da segunda edição em diante, quando a Margy Ross assumiu o livro, é tudo mais ou menos o mesmo.
A primeira edição, que por acaso chegou a ser publicada em português, é a melhor, na minha opinião. Ela é mais concreta, menor e mais focada. Se conseguir achá-la, compre. Vale ouro.
Sobre o comentário do João Kechichian, concordo em relação às empresas não terem claro o que querem, e concordo com o Leandro sobre a abordagem de “Qual o seu problema” para dar as sugestões.
Mas vale ressaltar que as empresas não conseguem identificar o que querem por não terem claro um Planejamento Estratégico e objetivos bem descritos. Isso facilita muito perceber quais indicadores serão necessários acompanhar para atingir os resultados esperados.
Gostaria de entender se a utilização da Big data nas empresas gera algum tipo de desvantagem nas pessoas que lá trabalham ?
Parabéns por trazer a CRISP-DM de volta ao tablado. O “produtocentrismo” que assola o mercardo de BI pressiona os players a comprar o último brinquedo, a seguir a última moda, quando quase tudo que tem algum uso prático já existe há décadas – como o CRISP-DM
Seria legal um artigo um artigo comparando-o com SEMMA. Pode ser muito interessante para quem entrou na área há menos de 20 anos.