三步法实现供应链可视性

　　为了成功实现供应链的可视性，收集和分析大量数据是必不可少的。但是如何选择正确的数据呢？遵循“三步法”可以帮助企业从现有数据和新数据中寻找有价值的数据。

　　最近几年，公司可得到的供应链方面的信息与数据大幅增加。这样的发展是一把双刃剑。一方面，不同的数据源使公司预测并实现供应链流程的可视化；另一方面，信息和数据量是巨大且无结构化的，因此如果一家公司希望为一个特定的应用程序选择正确的数据，那么这家公司需要做出明智的选择。

　　根据信息技术咨询公司eTURNING的首席执行官、前Capgemini咨询顾问亚当o哈姆扎维（Adam Hamzawi）所说，只有20%的公司可以充分利用他们手头的数据。剩下80%的公司错失利用手头数据的机会。智能数据管理与供应链的可视性相关--这是一个战略优势，可以使企业在供应链的表现方面甩开竞争对手。

　　正确的数据分析可以确保公司提高其供应链的可视性。关于供应链的可视性，有许多不同的定义，但总的来说，指的是控制库存、订单和装运和影响库存、订单、装运的各种事项与成本方面的信息。

　　企业如何实现他们所需要的供应链可视性呢？我们相信“三步法”可让公司利用数据本身及供应链所涵盖的信息流，而这“三步法”包括数据收集和分析、数据源和可视性要求的一致性以及信息共享。

　　收集和分析正确数据

　　每年全球存储数据的数量增长40%～60%。如果利用好这个巨大且稳定增长的信息和数据（来自外部/内部/公司资源和公共资源），将给公司带来巨大的潜在好处。但为了更有效地实现这一目标，商业领袖们不得不去了解公司真正的信息需求。利用正确的数据提供一个更好的信息基础，继而转化为更英明的决断。事实上，采用数据驱动型决策的公司在生产力方面优于同行业其他公司5%，盈利能力方面超过6%。

　　如果为了优化供应链流程，正确的数据与适宜的分析有很多种办法可以提供公司需要的信息。在一个消费主导型公司内，来源于客户服务和社交媒体的数据将帮助研究和开发工程师研发消费者真正想要的产品；获取司机在哪里浪费了时间的数据对于提高车队送货效率是非常重要的；准确、实时的库存信息将帮助经理提高订单交货的可靠性；配备检测零件传感器的机器，将通过由时间表决定的维修转为需求驱动的维修，来提高生产设备的利用率。

　　在评估了什么样的数据可以最好地支持公司的决策过程后，商业领袖们需要规划一个明确的策略，即如何获取有效数据，然后将这些数据变得有意义。他们的策略应该包括信息技术平台和接口的标准化，从而提高企业层面数据的可用性。

　　从现有数据中“寻宝”

　　作为第二步骤--统一数据源和可视性要求的一致性，公司必须组织和分析已有数据源，从数据满足信息需求方面进行评估。

　　在很多情况下，统计算法在执行任务方面优于人类的决策者。这种优势在低效率且不确定、不可预测性的环境下尤其明显。这一现象的一个佐证就是对未来葡萄酒价格的预测。常规做法是在丰收之后，一批技术专家对精品葡萄酒进行估价，然后预测哪种葡萄酒最有价值。引人注意的是，研究人员发现简单的线型回归分析得出的结果远远优于专家们的评估。

　　在许多情况下，我们甚至不需要收集新的数据来提高决策过程。对数据仓库的一个新的调查往往可以得到许多新的业务机会。因为存储的数据往往包含了大量未使用但具有潜在价值的信息。

　　当今在企业资源规划系统中的许多优化程序仍然基于典型的线性优化方法或来源于此方法的衍生法。尽管有这些优势，运用线性优化的模型仍然有着相当大的弊端，这种弊端使得这些模型在一些现实生活的场景中并不适用。

　　这样的挑战可以通过在评估问题中应用非参数算法来满足。大自然为这样的算法提供了一个示例。“适者生存”是解决适应问题的一个稳健方法（这也是最优化的）。“遗传算法”模拟了进化和自然选择的过程。在一个研究项目中，我们在制药合同制造商中，比较算法与人类决策得到的结果，我们发现当运用算法计算后，产品组合的总采购成本最多节省高达8.7%。另外遗传算法优于经典的线性建模方法达到26%。我们的发现支持许多专家的观点，即现有的内部数据通常涵盖足够多的信息以优化网络。

　　诚然有时候跳出固有思维模式来思考问题也是有价值的。单独地分开数据域也会有惊喜的发现。比如，通过对比销售点数据与恶劣天气警报。沃尔玛发现了一个引人注目的模式：在受到飓风威胁的地区，不单单是紧急救援设备的需求量增加，而且人们也在囤积蛋挞（一种北美销售的早餐糕点）。

