La multinationale de vente en gros de produits de santé avait du mal à maintenir son modèle d'optimisation de la chaîne d'approvisionnement. Construit à l'origine dans Alteryx, le modèle calculait des mesures clés essentielles pour optimiser les niveaux de stock afin de répondre à la demande tout en minimisant les coûts. Cependant, au fil du temps, les connaissances requises pour maintenir le modèle se sont érodées et de nouvelles exigences commerciales sont apparues qui devaient être incorporées dans le processus. Pour répondre à ces besoins en constante évolution, l'équipe s'est tournée vers Excel, un outil avec lequel elle était plus à l'aise, pour appliquer manuellement les ajustements des règles de gestion.

‍

Ces ajustements ont introduit une grande complexité, nécessitant plusieurs couches de logique et générant des fichiers supplémentaires dans différentes unités opérationnelles. Le processus est devenu de plus en plus fragmenté, les changements dépendant fortement d'une seule personne qui possédait l'expertise nécessaire pour les mettre en œuvre. Il en résultait un point de défaillance unique, la perte des connaissances de cette personne pouvant perturber l'ensemble des efforts d'optimisation de la chaîne d'approvisionnement.

‍

Outre le risque de perte de connaissances, la dépendance croissante à l'égard d'Excel rendait la logique d'entreprise de plus en plus difficile à suivre et à maintenir. Les calculs et les règles appliqués dans le cadre de ces processus manuels avaient déjà permis à l'entreprise d'économiser des millions en optimisant les niveaux de stock, mais le processus devenant de plus en plus lourd, il était clair qu'une solution plus évolutive et structurée était nécessaire pour maintenir ces économies et garantir l'efficacité à long terme.

‍

En outre, le système principal de l'entreprise pour la définition des niveaux de stock optimaux était ouvert aux modifications apportées par de multiples utilisateurs au sein de l'organisation. Il en résultait parfois des divergences entre les valeurs optimales calculées et les ajustements effectués manuellement dans le système. Pour y remédier, l'entreprise a développé un outil de validation dans Excel afin de comparer les valeurs du système avec les résultats du modèle. Cependant, comme le reste du processus basé sur Excel, cet outil devenait de plus en plus difficile à maintenir, ce qui soulignait la nécessité d'une solution plus robuste et automatisée.

‍

Manque de maintenabilité

Le principal défi pour le client était la complexité croissante et le manque de maintenabilité de la logique d'entreprise construite dans Excel. Au fil du temps, le processus est devenu difficile à suivre, nécessitant des efforts considérables pour comprendre les transformations appliquées. Sans un changement fondamental vers une approche plus structurée, le modèle risquait de devenir ingérable.

Connaissances spécialisées requises

L'utilisation des règles de gestion dans Excel nécessitait une expertise approfondie en raison du réseau complexe d'onglets multiples, de formules complexes et de connexions liées. Les connaissances relatives à la mise en œuvre et à la mise à jour de ces règles étaient largement concentrées chez une seule personne, ce qui créait une dépendance critique. Si cette personne quittait l'organisation, l'entreprise serait confrontée à des risques importants, car personne d'autre ne comprenait parfaitement le fonctionnement du modèle.

Garantir la précision du système

Au-delà des défis liés à la maintenance, le client avait également du mal à garantir l'exactitude du système. Comme de nombreux employés avaient accès à la modification des valeurs de stock dans le système source, des divergences pouvaient apparaître entre les niveaux de stock optimaux calculés et les valeurs réelles dans le système. L'entreprise avait développé un outil de validation dans Excel pour comparer ces valeurs, mais il devenait lui aussi difficile à maintenir. Une approche plus automatisée et plus évolutive était nécessaire pour garantir que les niveaux de stock corrects étaient maintenus de manière cohérente dans l'ensemble de l'organisation.

