Centre d'approvisionnement optimisé par l'IA modernise les données de catégorie fragmentées

HCLTech automatise l’approvisionnement et assure la fiabilité des données avec Palantir
5 min de lecture
Partager

Aperçu

Un chef de file mondial dans les bâtiments intelligents souhaitait prendre des décisions d’approvisionnement plus rapidement et de façon plus fiable tout en réduisant les risques. Nous avons aidé le client à passer d’une gestion de catégories dispersée à l’aide de feuilles de calcul à une expérience d’approvisionnement centralisée avec IA, construite sur la plateforme d’intelligence artificielle Palantir, afin que les responsables de catégories puissent travailler avec des données fiables et des informations exploitables.

Le défi

Le défi

Comme de nombreuses entreprises dont le système d'approvisionnement est manuel ou basé sur des feuilles de calcul, le client, un chef de file mondial des bâtiments intelligents, avait de la difficulté à prendre des décisions d'approvisionnement efficaces. La collecte de données manuelle et fragmentée, l’analyse et la stratégie par catégorie, sans oublier les multiples outils, ont engendré des coûts gonflés, des cycles lents et une faible visibilité, ce qui a mené à une performance de catégorie sous-optimale ainsi qu'à une rentabilité et une agilité réduites. Ces problèmes limitaient aussi la capacité des gestionnaires de catégorie à effectuer du travail stratégique, réduisaient les occasions d’économies et nuisaient à la gestion des risques.

L’objectif

Gestion simplifiée des catégories d’approvisionnement grâce à une interface utilisateur centralisée et intégrée

Le client a collaboré avec HCLTech afin de créer une interface utilisateur centralisée et intégrée, propulsée par l’IA générative et l’automatisation, qui gérerait toutes les complexités de l’approvisionnement pour une entreprise mondiale. L’objectif était de passer de données désagrégées et non structurées provenant de plus de 100 sources à des données enrichies, harmonisées et rationalisées qui augmenteraient la gestion stratégique des gestionnaires de catégorie, accroîtraient les occasions d’économies et renforceraient la gestion des risques.

Le centre d’approvisionnement optimisé par l’IA modernise les données de catégorie fragmentées

La solution

HCLTech a mis en place une plateforme d’approvisionnement propulsée par GenIA et l’automatisation, utilisant la plateforme d’intelligence artificielle Palantir. Les données désagrégées et non structurées, comme les numéros de pièces de fabricant, les numéros de pièces internes et les prix des fournisseurs, ont été regroupées en une expérience utilisateur intégrée unique.

La plateforme relie les données d’entreprise et les opérations, permettant aux gestionnaires de catégorie de rechercher, analyser et agir sur l’information à un seul endroit. Les processus propulsés par l’IA extraient du contenu, comblent les lacunes de données et structurent l’information grâce à une ontologie qui identifie les relations pour la compréhension humaine et machine.

Les flux de travail automatisés aident à repérer les écarts de prix, valider les occasions d’économies et exécuter les actions approuvées. Les gestionnaires de catégorie bénéficient de recommandations et d’analyses exploitables pendant la préparation des négociations avec les fournisseurs, tandis que la rétroaction continue améliore les résultats futurs.

L’impact

La nouvelle plateforme d’approvisionnement a permis une prise de décision plus stratégique et rentable en gestion de catégories. Les résultats mesurables clés comprenaient :

  • Optimisation globale du SDLC de 30 % à 45 % grâce à HCLTech AI Force et aux outils de l’industrie
  • Amélioration de plus de 50 % de la qualité et de la conformité du code
  • Plus de 30 engagements clients actifs grâce à

La solution a atteint avec succès les objectifs du client en combinant la puissance de la plateforme Palantir avec l’expertise approfondie de HCLTech en transformation des achats axée sur l’IA.

Fabrication et EUNR Fabrication Étude de cas Centre d'approvisionnement optimisé par l'IA modernise les données de catégorie fragmentées