Data drevet supply chain innovation

Transkript

1 Data drevet supply chain innovation Professor Jan Stentoft Institut for Entreprenørskab og Relationsledelse, Syddansk Universitet

2 Background: Short CV Professor in Supply Chain Management (SCM) Research and teaching in SCM, supply chain innovation, operations management (+ offshoring and reshoring manufacturing) and administrative system development (business processes and IT systems) at M.Sc.., MBA and PhD level + Master in IT (IT-Vest) Have a strong emphasis on applied research Head of research of a strategic research program Reducing Cost of Energy in the Offshore Wind Sector through Supply Chain Innovation Practical experience: Self-employed management consultant; LEGO System A/S, Gumlink A/S, Dandy A/S Main advisor of 6 PhD projects (3 university projects and 3 industrial projects) and co-advisor for 1 industrial PhD project Past adviser of 5 PhD projects (3 industrial and 2 university projects) Member of the committee of Industrial PhD programme under the Danish Agency for Science, Technology and Innovation ( ) +215 publications (international peer reviewed journal articles, peer-reviewed book chapters, books, research reports, trade press articles, chronicles in daily press etc.) Clear dissemination strategy: From international peer-reviewed journals to trade press articles 2

3 On going research program Reducing Cost of Energy in the Offshore Wind Sector through Supply Chain Innovation 3

4 Disposition Forretningsmiljøet Supply Chain Management (SCM) Big Data og SCM Opfattelser af Big Data Drivkræfter for Big Data i SCM Barrierer for Big Data i SCM Supply Chain Innovation

5 Forretningsmiljøet Produkters livscyklus bliver kortere og kortere Time to market er et stadigt vigtigere konkurrenceparameter Fokus på kernekompetencer Integration med partnere hvor starter og stopper virksomheden? Offshoring og outsourcing made in the world Etik og miljø i globale forsyningskæder vinder fodfæste Stigende kompleksitet (produkter, serviceydelser, forsyningskæder) Ny teknologi giver fortsat nye muligheder for sporing af materialer i globale forsyningsnetværk

6 Virksomheders SCM udfordringer Fortsat globalisering af forsyningskæder (total cost, lead time, kultur, kvalitet, nærhed til markeder) Supply chain performance målinger som nødvendigt fundament til at drive udvikling Basal oprydning (intern integration, stamdata, systemer, lagre, varesanering m.v.) Balance mellem drift og udvikling (behov for mere strategisk supply chain tænkning)

7 Supply Chain Management

8 Supply Chain Management «SCM tager udgangspunkt i kundens behov for varer og/eller serviceydelser i slutleddet. Dette skaber behov for varer og/eller serviceydelser bagud i leverandørkæder og netværk. Ledelsesidealet er: Differentieret ledelse af intra og interorganisatoriske aktiviteter og processer med det formål at dække kundens behov ved at frembringe varer og serviceydelser fra tidspunktet, hvor råvarer udvindes og frem til slutbrugeren til de lavest totale omkostninger, med det rette tidsforbrug og til den højeste kvalitet, i.f.t det aftalte. «

9 Forskellige typer relationer 9

10 Relationsledelse Høj Flaskehals Strategisk Købets sværhedsgrad Lav Standard Leverage Lav Købets vigtighed Høj Differentieret ledelse 10

11 Der skal to til tango! Virksomhed Kunden Scenarieer A: er Leverandøren meget vigtig er for meget vores vigtig strategiske for vores strategiske positionering positionering og vi forventer og vi det forventer samme, det men samme, ses blot men som sesen blot som commodity en kunde som leverandør skal malkes Kunder Høj Høj A Sværhedsgrad i at lede købet Lav Flaskehals Strategisk Ikke kritiske Løftestang A Lavt Højt Købets strategiske vigtighed Vækst Lav Lavt Rockets Stars Dogs Cash Cows Nuværende oms. Højt Data sharing / data ownership? Data har værdi 11

12 Big Data

13 Big Data og de 5 V er Volume (mængde) Velocity (hastighed) Variety (variation tal, tekst, billeder, lyd) Veracity (sikre kvalitet i data) Value (at bruge data til at skabe værdi) De 3 oprindelige karakteristikker af Big Data Vibrationsdata fra vindmøller i én database Tekniske servicerapporter manuelt, som indtastes i et system Ved at sætte dette sammen giver det bedre viden om, hvordan man skal vedligeholde vindmølle

14 Definitioner af Big Data Davenport et al. (2012) Big data differs from traditional data analytics, where information sets isn t formatted in rows and columns Big data uses real time information from sensors, radio frequency identification and other identifying devices to understand their business environments, to create new products and services and to respond to changes in usage patterns as they occur Goes (2014) Big data differs from data analytics in relation to the 4 V s: Volume (Amount of data) Velocity (Frequency of data) Variety (Different types of data) Veracity (Validation of data) Mauro et el., (2015) Big data is centered around information, technologies, methods and impact Big data represents the information assets characterized by such a high volume, velocity and variety to require specific technology and analytical methods for its transformation into value 14

15 Big Data og dogmer? The enterprises that embrace big data analytics to guide data driven decision making can achieve increased productivity and performance (McAfee & Brynjolfsson, 2012; Brown et al., 2011). Big data will increase the enterprise knowledge and transform supply chain design and management (Waller & Fawcett, 2013). By incorporating big data into business operations, operational efficiency can be improved e.g. increased customer service (Chen & Zhang, 2014).

