Comment Incorta utilise l'IA pour résoudre les problèmes de la chaîne d'approvisionnement

janvier 5, 2022 Par admin 0
Comment Incorta utilise l'IA pour résoudre les problèmes de la chaîne d'approvisionnement

Crédit d'image: silkwayrain/Getty

Écoutez les DSI, les CTO et d'autres cadres supérieurs et cadres sur les données et les stratégies d'IA au Sommet sur l'avenir du travail ce 12 janvier 2022. En savoir plus

Avant cette année pandémique 2021, le terme «chaîne d'approvisionnement» n'a pas soulevé beaucoup de drapeaux rouges pour la plupart des consommateurs, franchement parce qu'ils ne l'ont pas fait faut y penser. Tout vient de se passer. Les acheteurs étaient tellement habitués à faire les choses dans les délais que cela devenait rarement un sujet de conversation régulier.

Tout a changé au cours de la seconde moitié de 2021. Avec le ralentissement des chaînes de production et la pandémie transport dans des lieux lointains, le terme « supply chain » fait désormais régulièrement la une des journaux. Cela a été le plus grand choc subi par les chaînes d'approvisionnement mondiales de l'histoire moderne. Les acheteurs doivent souvent attendre des mois pour obtenir des matières premières, des biens durables, des matériaux de construction, des appareils électroniques, des vêtements, des jouets et de nombreux autres articles. À la fin de l'année civile, cela reste un problème persistant qui pourrait se poursuivre jusqu'en 2022 – voire 2023.

En conséquence, les responsables de la chaîne d'approvisionnement placent désormais des paris qui peuvent déterminer, dans une large mesure, le sort de leurs entreprises. Ils recherchent désespérément une visibilité sur tous les maillons de la chaîne – en utilisant des portails que beaucoup n'ont jamais eu auparavant – mais un certain nombre d'entre eux volent à l'aveugle avec peu ou pas de contrôle sur le flux de leurs marchandises.

Les responsables de la chaîne d'approvisionnement ont du mal à voir et à contrôler au mieux la logistique pour que les marchandises soient piégées dans des millions de conteneurs de 40 × 8 pieds sur des navires en attente au large des ports d'Oakland, de Los Angeles, de Long Beach, de la côte est et du Suez Canalisez vers les camions et les trains et vers les détaillants. Les solutions pour cela incluent celles de sociétés telles que SAP, Cin7, Oracle NetSuite, InfoPlus et Anvyl. Ces fournisseurs créent des collections complexes de produits ponctuels qui incluent des contrôles pour la prévision de la demande et la gestion de l'import/export, de l'inventaire, de l'expédition, des fournisseurs, du transport et de l'entreposage.

Ces applications, pour la plupart héritées, peuvent être difficiles à utiliser, et ils n'ont pas été conçus pour une utilisation optimale. La bonne nouvelle est qu'il y a de l'innovation sur ce marché.

Bienvenue à l'analyse de données unifiée

Le nouveau venu relatif Incorta, qui crée une plate-forme d'analyse de données unifiée basée sur un logiciel en tant que service (SaaS) qui inclut les fonctions ci-dessus, vient à la chaîne d'approvisionnement sous un angle différent. Sa plate-forme à écran unique regroupe toutes les données d'une entreprise dans un seul système, remplaçant divers outils distincts, pour déplacer les données des emplacements sources vers une forme que les membres du personnel métier et les scientifiques des données peuvent utiliser plus efficacement. Il s'agit de l'analyse des données qui est utilisée pour projeter et/ou identifier les problèmes de la chaîne d'approvisionnement et trouver des moyens de les résoudre, de la même manière que le GPS achemine les conducteurs autour des embouteillages.

« 

Incorta construit et déploie la machine- modèles d'apprentissage », a déclaré le directeur informatique Brian Keare à VentureBeat. « C'est en grande partie parce que notre plate-forme d'analyse de données unifiée vous permet d'analyser directement des données brutes et non transformées – qui sont exactement le type de données nécessaires à l'apprentissage automatique.

« Ceci a plusieurs implications: pour commencer, elle rapproche l'analyse commerciale et la science des données, car les deux peuvent fonctionner sur la même plate-forme et fonctionner avec exactement les mêmes données. Pour les data scientists, cela signifie qu'il ne faut plus développer de modèles dans une bulle et ne plus fonctionner avec des ensembles de données irréalistes qui finissent par échouer en production. De plus, cela signifie que les scientifiques des données n'ont pas à passer autant de temps à acquérir des données, à créer un pipeline et à transférer les résultats vers un autre système pour visualiser et partager les résultats. «

«Vous pouvez jeter un œil à vos alternatives, étant donné que vous êtes en rupture de stock sur certaines choses», a déclaré Keare. «Dites que vos marchandises sont bloquées sur des navires en attente de dédouanement au large du port de Los Angeles. Contrairement à un tas de feuilles de calcul manuelles et à essayer de le comprendre manuellement, vous n'avez qu'une vue d'ensemble de ce qui se passe, et vous pouvez vraiment voir quelles sont vos alternatives.

Comment l'IA est implémentée

Afin que les technologues, les architectes de données et les développeurs de logiciels en apprennent davantage sur l'utilisation de l'IA, VentureBeat a demandé à Keare que le produit applique l'IA.

VentureBeat:

Quels outils d'IA et de ML utilisez-vous spécifiquement?

Brian Keare:

La plate-forme d'analyse de données unifiée d'Incorta regroupe et intègre étroitement Spark, de sorte que toute bibliothèque – qu'il soit open source ou commercial – peut être utilisé avec. Incorta est également livré prêt à l'emploi avec des favoris tels que Scikit-learn, Spark-ML, FBprophet (Facebook prophète) et d'autres. Nous avons également des bibliothèques d'utilitaires qui facilitent la récupération des données d'Incorta, l'enregistrement des trames de données dans Incorta, puis l'examen et la visualisation des résultats intermédiaires dans notre interface de bloc-notes intégrée.

VentureBeat:

Utilisez-vous des modèles et des algorithmes prêts à l'emploi, par exemple de DataRobot ou d'autres sources?