什么和大数据随之在整个供应链中被广泛应用

什么和大数据随之在整个供应链中被广泛应用

什么和大数据随之在整个供应链中被广泛应用，在数字化时代，数据分析逐步成为从业人员的必备技能之一。所以我们应该注重做好数据分析。那么什么和大数据随之在整个供应链中被广泛应用？

　　什么和大数据随之在整个供应链中被广泛应用1

大数据时代对采购和供应链带来的挑战和机遇

1、大数据时代及其特征

大数据(Big Data)是指所涉及的规模巨大的数据。随着时代的不断进步以及科技的飞速发展，互联网、物联网、移动通讯、管理信息化、电子商务等技术不断相互渗透，并作用到国家、企业和民生的方方面面，今天，人们用大数据来描述和定义信息爆炸时代产生的海量数据，以及在合理时间内达到撷取、管理、处理、并整理成为帮助人们处理事务和决策等更积极目的的资讯与知识。

美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番，而目前世界上90%以上的数据都是最近几年才产生的。2020年，全世界所产生的数据规模将达到今天的44倍。从这些数据每天增加的数量来看，世界目前已进入大数据时代。

大数据时代凸显了数据资源的重要意义。2012年奥巴马政府宣布投资2亿美元拉动大数据相关产业的发展，将“大数据战略”上升为国家战略，将大数据定义为“未来的新石油”，把对数据的占有和控制视为陆权、海权、空权之外的另一种国家核心资产。2013年，法国政府发布了其《数字化路线图》，列出了将会大力支持的5项战略性高新技术，“大数据”就是其中一项。

2012年，日本总务省发布2013年行动计划，明确提出“通过大数据和开放数据开创新市场”。联合国在2012年发布的大数据政务白皮书中指出，大数据对于联合国和各国政府来说是一个历史性的机遇。我国也将大数据产业看作为战略性产业，成立了“大数据专家委员会”。

在“大数据”2014年十大趋势预测中，包括了数据商品化与数据共享联盟化，大数据生态环境逐步发展等内容。同时，大数据专家委员会预测，2014年大数据在互联网和电子商务、金融(股市预测、金融分析)、健康医疗(流行病监控和预测等)、生物信息、制药等方面将会有令人瞩目的应用。

大数据时代是大数据价值充分发挥的时代。据赛门铁克公司的调研报告，全球企业的信息存储总量已达2.2ZB（1ZB=1024EB，1EB=1024PB），年增67％。世界上每分钟产生1700TB 的数据，但是吸引我们的不仅仅是这个庞大的数字本身，而是我们如何利用这些数据做些什么。

大数据可以运用到各行各业，在宏观经济方面，IBM日本公司建立经济指标预测系统，从互联网新闻中搜索影响制造业的480项经济数据，计算采购经理人指数的预测值；印第安纳大学利用谷歌公司提供的心情分析工具，从近千万条网民留言中归纳出六种心情，进而对道琼斯工业指数的变化进行预测，准确率达到87%；

在制造业方面，华尔街对冲基金依据购物网站的顾客评论，分析企业产品销售状况；一些企业利用大数据分析实现对采购和合理库存量的管理，通过分析网上数据了解客户需求、掌握市场动向，等等。

据麦肯锡公司测算：大数据将给美国医疗服务业带来3000亿美元的价值，使美国零售业净利润增长达到60%，使制造业产品开发、组装成本下降50%，而大数据所带来的新需求，将推动整个信息产业的创新发展；根据经济与商业研究中心的最新研究，大数据将为英国经济增加2160亿英镑（约合3467亿美元）以上的潜在收益。

2、大数据时代对采购和供应链带来的挑战和机遇

首先，商务环境和商务模式变得越来越复杂，且更加动荡、多样和个性化。其二，电子商务业务模式的飞速发展打破了国家疆界，使得跨境业务速增、商业活动频繁，同时伴随着数据量的剧增。。其三，大数据应用处理成为企业和社会竞争发展的重要焦点。其四，有效挖掘大数据成为时代面临的重要课题。最后，许多企业对大数据的重要性认识不足，没有充分了解其价值。

　　什么和大数据随之在整个供应链中被广泛应用2

供应链管理中，及时和准确的数据，为什么如此重要？

1 、供应链中数据的类型

数据有许多类型，其中有一种分类方法是把它分为静态和动态数据，前者包括了公司基本信息、产品型号、采购价格、BOM等等相对固定的信息。

后者主要是一些交易性的信息，比如生产线每日的产量、客户订单数量、仓库实际收货数量、运输所在位置等等变动的信息。

静态数据做到准确即可，没有实时性的要求，比如公司的名称一般不会发生变动，只需要确保公司地址、法人和开户银行等信息是正确的。

动态数据的要求就很高了，不仅要准确，还要能反映出每时每刻的实际情况。

大家都有网购的经验，在商品出库以后，快递公司会每隔一段时间刷新包裹所在位置，这是通过车载GPS定位实现的，然后根据卡车配送计划，大致上能给出派送的时间。通过一台卡车上的GPS，可以跟踪整车的货物，这是1对N的关系，因此实现动态数据的成本并不高。

