大数据如何彻底变革供应链管理

大数变革供应链管理的十大方面

目前，由供应链产生的数据的规模、广度和深度都在加速增长，为情景智能驱动的供应链提供了充足的数据基础。

图1

如上图1，它收集了整个供应链中的52种不同的数据源（包括结构化/半结构化/非结构化数据），并从大数据的三个维度进行了统计分析，数据量、数据速度和数据多样性。其中绝大部分数据都是从企业外部产生的。有前瞻性的制造商已经开始将大数据作为更广泛供应链协作的催化剂。

值得注意的是，在核心交易系统范畴内，传统的ERP、SRM和CRM系统通常在企业内部的数据量是很高的，但这些数据放在整个52种数据源框架下只占了很小的比例，这就是为什么图1中的“核心交易系统数据”处于纵向较低的位置。如果你看右上角可以发现，高数据量和速度的非结构化数据大都是与“客户”交互的数据：社交数据、在线调研、移动位置传感设备等。

大数据分析技术在供应链管理领域的应用通常被称为供应链大数据分析技术，它可以被定义为一个流程，即将高级数据分析技术与供应链管理理论相结合并应用于更大的数据集合当中，这个数据集合的体量、速度和多样性需要借助于大数据技术工具来分析。同时，需要借助供应链管理专业人士的技能通过提供精准实时的商业洞察来持续感知和反馈解决SCM相关的问题。

大数据驱动的供应链管理需要首先理解供应链中的四种行为：买、卖、移动和存储。这四种行为对应四种SCM杠杆：采购、市场、运输和仓库。根据52种SCM数据源与这四种行为杠杆的关系，可以绘制出如下关系网络图（图2），从而帮助我们更好的理解不同数据源在整个供应链网络中的位置。

图2

如此复杂的数据关系，如果不借助大数据分析技术是无法将其转化为企业供应链可利用价值的。现在的企业往往收集大量的数据却不知道如何利用, 所以企业必须将数据看成是战略资产而非信息资产。也就是说在所有企业都在努力收集这些供应链数据的大环境下，拥有大量数据已经不能成为企业绝对的竞争优势了。企业如何通过其独特的信息使用战略（大数据驱动的供应链管理）才是建立更有力的供应链竞争优势的途径。

驱动更为复杂的专注于知识分享和协作的供应商网路，从而让供应商网络不仅仅是完成交易而是带来增值。

图3

大数据正在变革供应商网络在新市场和成熟市场中形成、增长、扩张的方式。交易不再是唯一的目标，创建知识共享型的网络更为重要。从上图（图3）中可以看到供应链价值网络如何逐步向知识共享型进化。

产品追踪和召回本质上都是数据密集型的，大数据在这方面的潜在贡献是显著的。

通过基于大数据的质量控制可以提升供应质量。

大数据和高级分析技术正更快速的集成到供应链能力当中。

图4

调研显示，当前使用最多的前四种供应链能力为：优化工具、需求预测，集成业务预测、供应商协作和风险分析。更多见上图4。

64%的供应链高管将大数据分析看成颠覆性的重要技术，这是企业长期变革管理的重要基础。

利用基于大数据的地理分析技术来整合优化供应链配送网络。

图6

在文章“大数据如何在供应链管理中有效的应用”中解释了大数据是如何在供应链管理中应用的。其中一个案例解释了如何利用地理分析技术规划两个供应链网络的优化和合并，（如上图6）通过结合地理分析技术和大数据技术解决了这一领域中最大的服务问题——极大的减少了有线TV技术的等待时间，同时提升了服务精准性。

对供应链问题的优化，大数据可以帮助企业将对供应链问题的反应时间提升41%，将供应链效率提升10%甚至超过36%，跨供应链的整合提升至36%。

将大数据分析集成到供应链运营中可以将订单满足周期提升4.25倍、将供应链效率提升2.6倍。

对供应链战略、战术、运营更深入的情境智能应用，正在影响公司的财务指标。

供应链可视化通常是指能够清晰的看到供应链网络中供应商的多层次结构。作者的经验告诉我们，通过供应链决策的财务结果追踪回财务指标是可行的，而且通过将大数据应用与财务系统集成，提升行业快速的库存周转率是非常有效的。

最后，大数据分析在准确性、速度和质量方面对供应链管理提升的作用，我们再用下面这个小实例加以说明。

亚马逊利用大数据来监控、追踪以确保其15亿库存商品准确的存放于全球200个订单履行中心当中。亚马逊利用预测分析技术可以实现“预期发货”的情景，即当客户打算购买一件商品的时候（注意是打算购买尚未正式下单），亚马逊就将货物提前发运到离客户最近的仓储中心。这种对供应链管理的优化极大的提升了其客户体验。