Data Science : de nouveaux métiers dans la Supply Chain

De nouveaux profils pour accompagner la mutation des entreprises

Pour intégrer la Data Science dans leurs processus, les entreprises doivent aujourd’hui gérer une double transformation de leur organisation, à la fois technologique et humaine. Sur le plan technologique, cette mutation a conduit de nombreuses entreprises à créer des Data Lakes participant à une démocratisation de la donnée, désormais rendue accessible à tous. On assiste également à une refonte de certains outils de business intelligence.

Quant à l’aspect humain, il se traduit aujourd’hui par l’arrivée dans la distribution et la Supply Chain de nouveaux profils comme les Chief Data Officers, Master Data Managers et Data Scientists. Leurs missions ? Organiser la gouvernance et l’exploitation des données. Le plus souvent au sein d’un Data Lab, ces analystes peuvent traiter des données internes ou externes à l’entreprise.

Certains Data Labs ont ainsi choisi de focaliser leur attention sur les données de leurs clients pour en faire ressortir la valeur ajoutée dans une approche client-centric. Objectif : aider les équipes métier à mieux comprendre leur activité et avoir une bonne visibilité sur toute la chaîne logistique.

Focus sur le Data Lab Generix Group

Le Data Lab est un concept déjà présent dans de nombreuses sociétés du CAC 40. Chez Generix Group, il se focalise essentiellement sur les données clients dans le but de les traiter et de les valoriser. Objectif : révéler des KPI qui donnent aux clients une meilleure connaissance de leur activité et des différents acteurs de la chaîne d’approvisionnement.

Vers le développement des Data Labs

Comme Generix Group avec son offre Data Power, certains éditeurs de solutions logistiques ont d’ores et déjà créé des Data Labs ouverts à leurs clients. Objectif ? Mettre à leur disposition des profils spécialisés en Data Science rodés aux problématiques de la Supply Chain, et familiers avec les données transitant par le biais de leurs solutions (WMS, TMS…).

Avec l’appui d’experts métier, ces professionnels de la data peuvent ainsi intervenir auprès des clients sur des missions ponctuelles, et créer des compléments fonctionnels basés sur l’IA permettant d’obtenir des niveaux de performance encore inégalés.

Data Scientists et Data Engineers au cœur des problématiques métier

Avec l’automatisation et l’intégration croissante de l’IA dans les processus, les métiers liés à la data se digitalisent naturellement. Ces profils métier sont chargés de collecter les informations issues de différentes sources, de les agréger, et de permettre leur exploitation de façon sécurisée.

Au-delà de leur aspect technique, les données viennent alors constituer le patrimoine de l’entreprise, commun à tous, dans une logique de transversalité entre les services. Il s’agit ensuite de pouvoir les exploiter pour résoudre des problématiques opérationnelles complexes que les systèmes d’information traditionnels comme les WMS et les TMS ne sont pas capables de traiter sans l’aide des algorithmes de machine learning.

Dans la Supply Chain, il est ainsi fréquent d’avoir un ou deux Data Scientists capables de travailler sur des modèles d’organisation dans un environnement contraint… Dans la chaîne logistique où la donnée existe et devient de plus en plus accessible, le champ des optimisations est ainsi très largement ouvert, ce qui en fait un terrain de jeu particulièrement intéressant pour les Data Scientists.

Leurs missions les plus fréquentes sont :

• de prévoir la charge des entrepôts et anticiper les besoins en capacité ;
• d’optimiser l’affectation des tâches en fonction des ressources disponibles ;
• de perfectionner le montage des palettes constituées de produits hétérogènes ;
• de réduire le temps de préparation des commandes en entrepôt, par la recherche en temps réel du meilleur chemin, tout en tenant compte de l’encombrement des allées ;
• d’identifier de nouveaux leviers de performance et de construire l’algorithme nécessaire pour le paramétrage du WMS…

À lire également : [Dossier] gestion des entrepôts : enjeux et avancées

Le Data Engineer est un autre profil clé de la Data Science. Intervenant en amont, il est pour sa part chargé de définir les sources de données et de construire le système qui doit permettre aux algorithmes d’être correctement alimentés en données.

Ces profils peuvent aujourd’hui trouver leur place au sein des équipes logistiques comme dans les directions SI dédiées à la Supply Chain. Quoi qu’il en soit, intégrer ce type de profil dans une entreprise constitue à l’heure actuelle un levier de performance indéniable.