16 Hvad er Big Data? Big data is currently a buzzword that is weakly understood in theory and practice Big Data Business Intelligence Business Analytics Potential value Big data in a supply chain context: Big data is a way to understand highly complex data sets (4 V s) from different technologies, systems and sources with the purpose to drive strategic, tactical and operational processes and its decision making. What we know

17 Drivkræfter for Big Data i SCM Drivkræfter Kilder Need for better decisions Hazen et al. (2014); Kwon et al. (2014); Wamba et al. (2015); Lavalle et al. (2011); Waller & Fawcett (2013) Need for improved performance Kane et al. (2015); Lavalle et al. (2011); Wamba et al. (2015) To support strategic innovation Chen and Chang (2014); Vera Baquero et al. (2014); Wamba et al. (2015); Hazen et al. (2014) To standardize processes Dutta & Bose (2015); Galbraith (2014); Kane et al. (2015); Wamba et al. (2015); Bi & Cochran (2014) To manage supply chain risk Chen and Chang (2014); Demirkan and Delen (2013); Duan and Xiong (2015) Kilde: Brinch, Baagø Engels & Stentoft (2016)

18 Barrierer for Big Data i SCM Barrierer Kilder Poor data quality Hazen et al. (2014); Kwon et al. (2014); Wamba et al. (2015); Lavalle et al. (2011); Waller & Fawcett (2013) Lack of competences and analytic capabilities Kane et al. (2015); Lavalle et al. (2011); Wamba et al. (2015) Inconsistent data process Chen and Chang (2014); Vera Baquero et al. (2014); Wamba et al. (2015); Hazen et al. (2014) Limited cultural data mindset Dutta & Bose (2015); Galbraith (2014); Kane et al. (2015); Wamba et al. (2015); Bi & Cochran (2014) Unsupportive decision support systems Chen and Chang (2014); Demirkan and Delen (2013); Duan and Xiong (2015) Kilde: Brinch, Baagø Engels & Stentoft (2016)

19 Hvor mange systemer har i? 19

20 Anvendelse af Big Data indenfor SCM Bearbejdelse af store mængder data at forecast nærmest bliver realtidsorienteret Data giver det rigtige grundlag for at ind og udfasning af produkter Optimeret distributionsplanlægning (GPS, fyldningsgrader i biler )

21 Det danske supply chain panel

22 Importance of competence areas Kilde: det danske supply chain panel (2016) 22

23 Supply chain capabilities Kilde: det danske supply chain panel (2016) 23

24 Udfordringer med stamdata Kilde: det danske supply chain panel (2016)

25 Forretningspotentiale med Big Data Kilde: det danske supply chain panel (2016) 58% svarer meget enig / enig

26 Brug af Big Data i SCM Kilde: det danske supply chain panel (2016) 31% svarer meget enig / enig

27 Gab mellem opfattet potentiale og faktisk brug Disruptive Technologies

28 Supply Chain Innovation

29 Supply Chain Innovation Hvad forbinder man oftest innovation med? Nye produkter? Nye markeder? Ny teknologi? Ny organisation? Hvor mange virksomheder er bevidste om, at deres supply chain udgør en vigtig kilde for innovation? Hvad køber virksomheden ind for? Hvad koster fabrikkerne at drive? Hvad er kapitalbindingen i lagre? Hvad koster distributionskanaler og transport? 29

30 Performance Fact drevet udvikling Tilfredsstillende TO BE (vision) Performance Processer Systemer Produkter Leverandører Kunder Utilfredsstillende AS IS (facts) Performance Processer Systemer Produkter Leverandører Kunder Nutid Supply Chain Innovation Fremtid Tid 30

31 FACTS, FACTS & FACTS DNA profilen hvordan ser Jeres supply chain(s) ud? Hvor mange produkter og varianter? Hvor mange kunder? Hvor mange lagre? Hvor mange leverandører? ABC på produkter, kunder leverandører m.v. Hvor mange systemer? Hvad er den nuværende performance? 31

32 Supply Chain Innovation Supply chain innovation er en ændring (inkrementel eller radikal) indenfor et forsyningsnetværk, supply chain teknologi eller supply chain processer (eller en kombination af disse) som kan finde sted i en funktion, i en virksomhed, i en branche eller en forsyningskæde med det formål at forøge værdiskabelsen for virksomhedens interessenter Kilde: Arlbjørn et al. (2011) 32

33 Supply Chain Innovation Kilde: Munksgaard & Arlbjørn (2011) 33

34 Triggers Typiske problemer, der kan trigge SCI er: Lange lead times, Høje supply chain omkostninger, Lave serviceniveauer, men de kan også afstedkomme som følge af et behov for bedre at udtrykke virksomhedens value propositions med henblik på at identificere nye markedssegmenter, og at redefinere strukturen i værdikæden 34

35 Top down og bottom up 35

36 Netværksstruktur 36

37 Supply Chain Netværksstruktur Supply Chain Netværksstruktur refererer til dybden og bredden af downstream og upstream relationer Den horisontale struktur (antal af tiers på tværs af forsyningskæden) Den vertikale struktur (antallet af leverandører/kunder i hver tier) Den horisontale position af virksomheden (f.eks. tæt ved råvareudvinding vs. tæt på private forbrugere) 37

38 Supply Chain Teknologi Supply Chain Teknologi referer til enhver teknologi der er relateret til styring og ledelse af materialer og information i forsyningskæden Supply Chain Teknologi kan anvendes isoleret eller i kombination med andre teknologier Eksempler: ERP systemer POS GPS 3D Droner Big data Robotter m.v. Disruptive Technologies 38

39 Supply Chain forretningsprocesser Supply Chain forretningsprocesser refererer til strukturerede og målelige sæt af aktiviteter Supply Chain forretningsprocesser er designet til at producere et specificeret output for bestemte kunder eller markeder 39

40 Eksempler SCI komponenterne 40

41 Ny fagpakke under Master i IT, F2017 Teknologi drevet supply chain innovation

42 Tak