Comment l’IA peut aider les entreprises à combattre l’inflation et à éviter la démarque inconnue

Découvrez comment votre entreprise peut créer des applications pour automatiser les tâches et générer des gains d’efficacité supplémentaires grâce à des outils low-code/no-code le 9 novembre lors du sommet virtuel Low-Code/No-Code. Inscrivez-vous ici.


L’effet domino du COVID-19 et la guerre en Ukraine ont perturbé les chaînes d’approvisionnement et augmenté les coûts, laissant les fabricants avec trois voies pour survivre : augmenter les prix directement, reformuler le produit avec des matériaux moins chers ou réduire la taille des produits par vagues.

Comme les clients sont plus sensibles aux augmentations de prix ou aux baisses de qualité, de nombreuses entreprises ont choisi de retirer une partie du produit sans modifier le prix. Les fabricants qualifient cette pratique de « réduction des coûts ». Mais les consommateurs appellent cela la rétrécissement.

Le contrecoup de la rétrécissement

La Shrinkflation n’est pas nouvelle et a longtemps été considérée comme une façon standard, sinon nécessairement éthique, de faire des affaires, en particulier pendant les récessions. Cela a été fait progressivement – par morceaux – c’est pourquoi il est rarement passé sous le radar du consommateur. Mais, depuis deux ans, alors que les préoccupations financières des consommateurs sont à un niveau record, la démarque inconnue ne passe pas inaperçue.

Selon une récente enquête auprès des consommateurs réalisée par Gartner, “Au cours de l’année écoulée, 70 % des consommateurs ont déclaré avoir remarqué une contraction ou une skimpflation. [the practice of using cheaper materials in a product] dans au moins une catégorie de produits. 41 % des consommateurs ont noté que les produits ménagers souffraient de la démarque inconnue, tandis que 32 % des consommateurs ont noté que les produits de « soins personnels » en souffraient.

Événement

Sommet Low-Code/No-Code

Rejoignez les principaux dirigeants d’aujourd’hui lors du sommet Low-Code/No-Code virtuellement le 9 novembre. Inscrivez-vous pour obtenir votre laissez-passer gratuit dès aujourd’hui.

Inscrivez-vous ici

Voici quelques exemples récents de rétrécissement :

  • Nestlé a récemment été réprimandé pour avoir réduit sa barre de partage Cadbury Dairy Milk de 200 g à 180 g.
  • Les sacs de Party Size Frito Scoops ont été réduits de 18 à 15,5 onces cette année.
  • PepsiCo supprime progressivement ses bouteilles Gatorade de 32 onces au profit de conteneurs de 28 onces.
Lire aussi  Les barrages de castor aident les écosystèmes ravagés par les incendies de forêt à se rétablir longtemps après la fin des flammes

Outre les clients réagissant fortement à la démarque inconnue, les industriels eux-mêmes comprennent l’inefficacité de cette pratique. « C’est une tactique à court terme pour un problème à long terme. La démarque inconnue n’a pas d’impact considérable sur les itinéraires de transport, l’emballage ou d’autres frais généraux fixes, elle n’aide qu’avec les quantités de matières premières, ce qui signifie qu’elle n’a pas l’impact réparateur sur les marges que les entreprises espèrent souvent », a déclaré Ira Dubinsky, Directeur GTM chez Peak, une société d’intelligence décisionnelle.

Des gains d’efficacité supplémentaires tout au long de la chaîne d’approvisionnement peuvent aider

L’agrégation de données à travers la chaîne d’approvisionnement traditionnelle est courante, mais les opérations des clients – où la demande est générée – sont souvent cloisonnées dans un autre département et fonctionnent généralement à un niveau beaucoup plus granulaire. Relier les données d’exécution et de demande tout au long de la chaîne d’approvisionnement représente une énorme opportunité pour les planificateurs de la demande, qui travaillent déjà à pleine capacité.

C’est là que l’intelligence artificielle (IA) peut aider. Le fait de disposer de données de localisation, des tendances de comportement des clients et des numéros détaillés des mouvements de stock au détail en un seul endroit peut aider les entreprises à gagner en efficacité tout au long de la chaîne d’approvisionnement. Des économies de coûts sont réalisées car les entreprises ne manquent pas de ventes en raison de problèmes d’inventaire, évitent les amendes de livraison tardive, optimisent les itinéraires des véhicules pour réduire les coûts de carburant, etc.

