La gestione dei rischi di fornitura richiede competenze analitiche, esperienza di settore e integrazione con i processi di risk management dell’impresa. Questa attività è ancora più difficile se la base fornitori è fortemente globalizzata.

In questo caso, infatti, i rischi possono provenire da molte fonti: il paese dove sono localizzati i fornitori, le caratteristiche dei fornitori stessi e i processi logistici che collegano i fornitori all’azienda cliente. Per questo motivo le filiere globali sono esposte a maggiore incertezza e possibilità di eventi distruttivi (supply chain disruptions) con conseguenze negative che richiedono molto tempo prima di ritornare ad una fase pre-crisi.

Un esempio su tutti il terremoto in Giappone che nel 2011 ha causato problemi in moltissime filiere produttive e in particolare in quella dell’elettronica.

Di fronte a questi eventi, le classiche tecniche di gestione del rischio, come la predisposizione di piani di emergenza e l’utilizzo di rapporti multi-fornitura, non sembrano essere più sufficienti.

Per questo motivo si guarda con interesse allenuove tecnologie relative all’Impresa 4.0 che offrono la possibilità a costi contenuti anche per le piccole e medie imprese di monitorare i principali eventi nella filiera (presso i fornitori o nella catena logistica) che potrebbero causare ritardi, extra-costi o interruzioni della fornitura, specialmente in contesti globali.

In particolare, la disponibilità di dati interni ed esterni all’azienda può essere sfruttata per cogliere in anticipo segnali deboli e prepararsi per tempo al potenziali impatti.

Oggi le imprese più avanzate utilizzano diverse tipologie di dati come d’esempio notizie, social network, servizi di intelligence, nonché dati interni dei loro sistemi di vendor rating per valutare ed anticipare rischi nelle loro filiere.

Le difficoltà tecniche sono comunque ancora alte per il numero e la varietà di rischi da considerare (es., rischi socio-politici, terrorismo, frodi, furti, incidenti) e il fatto che le fonti di dati sono spesso destrutturate e richiedono competenze avanzate di text mining per estrarre informazioni utili. Le applicazioni sono ancora limitate, ma le prospettive in quest’area sono decisamente interessanti.

Sponsor MIP