Využívání pokročilých datových analytik může tomuto cíli napomoci, ale mnoho společností je dosud nevyužívá.

Zjišťováním priorit a problémů, kterým čelily podniky předtím, než přistoupily k zavádění pokročilých analýz, Velkých dat a strojového učení, dospěl nový průzkum k zjištění, že 30 % dotázaných identifikovalo potřebu odpovědět zákazníkovi rychleji, přesněji a s možností individuálního přístupu jako zásadní.

Logility a APICS dotazovaly více než 1000 poskytovatelů zásobovacích řetězců a zjistili, že snaha o rychlejší odbavování zákazníků naprosto neodpovídá faktu, že většina společností stále ještě spoléhá na tabulkové procesory a staré systémy, které neumožňují transparentnost a viditelnost Velkých Dat a neupozorňují ani na příležitosti ani na potenciální rizika.

„Společnostem mohou brzy přerůst přes hlavu kvanta zbytečných dat generovaná současnými systémy, různými připojenými zařízeními nebo sociálními sítěmi,“ uvádí Allan Dow, prezident Logility pro server mhlnews.com. Dow zdůrazňuje, že společnosti mohou dosahovat výrazných výhod využíváním pokročilých analytických platforem a rozhodovat se výrazně rychleji a kvalitněji s vyšší mírou transparentnosti na základě prediktivních a simulačních technologií.

„Díky inovativnímu využití umělé inteligence a strojového učení jsme schopni lépe porozumět vlivům, které působí na byznys, rychle odhalit nové možnosti a zdokonalit zákaznické služby,“ dodává Dow.

Několik výstupů výzkumu:

  • 36 % dotázaných identifikovalo jako hlavní důvod pro zavedení analytiky možnost optimalizovat zásoby
  • 30 % zdůraznilo potřebu reagovat rychleji na požadavky zákazníků
  • 28 % by rádo propojilo data z různých systémů dohromady pro dosažení vyšší transparentnosti
  • 19 % respondentů uvádí, že chtějí strojové učení a prediktivní technologie využívat pro zvýšení přesnosti odhadu vývoje svého podnikání