正如我们在上周的文章中所指出的,我们关注的是数字供应链, 我们正在拍摄一系列基于最近发布的 供应链管理协会(ASCM)的2024年十大供应链趋势:
-
数字化供应链
-
大数据与分析
-
人工智能
-
供应链投资(系统和人员)
-
可见性,可追溯性,位置智能
-
中断和风险管理
-
敏捷性和弹性
-
网络安全
-
绿色和循环供应链
-
地缘政治与供应链去全球化
在本系列的第二篇文章中, 我们将重点关注榜单上的第二名——大数据和分析——来讨论当前的趋势,并进一步了解为什么它能进入前十名. 在接下来的八个星期里, 随着新年的到来,我们将对剩下的每一个类别做类似的事情. 随着列表的深入,我们会发现许多趋势以这样或那样的方式重叠.
定义大数据和分析
在一篇发表于 大数据学报 资格。”供应链需求预测的预测性大数据分析:方法, 应用程序, 以及研究机会,该研究的作者Mahya Seyedan和Fereshteh Mafakheri将大数据定义为“高容量”, 高速, 高可变性, 高价值的, 高准确性数据需要创新的信息处理形式,从而增强洞察力, 决策, 过程自动化.”
他们引用了各种研究,更具体地描述了“5v”,指出:
-
体积 是指“从多个来源(空间维度)和在很长一段时间内(时间维度)收集的大量数据”.”
-
速度 can be defined as “the rate of generation 和 delivery of specific data; in other words, 它指的是数据收集的速度, 数据传输的可靠性, 数据存储效率, 发现有用知识的挖掘速度与决策模型和算法有关.”
-
各种 指的是“从物联网(IoT)等不同来源生成不同类型的数据”。, 移动设备, 在线社交网络, 等等.......”
-
价值 指的是“必须被发现以支持决策的数据的性质”. 它是5v中最重要的,但也是最难以捉摸的.”
-
真实性 指的是“数据质量”, 哪个必须准确可信, 认识到许多数据源中可能存在不确定性和不可靠性. 准确性是指数据的一致性和准确性. 数据应该从不同的来源和格式集成,过滤和验证.”
发表在 大数据与认知计算 资格。”供应链管理中的大数据分析:系统文献综述及研究方向,该研究的作者In Lee和George Mangalaraj使用了一个经常被引用的短语,结合了大数据的使用 和 分析:“大数据分析”,又名BDA.
描述了移动技术的扩散和数据挖掘技术的进步如何导致“各行业大数据分析(BDA)的爆炸式增长”,他们说BDA“将低价值的原始数据转换成高价值的信息,供业务决策者使用。.”
结果? 使用BDA的组织可能会体验到各种好处——包括“成本节约”, 更好的决策, 以及更高的产品和bat365官方质量.”
BDA在供应链管理
正如Seyedan和Mafakheri所指出的, 供应链管理(SCM)“关注的是商品的流动, bat365官方, 以及通过一系列实体和活动从原点到客户的信息,这些实体和活动彼此相连.”
他们描述了供应链(SC)数据的以下类别:
-
客户
-
航运
-
交付
-
订单
-
出售
-
商店
-
产品
结果是, Seyedan和Mafakheri将供应链数据描述为“在供应链的许多点上为不同目的(产品)生成的高维数据, 供应商的能力, 订单, 出货, 客户, 零售商, 等.),由于供应商众多, 产品, 而客户又以高速度反映出许多交易在供应链网络中不断处理.”
Lee和Mangalaraj指出,供应链管理是BDA越来越多地被使用的一个领域.
将供应链称为“全球化经济中的中心组织单元”,他们指出,在当前的商业环境下, 对于企业来说,“有效管理超出其边界的日益扩大的供应链活动”已变得至关重要.”
“最近BDA在供应链中的重要性激增, 因为云计算允许供应链合作伙伴收集, 传输, 商店, 经济地处理海量数据,实时共享数据/信息,李和曼加拉杰写道. “此外, 供应链的BDA显示了流程改进的巨大潜力, 降低成本, 以及更好的供应链管理决策.”
使用BDA解决需求不确定性
Seyedan和Mafakheri将需求不确定性列为“对供应链绩效影响最大的因素……”
在这种情况下, 他们认为需求预测对于解决供应链的“不确定性”至关重要——这是汇业银行能够发挥巨大作用的一个方面.
“随着信息技术的进步和计算效率的提高, 大数据分析(BDA)已经成为一种更准确地预测客户需求的手段, 促进供应链绩效的评估, 提高SC的效率, 缩短反应时间, 支持供应链风险评估,Seyedan和Mafakheri写道.
而不是采用传统的预测方法,使用历史数据来确定统计上有意义的趋势, 他们指出,结合BDA的智能预测可以“从历史数据中学习,并智能地进行调整,以预测供应链中不断变化的需求。.”
“这种能力是使用大数据分析技术建立的,该技术通过发现供应链网络中需求数据之间的潜在关系来提取预测规则,Seyedan和Mafakheri说. “这些技术是计算密集型的,需要复杂的机器编程算法.”
Seyedan和Mafakheri指出,BDA在供应链管理中的应用越来越多,其目的包括:
-
采购管理(e).g.、供应商选择)
-
采购成本改善
-
采购风险管理
-
产品研发
-
生产计划与控制
-
质量管理
-
维护与诊断
-
仓库
-
顺序选择
-
库存控制
-
物流/运输
-
物流规划
-
在途库存管理
-
需求管理(e).g.,需求预测)
-
需求感应
-
需求塑造
“BDA在供应链管理中的一个关键应用是提供准确的预测, 尤其是需求预测, 目的是减少牛鞭效应,他们写道。.
汇业银行的方法
In “大数据分析对供应链运营影响的批判性分析,发表于 生产计划 & 控制, 鲁阿·哈桑及其同事表示,大数据的使用潜力是“无限的”,,但“受到技术可用性的限制”, BDA可用的工具和技能.”
引用各种研究, 他们描述了三种可以应用于BDA工作的分析方法,以“增强决策和增加供应链运营产出”:
-
预测分析这种分析方法与预测未来事件有关,比如最佳交货时间, 个人顾客行为, 缺货和短缺预测, 需求预测, 设备预测的故障点, 销售业绩预测. …”
-
描述性分析它被描述为“……收集和分析描述当前和过去事件的数据。, 以及个别产品的功能和特性,找出问题的原因,找出过去成功或失败背后的主要原因. …”
-
规范的分析作者说这是用来“检测”的, 认识到, 并及时诊断故障和异常情况.”
为什么大数据和分析进入了前十名?
在一个 ASCM的2024年十大供应链选择分析在美国,Informatica的斯科特•詹宁斯将数据称为“供应链转型的关键”.”
“ASCM 2024供应链五大趋势中有四个直接涉及数据,这并非巧合,他写道。.
他指出,ASCM董事会“一致同意数据的作用”,詹宁斯说:“通过持续的供应链转型, ASCM现在强调数据在实现更敏捷的供应链方面的至高无上的重要性.”
他还指出,董事会强调了数据“相关性”的必要性, 清洁, 并对其进行管理,以确保分析和预测的准确性.
詹宁斯写道:“否则,掉进错误的兔子洞的风险就会变得非常真实。.
他说,这是大数据今年被挤出榜首的原因吗.
ASCM成员提出这一变化的主要原因?詹宁斯写道. “数据本身. 分析是否真的在讲述正确的故事?为什么电子表格会推动这一过程? …”
另外, 他说,各种数据趋势可以“推动可持续性”,,许多公司可能会发现这对满足新的和正在进行的ESG要求很有价值.