Novembre 27, 2020

Il Procurement e l’Intelligenza Artificiale

Artificial Intelligence

La Digital Transformation sta producendo una disruption nelle organizzazioni dando origine a cambiamenti che modificano i modelli di business precedenti e offrono l’opportunità di innovare.

La funzione Procurement di un’azienda può essere parte di questo cambiamento e offrire un valore aggiunto attraverso una nuova value proposition che la trasforma in un partner aziendale strategico. Le tecnologie offerte dall’Intelligenza Artificiale possono accelerare questo salto di qualità.

Un supporto informatico adeguato è costituito dalle piattaforme di e-procurement, adatte alla raccolta e alla condivisione di elevate quantità di dati provenienti da diverse fonti, che le tecnologie di Intelligenza Artificiale possono elaborare superando i tradizionali metodi basati prevalentemente su dati storici e producendo previsioni più accurate che assicurano un vantaggio competitivo.

Intendiamo l’Intelligenza Artificiale, incluse la Robotic Process Automation e la Cognitive Automation, come un insieme di sistemi tecnologici in grado di elaborare grandi quantità di dati e di simulare alcune funzionalità cognitive dell’uomo: correlazione di dati ed eventi per estrapolarne delle informazioni, collegamento tra le molteplici informazioni raccolte, capacità di apprendimento automatico incrementale per poter svolgere compiti senza una programmazione specifica preventiva, capacità di interazione con l’uomo attraverso il linguaggio naturale.

L’uso efficace di queste tecnologie richiede la loro conoscenza per capirne l’affidabilità e il corretto modo di impiegarle. È quindi opportuno sviluppare un percorso incrementale virtuoso partendo dalla simulazione di attività ripetitive o standardizzate, più adatte a essere automatizzate, e procedendo con l’introduzione di sistemi dotati di maggiori capacità cognitive come apprendimento automatico, sistemi esperti e così via.

Importanti sono le fonti che alimentano le piattaforme di e-procurement con i dati su cui le tecnologie dell’Intelligenza Artificiale devono lavorare.

  • Dati dei Fornitori: le piattaforme di e-procurement possono raccogliere i dati dei fornitori in modo efficiente, consentendo ai fornitori di presentare autonomamente queste informazioni. È auspicabile che i dati acquisiti sulle piattaforme siano condivisi da tutte le applicazioni di piattaforma e da più utenti adeguatamente autorizzati per evitare dati ripetitivi.
  • Dati interni: valutazioni dei fornitori, verifiche di documenti, valutazioni e aggiudicazioni di offerte, analisi e valutazione delle prestazioni e altri.
  • Dati aziendali: dati recuperati da sistemi interni come ERP, Supply Chain, Qualità, Sicurezza, Ambiente e altri.
  • Dati in abbonamento: dati acquisiti in modo automatico e strutturato da Information Provider, dati già certificati e quindi più affidabili e preziosi. Esempi sono le informazioni finanziarie che possono essere utilizzate nelle valutazioni dei fornitori e nei loro profili, gli indici dei prezzi delle materie prime e così via.
  • Dati web: dati strutturati e non strutturati che costituiscono una parte preponderante del complesso dei Big Data; rappresentano la più grande e complessa fonte. L’affidabilità di questi dati è estremamente variabile; sono quindi richieste soluzioni appropriate di Intelligenza Artificiale.

I Data Analytics, considerati dai Responsabili del Procurement come uno dei fattori innovativi con i maggiori impatti sul business nei prossimi anni, sono il risultato del processo di raccolta, analisi ed elaborazione con strumenti di Intelligenza Artificiale del grande volume di dati che viene reso disponibile per estrarne informazioni con finalità statistiche o di profilazione.

Si può ottenere una visibilità tempestiva sui processi di acquisto, sulle quantità acquistate, sulle transazioni, sui costi, sulle eventuali anomalie e si riesce quindi a ottimizzare rapidamente il processo di budgeting.

La disponibilità di questi Analytics e di piattaforme digitali appropriate di e-procurement supporta la collaborazione tra cliente e fornitore anche nello sviluppo di prodotti innovativi e nella reingegnerizzazione dei processi di produzione, favorisce la comprensione delle tendenze di mercato e quindi la riduzione del rischio di acquisti di materiali per soddisfare la domanda di nuovi prodotti. In conclusione l’analisi dei dati permette di essere più reattivi sul mercato e prendere decisioni strategiche più consolidate.

L’introduzione progressiva di sistemi dotati di maggiori capacità cognitive corrisponde alla possibilità di gestire livelli diversi di analisi all’interno di un processo di sourcing strategico.

  • Analisi descrittiva: per trasformare i dati in informazioni, per esempio per classificare automaticamente i grandi volumi di dati di spesa distribuiti in modo disomogeneo su vari sistemi aziendali e inserirli in una struttura ordinata di spesa.
  • Analisi diagnostica: per individuare le cause che stanno alla base delle informazioni, per esempio per capire cosa sta producendo un aumento dei prezzi di specifici prodotti e materie prime.
  • Analisi predittiva: per trasformare le informazioni in previsioni, per esempio come prevedere con maggiore precisione gli scenari dei prezzi di prodotti e materie prime.
  • Analisi prescrittiva: per trasformare le previsioni in azioni, per esempio quali provvedimenti attuare per contrastare un rischio di fornitura troppo elevato.

Un passo ulteriore è costituito dall’analisi cognitiva che impara a capire il livello di accuratezza delle previsioni fatte e l’efficacia delle azioni attuate: per esempio come determinare una strategia ottimale per organizzare la prossima richiesta di offerta.

Ci sono alcune aree del Procurement che possono trarre un significativo beneficio dall’introduzione di tecnologie di Intelligenza Artificiale.

Classificazione della spesa: analisi di grandi volumi di dati disomogenei per individuare nuovi modelli di spesa. Sourcing strategico: partendo dalla classificazione della spesa si producono analisi delle componenti di costo, analisi di mercato, analisi di benchmark e analisi delle offerte e delle prestazioni del fornitore, per arrivare a valutare l’opportunità o stimare il rischio di continuare il rapporto commerciale con lo stesso fornitore. Gestione dei contratti: analisi, classificazione e strutturazione delle informazioni relative agli impegni vincolanti tra le parti al fine di predisporre una contrattualistica più efficace. Gestione dei rischi del fornitore: analisi dei dati storici di approvvigionamento per individuare gli eventi negativi, analizzarli per identificarne gli ambiti e le cause, collegarli con informazioni derivanti da fonti esterne e stimare il conseguente rischio.

Giampiero Volpi, Business analyst e-procurement
Pubblicato su “theprocurement.it”, Ottobre 2018.

Ultimi articoli

Scopri niumActive.

niumActive è la suite completa e modulare che aiuta le aziende a digitalizzare tutti gli aspetti del Procurement