大数据分析对供应链的影响

由毕马威公司发布的“数据即资产”调查报告表明，17%的受访企业表示他们在最大限度地利用现有数据实现价值最大化方面是有效的;18%的受访企业表示他们成功地维持了企业范围的数据管理战略。67%的首席执行官认为他们可以增强对客户的了解。根据Harvey Nash公司的调查，91%受访的首席信息官认为他们可以做更多的工作来建立客户信任。

根据Mordor Intelligence公司发布的调查报告，2020年全球供应链的大数据分析(BDA)市场规模为35.5亿美元，预计到2026年将达到92.8亿美元。鉴于这些预测，参与供应链的企业必须对大数据分析的优势和实施领域有着充分的认识。

企业在实现可持续发展和增长的道路上面临一些主要挑战。虽然这些问题在疫情爆发之前就已经存在，但疫情使这些问题急剧恶化。

• 缺乏敏捷性。由于制造和供应链缺乏灵活性，难以按需区分客户产品。
• 生态系统设计薄弱。未能确定相关合作伙伴的创新、创造和按需交付价值。
• 架构不足。虽然该框架必须确保多个利益相关者之间的无缝协作，但一些技术架构未能促进共同创造和创新。
• 缺乏可见性。无法在整个旅程中提供实时可见性，并阻碍了信任关系的建立。

当前的不确定性促使企业寻找新的敏捷方法，重塑自我并重新在行业中定位。无论情况如何，企业或者必须适应这种不确定性，或者可能关门倒闭。随着时间的推移，人工智能变得更容易采用。在供应链和物流不断发展的背景下，该行业是网络化的。因此，其起源为人工智能的各种应用以及扩展它的机会打开了大门。

就传统的供应链管理方法来说，供应链中的每一个要素都面临着障碍：它仅限于自己的企业跟踪。这种方法需要人工进行状态更新和跨部门沟通等。无论消息从一个办公室传输到另一个办公室有多快，人为因素都会产生一定的影响，这是不可避免的。当企业之间进行大数据整合时，情况可能会变得更糟。

大数据技术的主要能力是将供应链数据整合和粘合在一起，提供数据维护、存储的框架，然后将其转化为具体的优化措施。在实施基于云计算的分析时，企业可以根据实时更新的事实来源统一和建立指标。

一旦企业掌握了深入的分析工具，可用的洞察力就会以多种方式优化供应链：

• 由于实时警报系统，问题和差距变得更加明显。
• 与检测到存在大量问题的合作伙伴合作。
• 企业可以检查出容易出现系统质量挑战的材料。
• 企业通过移除看似不必要的操作来使运营合理化。

以亚马逊公司为例。作为电子商务领域的知名企业之一，亚马逊公司使用大数据分析来满足客户需求。该公司考虑了购买模式、偏好和搜索查询。基于这些典型数据，亚马逊公司提出了高度相关的建议。通过提供个性化推荐系统，该公司成功地提高了销售额。这项名为“一日交付”的举措植根于与制造商的紧密合作，从而将成本降低了10%至40%。

• 保持高质量标准。许多具有时间敏感性的行业(食品、化工、农业等)有义务确保对其商品进行适当的监测和控制。温度的微小波动都会损坏产品并将其报废。众所周知，大约30%的产品在到达目的地之前很久就会变质。例如在运输冠状病毒疫苗时，这个问题尤其相关。当涉及到与天气相关的潜在问题时，其可变数据可能会有所帮助。
• 库存管理。做出销售预测和定义趋势的能力在很大程度上依赖于预测分析。例如，冠状病毒疫情几乎无法通过算法或人员来预测。但是，拥有大数据分析(BDA)系统可以帮助处理供需问题。当需求增长伴随着交货延迟时，企业必须能够扩大生产规模。通过将过去的趋势与预测分析相结合，该技术阐明了不同的期望。库存管理人员获取有关如何削减成本、平衡库存和减少浪费的信息。

沃尔玛公司总经理兼供应链高级总监说，“我们专注于更好的预测、更好的补货，并与我们的供应商合作优化供应链。由于发生疫情，我们正在对这些系统进行极限测试，因为看到了前所未有的需求，也看到了以前从未见过的客户购买模式，但这使我们获得了比以往更好的预测洞察力。如果我们再次拥有这样的东西，我们将能够利用这种类型的数据来更好地预测可以采取什么措施来应对。”

• 全天候跟踪和订单执行。实时监控对于企业的生产力和超级客户体验至关重要。不断更新的信息有助于通过调整路线、时间表和货物位置来降低成本。当包裹的运输路线很长时，特殊传感器会捕获包裹上的数据。大数据分析(BDA)系统可以优化路线，并减少汽车的燃油支出，从而帮助企业显著地降低成本。
• 支持维护。例如，由于维护不当、故障和机器磨损，制造商可能遭受数十亿美元的损失。大数据和基于物联网的解决方案相结合，可以在出现问题时及时发出警报，并在问题发生之前进行预测。同样，大数据可作为一种通过减少维修费用和保持有效生产来降低成本的手段。

总而言之，数据本身并不是一种商业策略，而是推动者。在深入转型和采用数据计划之前，企业必须有一个清晰的价值主张，其中包含各种各样的东西——当前的挑战、差距和大数据可以解决的问题。除了数据来源之外，还需要清楚地了解必要的补充能力。而人们需要将数据视为资产。不仅如此，采用数据驱动的方法是一种根本的文化变革，它意味着强有力的管理和更开放的沟通。