　　然而，在某些情况下，这种回顾见解并不足以满足特定环境下的挑战。实时数据将被用来帮助供应链转变为动态适应网络。在这种情况下，没有选择，只能寻求新的数据源。

　　新时代的实时可视性

　　除了传感器和移动设备提供的数据外，通过网络搜索引擎和社交媒体，企业可获得一个巨大且稳定增长的数据流。这个数据流以前所未有的体积、速度和种类，被命名为“大数据”。

　　大数据的潜在经济影响是巨大的。比如，咨询公司麦肯锡预计，美国医疗保健行业通过利用大数据驱动效率和维持品质，创造了3000亿美元的价值。

　　非结构化数据源的使用，比如网络搜索查询，已经被证明在提高对未来事物预测结果的准确性上尤其有用。例如，网络搜索查询可以预测流感流行，或预测电影、音乐和电脑游戏的成功，它比传统方法能更准确、更迅速。大数据分析解决方案不仅可以帮助用户了解过去发生了什么事，而且可以分析什么是碰巧发生的，然后模拟任何相关决策的影响，QuartetFS公司的简 威仁 艾德里安所强调的一点是，供应链软件供应商可以通过使用数据流来提供内存使用以及分析技术。

　　在一个供应链环境中，大数据的主要优点是数据速度的可用性，(几乎)可以实现实时监控或预测。为了利用这一点，瑞士工业公司ABB使用结构化和非结构化数据源来收集和整合信息，从而提高其供应链的弹性，以应对各种各样的风险。

　　随时拥有可利用信息大大改变了日常运营。这使得供应链可以动态地适应未来的要求，甚至是实时客户的需求。在运输操作中，这些功能可以在效率和成本方面产生重大影响。

　　在大城市，交通拥堵对于上班族与商业交通来说都是每天的负担。为了避免停滞，一些快递服务在最后一公里的配送中使用全球定位卫星系统数据来动态调整配送线路。在消费者方面，移动应用程序重塑了大城市的出租车市场。客户可以根据他们的个人喜好和支付应用，选择一台适合自己的出租车。为了避免出租车供应的短缺，供应商会在高峰期或恶劣天气时动态调整票价。通过允许公司做出实时调整以应对需求和产量的波动，可以提高现实中的供应链运营效率。然而，商业案例也必须要具体问题具体分析。

　　此外，在大数据分析和应用中受益，设定清晰的目标和需求至关重要，不要高估新技术的能力。现代技术，如内存处理（计算的数据没有存储在硬盘上，导致了速度上的极大优势）将更快而不是更好地做出预测和搜索。

　　实现可视性的三步法

　　我们已经描述过如何巧妙地使用传统与创新数据来源来帮助企业降低成本，适应不断变化的环境。根据凯捷咨询公司所说，如果企业抓住这些机会，可以从大数据分析中实现26%的绩效改进。为了提取这些价值，有必要为了可视性要求来调整数据收集和分析工作，以下三个步骤将帮助企业有效实现供应链的可视性。

　　第一步，设定目标，并在公司范围内探索可视性需求。由高层管理人员牵头并设立一个跨职能部门，在全公司范围内设立可视性需求和可用性的信息。这是为了明晰公司的总目标和子目标，以及实现这些目标所需要达到的可视化水平。具体到降低库存水平，增加销售量，或降低供应链风险所需达到的可视化水平。在动态变化的环境中做出的决定需要持续可视性。相反，当环境保持相对静态时，可视性的需求就变得离散。

　　第一步创建的这种需求是从公司目标推导出来的，接下来需要通过行动匹配数据收集以符合这些可视性需求，这是第二步。当数据特征满足分析要求时，数据收集适合可视性需求。在离散的情况下可视性需求，（如飓风威胁地区沃尔玛蛋挞需求量增加）预测被证明是准确的，因为环境动态性低以及历史数据可靠。然而，当环境剧烈改变时，需要持续的可视性。这也就需要数据供给保持高容量、速度和多样性。当数据收集和可视性需求并不匹配时，如果没有分析和应对环境的变化，那么就会影响供应链或客户的满意度。最后，信息必须以标准化格式及时提供给决策者。再次重申，对于离散的信息需求，预定的查询更新将提供适宜的可视性，然而持续的可视性需要“推送信息”流。数据访问并不应该局限于主要的地址，而应该提供给所有可能的利益相关者。总之很明显的是，大数据分析在供应链管理环境下提供了大量的改进机会，但在进行昂贵的试验之前，利用好手头上的数据是极为重要的。遵循一个结构化的方法，同时考虑到新鲜与传统数据来源的局限性，公司可以在供应链方面实现可视性的最优化，并且最大化地利用从数据仓库中提取的数据价值。

　　译/王文博 曹璐

关注读览天下微信， 100万篇深度好文， 等你来看……