近年来,关于企业内部供应链方面的数据和信息在不断增长,例如,来自网站流量、社交网站、软件以及传感监控物流、供应商和客户资料的数据大量出现。而日益增长的历史数据可以折射出库存的规模等级和销售情况,这一发展既是一个好事也是一件坏事。一方面,来自多方的数据资源使得公司能实实在在看到供应链并预测供应链流向;另一方面,信息以及数据量越来越多而且毫无规律可循。所以,企业不得不做出明智的选择,在特定的某一应用领域中选择对他们来说有价值的数据。
当使用恰当的数据,并对这些数据进行分析,有利于企业增强对供应链可视性的需求。有许多关于供应链可视化的定义,但通常来说,供应链可视化指对库存、订单、配送以及成本等多种数据的分析和控制。
如今,在时间和成本的压力下,令人惊讶的是,为了从一个有效的、日益更新的供应链活动中获得利润,企业几乎不会采用一套严密的方法来管理系统化的数据。根据信息技术(IT)咨询公司eTURNING的首席执行官Adam Hamzawi说,只有20%的公司会完全利用他们掌握的数据,剩下80%的公司将错过一个机遇:将智能数据管理与供应链可视化相结合——这是一个相当有利的策略,使公司在供应链管理层面上超过竞争对手。
事实上,最近的很多商业报告都表明企业对供应链可视化的高度需求,同时也指出,如果缺少供应链可视性,会削弱整个公司的财务状况。这就可以解释为什么在过去的五年中,企业把优化供应链的可视化并组织管理提到最高的管理议程上。不仅如此,在瑞士的一些国际企业中,通过对111个负责供应链管理的领导者做的一项调查显示,其管理的企业供应链可视性是中等水平,在总分为7分的规模上,测得结果是3.9分,这一差距促进了领导者采取相应的行动。
企业如何获得他们所需要的供应链可视性?我们相信有三个方法步骤,包括数据收集与分析,数据资源整合和信息共享。
1、汇集并分析正确的数据
全球每年存储的数据量都会以40%到60%的速度增长,这一巨大而稳定的信息增长速度显示出企业还有巨大潜在利益未被开发。企业老板不得不考虑公司真正的需求。运用正确的数据作为信息基础,可以转化成值得利用的决策。事实上,企业采取以数据作为参考依据做出决策,要比同行企业产量高出5%,收益也高出6%。
为了在供应链方面得到改善,有许多经过分析、得出的正确的数据为信息企业提供所需。研发部门根据客户服务部门以及大众媒体提供的数据,生产出消费者真正想要的产品。在许多配送人员看来获取数据是件浪费时间的事,但是事实证明,的确能提高配送效率。精准的、实时处理的库存信息,有利于管理人员提高订单的拣选效率和准确率。
在评估什么样的数据能最有效地支持他们的决策过程中,企业领导需要构想出一个清晰地战略,如何获取这些数据并充分利用他们,这些策略应该包括IT平台的标准化体系。
2、在已有的数据中寻找更多的意义
作为数据分析过程的第二步——重组数据资源和可视化需求——企业必须有效地建立并分析数据资源,提炼出所需的数据资源。
在多数情况下,通过统计学得出的结果要比人的决策更准确,人们总会把不相关的信息综合考虑。有一个例子可以说明这种现象——就是对未来葡萄酒价格的预测。这个实验的标准做法是在葡萄酒收获后,专家评估哪瓶葡萄酒最有价值。值得关注的是,对一个简单的线性回归曲线进行分析,研究人员发现,三种气候条件下的销量变化超出专家的预测。供应链专家对此解释说,人们应该抛弃对KPI指标的分析,应基于上下环境综合考虑,而且也要依赖决策算法。
在许多情况下,并不是非要靠不断收集新的数据作出决策算法。从仓储数据中或许能发现很多商机,因为许多仓储信息都包含大量不同寻常却有潜在用处的信息。人们通常将这些独立的数据片段保存起来,换句话说,也许是仅仅将这些数据采用描述级的分析,因为没有任何发现所以才不采取任何措施。
3、实时可见性的新时代
除了传感器和移动设备可以为企业提供数据资源,企业也可以通过社交媒体或者网站上搜索获得大量信息,这种信息流,能容纳前所未有的数据信息,具有快速、多变的特点,被人们称之为“大数据”。它给人们带来的经济效益是非常可观的。例如,麦肯锡咨询公司通过大数据为美国医疗保健行业创造出3000亿美元的价值。
我们描述了如何使用经典的数据资源帮助企业降低成本并适应环境的改变,如果企业抓住这些机会,他们会发现大数据分析能改善26%,根据Capgemini咨询公司分析。以下有三个方法步骤会帮助企业从高效管理方面获得供应链可视性。
设立目标,考察全公司可视化需求,第一步是需要高层管理人员的支持,获取整个公司范围的库存可视化需求以及信息。是为了降低库存水平、增加销量并使供应链稳定,适应外界环境的动态变化。相比之下,在一定的决策条件下,当环境保持相对稳定,可视化需求是离散的。
根据可视性需求匹配收集的数据,从最初的步骤中确认了各个功能的可视化需求,从而绘制出企业的决策图谱,这是从企业目标推断出来的。而第二步就需要采取行动:收集数据必须以这些可视化需求为基准。如图图一所概括的,当数据特征满足分析需求时,数据收集也要适合可视化需求。预测相对来说是可靠的,因为动态环境变化幅度小,历史数据是值得参照的。
如果收集的数据与可视化需求匹配性不高,把他们放在“不合适”的区域模块儿中,企业会出现额外的成本。然而,如果对外界环境的变化没有进行分析并采取措施,那么对供应链或者客户满意度会产生显著的不利影响,所以,对信息系统的投资既合理又明智。
整个公司分布数据和再评估过程,最终,信息将以一个标准形式及时提供给决策者。数据访问不应该只允许主要接收者,而是应该使每一个利益相关者都有访问权限,因为人们可以通过数据创造出新的应用。一旦公布出最新的信息系统,将定期对数据评估以确保收集到的数据适合可视化需求。
总之,大数据分析能对供应链管理的改进有显著的促进作用,在付出昂贵实验代价之前,就已经开始使用它了。组建一个结构化的方法,并且考虑到受新兴和传统数据资源的限制,从企业供应链中可以获得一个最优水平的可视化并最大化利用从仓储数据中提取的价值。
1万个想法不如1次的方案落地