‍

Pour relever ces défis, l'équipe de Compass Analytics a commencé par examiner minutieusement les flux de travail Alteryx existants et la logique commerciale basée sur Excel afin d'acquérir une compréhension approfondie du processus. Après avoir terminé la phase exploratoire, l'équipe a conçu une solution structurée consistant en trois flux de travail principaux : un pour le nettoyage des données et les calculs, un autre pour l'application des règles commerciales et un troisième pour la validation des résultats du système source par rapport aux résultats du modèle.

‍

Le processus de nettoyage et de calcul des données a intégré plusieurs sources de données, y compris des entrées provenant de diverses bases de données, des fichiers Excel gérés par d'autres équipes et des sources de données internes. Une fois consolidé, le flux de travail a effectué des calculs de quantité de stock et a généré des indicateurs commerciaux basés sur les caractéristiques des produits, garantissant ainsi la cohérence de la détermination des niveaux de stock.

‍

Le flux de travail des règles de gestion a appliqué des transformations et une logique clés aux données nettoyées. À l'aide de fichiers modèles basés sur Excel, le système a appliqué de manière dynamique des règles d'arrondi, une logique de catégorisation et d'autres transformations clés. En outre, de nombreux rapports de synthèse ont été générés, y compris des classifications ABC, offrant aux dirigeants des informations de haut niveau sur les performances des stocks.

‍

Le processus de validation a permis de s'assurer que les niveaux de stock restaient exacts malgré d'éventuelles modifications manuelles apportées au système source. En comparant les niveaux de stock optimaux générés par le modèle avec les valeurs réelles enregistrées dans le système, le flux de travail a rapidement identifié les divergences, permettant à l'entreprise de signaler et de corriger toute donnée mal alignée.

‍

Pour améliorer encore la visibilité et le suivi historique, les résultats finalisés des règles de gestion ont été archivés, ce qui a permis de créer un enregistrement des valeurs générées précédemment. Cela a permis à l'entreprise de suivre les changements au fil du temps, garantissant une meilleure auditabilité et une prise de décision à long terme basée sur les tendances historiques.

‍

La nouvelle solution développée par Compass Analytics offre au grossiste multinational en soins de santé une approche évolutive et facile à maintenir pour effectuer des calculs de chaîne d'approvisionnement, appliquer des règles commerciales et générer des rapports pertinents. En automatisant les processus complexes et en éliminant la dépendance aux ajustements manuels d'Excel, l'entreprise peut continuer à optimiser les niveaux de stock de manière efficace, ce qui se traduit par des millions de dollars d'économies annuelles tout en garantissant une maintenance à long terme.

Une solution maintenable et évolutive

En convertissant la logique d'entreprise d'un réseau complexe de formules Excel en un flux de travail Alteryx structuré, la solution élimine les dépendances manuelles tout en conservant la flexibilité nécessaire à l'évolution des besoins de l'entreprise. Les utilisateurs professionnels peuvent désormais comparer rapidement différents scénarios et obtenir des informations plus approfondies sur les niveaux de stock optimaux sans avoir besoin d'une expertise technique approfondie.

Processus simplifié nécessitant moins de connaissances spécialisées

Auparavant, une seule personne possédait l'expertise nécessaire pour naviguer dans le processus basé sur Excel. Désormais, une documentation claire et des modèles standardisés permettent à n'importe quel membre de l'équipe d'ajuster les paramètres et d'appliquer de nouvelles règles de gestion. L'approche rationalisée réduit la complexité, ce qui accélère la prise de décision et raccourcit le délai de compréhension.

Garantir l'exactitude du système grâce à la validation intégrée

Pour éviter les divergences manuelles, la solution comprend un processus de validation qui compare automatiquement les niveaux de stock générés par le modèle avec les valeurs du système source. Toute incohérence est signalée et le résultat est formaté pour faciliter les mises à jour dans le système, ce qui garantit que seuls les niveaux de stock les plus exacts sont utilisés. Cela permet de renforcer la rentabilité et d'éviter des erreurs coûteuses dans la planification des stocks.

En passant à un système automatisé, structuré et convivial, l'entreprise a éliminé les inefficacités, réduit les risques opérationnels et assuré des économies à long terme grâce à une gestion optimisée des stocks.

‍