Favoriser l’intelligence décisionnelle grâce à l’intelligence artificielle

L’intelligence décisionnelle (ID) est l’application commerciale de l’IA au processus de prise de décision. Peak, une plateforme d’IA fondée en 2015, construit des applications DI. Il est en concurrence avec des plateformes comme O9, C3 et DataRobot.

Lire aussi  Le désherbant au glyphosate nuit à l'apprentissage et à la mémoire des bourdons

La plate-forme de Peak comprend une bibliothèque d’applications prêtes à l’emploi qui s’adaptent à une variété de cas d’utilisation dans des secteurs tels que CPG, la vente au détail et la fabrication. Ces applications permettent aux utilisateurs d’appliquer rapidement l’IA pour atteindre leurs objectifs commerciaux, tout en leur donnant les outils dont ils ont besoin pour étendre l’utilisation de l’ID au fil du temps.

“Imaginez si vous saviez quoi fabriquer, quand le fabriquer, combien coûteraient vos matériaux, le nombre de paquets par palette et l’itinéraire de livraison le plus efficace. Nous n’avons pas de boule de cristal, mais nous avons ce qu’il y a de mieux », a déclaré Dubinsky.

La pile d’applications de demande et d’approvisionnement de Peak est conçue pour extraire des données de l’ensemble de la chaîne d’approvisionnement et utilise l’IA pour optimiser les décisions d’achat et d’inventaire, de logistique et de tarification.

En réunissant les équipes techniques et commerciales sur une seule plateforme et en fournissant une interface permettant aux équipes commerciales de s’engager avec un modèle, Peak répond à de nombreux défis auxquels sont confrontées les entreprises qui cherchent à déployer l’IA. Il garantit que les modèles sont axés sur les résultats et accélère le processus de bout en bout, augmentant ainsi le délai de rentabilisation.

Dubinsky a cité un exemple de la société de livraison d’épicerie durable, le laitier moderne, qui avait besoin d’avoir une vue complète de sa chaîne d’approvisionnement et, par la suite, de prendre des décisions plus éclairées concernant ses opérations de stock, de commande et d’entrepôt.

En adoptant une approche connectée et basée sur les données, le laitier moderne est en mesure de prévoir la demande dans un environnement volatil, de réduire le gaspillage alimentaire, d’éliminer les coûts inutiles et de s’assurer que les bons produits sont en stock dans ses centres d’épicerie localisés pour répondre à la demande des clients. Faire des gains d’efficacité supplémentaires en optimisant les performances tout au long de la chaîne d’approvisionnement incite ses clients à revenir et place le laitier moderne dans une excellente position pour lutter contre ce cycle d’inflation.

Lire aussi  L'été s'est transformé en "saison du danger", préviennent les scientifiques

Les bonnes données peuvent résoudre les problèmes

Comme les problèmes qui entraînent la contraction de l’inflation ne vont nulle part de sitôt, Dubinsky conseille aux entreprises de briser les silos internes pour combler le fossé entre la génération de la demande et la satisfaction de la demande. “Les gens du marketing et de la chaîne d’approvisionnement peuvent vraiment être les meilleurs amis. Lier les données de ces deux départements peut débloquer certaines des opportunités dont nous avons parlé plus tôt où les données sur la demande enrichissent les prévisions de la demande et contribuent à rendre les opérations plus efficaces », a-t-il déclaré.

Une autre priorité clé devrait être les données clients. L’avenir repose sur des relations 1: 1 avec les consommateurs et une manière de fonctionner centrée sur le consommateur, déclare Dubinsky. Que vous vendiez directement aux consommateurs et que vous sachiez qui ils sont, ou que vous vendiez vos produits manufacturés à des détaillants, utilisez chaque canal marketing pour générer des inscriptions et la collecte de données, puis offrez des expériences riches pour entretenir cette relation.

« Le thème commun ici est que les stratégies doivent être éclairées par une compréhension approfondie de qui sont vos clients, où ils se trouvent et ce qu’ils achètent. L’IA peut le faire avec plus de données, plus intelligemment et plus rapidement », a déclaré Dubinsky. “Et c’est là qu’intervient le jeu à plus long terme. Investissez dans une technologie qui exploite les données de l’ensemble de votre organisation pour optimiser les stocks, minimiser les mouvements et gérer la volatilité.”

La mission de VentureBeat est d’être une place publique numérique permettant aux décideurs techniques d’acquérir des connaissances sur la technologie d’entreprise transformatrice et d’effectuer des transactions. Découvrez nos Briefings.

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.

Recent News

Editor's Pick