离散型制造业的情况就复杂多了，一件商品需要从原材料供应商开始追溯，进入工厂以后，需要经过若干个不同生产加工中心，然后完成组装、检验，最终才能入库，配送给下游的经销商或零售商。

我们很少会在原材料上放置追踪】定位装置，除非这批货物价值很高，或是有这方面的强制监管要求，比如药品。

如果想要跟踪生产进度，就需要使用工业4、0的技术，在每台设备上装传感器，完成加工后，系统自动上传数据。如果要在每台生产和内部搬运设备上都安装传感器，对于一家工厂来说负担太大，性价比不高，除了少数的行业标杆企业以外，对于大多数工厂来说，想要做实时数据的想法并不强烈。

2、 为什么供应链需要及时和准确的数据？

话虽如此，供应链对于数据及时和准确性是有很强的需求的，因为我们要在所有的生产、分销、采购和售后服务之间建立数据的无缝链接。除此之外，还有两个关键因素使得我们必须获得及时和准确性。

2、1增强供应链可视性

对于供应链上的玩家来说，关键的可视性问题包括了货物的预计生产出货时间，比如供应商承诺了30天交货，但是实际上他需要45天，因为一些原材料涨价了，供应商需要更多的时间在市场上找到货源，他不愿意买更贵的原料，因为这会增加成本，除非客户愿意接受供应商的调价请求。

原料和零部件库存的所处位置也属于可视性，客户需要根据这些信息，来安排后续的生产和销售计划，并且非常依赖于信息的准确性。当供应商承诺货物将会在某日送到客户工厂后，供应链就把这个信息输入系统，并以此为依据来制定生产计划，销售根据生产完成日期来通知客户，环环相扣。

一旦供应商的信息有误，货物晚于承诺时间到达，就会影响到供应链下游的安排，所谓的“计划赶不上变化”就发生了。

追踪交货期和库存位置仅是可视性的初阶水平，更深层次的要求是可以预警供应链中断风险。根据现有的信息，我们需要判断何时何地会出现缺货，以及对生产和销售的影响是什么。

比如，生产线缺少某种零部件，所以会停线4个小时。如果每小时产量是100套产品，每套售价是200元，那么造成的损失就等于4*100*200=80000元。

当然在现实世界中计算的方式更加复杂，某种原料的短缺会牵涉到N多产品和N多客户。如果我们能增强可视性，就能够预见到未来的潜在供应短缺，并能够在第一时间里作出反应。

要实现这点，就必须让数据及时和准确地在供应链上下游之间自动传输，尽量减少人为的干预的环节。

2、2提高计划的'有效性

预测计划的重要输入是历史销售记录，以数据为基础，结合预测模型，制定出中长期的预测。

对于制造企业来说，财务需要供应链提供的输入，来制定未来的商业计划和各类预算，比如库存、采购金额、运费等等。

底层数据的准确性非常重要，所有的计划都是在这些数据的基础上，配以数据模型，然后“加工”出来的。供应链会花费一定的时间在数据维护上，就是要确保基础数据的准确性。

我们知道预测有一个定律，近期的准确性高于远期的，就像是预测天气一样，天气预报上关于明天的天气是最准的，越往后准确性越低。

供应链为了增强预测准确性，就需要拿到最新的数据，这样做出来的计划准确性就越高。现在的需求波动越来越频繁，可能一天一个样，想要做出最准确的判断，必须用最新的数据。

3、 获取及时和准确的数据的关键事项

考虑到以上的两点动因，供应链一直在努力获得最及时和准确的数据。这里有几个需要特别留意的点值得大家关注。

3、1自动化数据采集

如有可能的话，应该尽量在实时情况下收集、传输数据。数据存储在供应链内部和外部的各个节点上，为了提升数据可靠性和及时性，最好的办法就是自动化采集。

在内部实施这点相对容易，只需要投资数字化工具，实施IT项目就可以实现。

在外部伙伴实施起来难度就高了，其中的最大阻力是害怕共享数据后的商业机密泄露。

供应商担心客户知道了他的上游供应商的信息，可能会跳过中间商，不让他继续赚差价。因此在做系统对接的时候，要确保只分享可以分享的数据，比如包装规格之类的。

3、2控制对相关数据的访问

根据使用者在公司中的职能，给予特定的数据访问权限，比如采购订单只能由采购计划员进行创建和修改，公司里的其他人只有查看的权限。

对于外部伙伴也是一样，客户可以查看供应商的库存商品数量信息，但他绝对不能访问商品的成本分析等商业机密。

3、3努力提升、维护数据的准确性

我们需要不断提升数据的准确性，其中关键在于数据采集和输入。我们要定期维护数据，比如系统中库存或是倒冲过账出现了负数，说明某些地方的数据存在问题，流程可能有漏洞，需要我们找到问题点并且尽快处理掉。

数据是供应链的根基，为我们制定各类计划提供了基础。实现准确和及时的数据虽然有点小贵，但是在供应链大中断时期（the Great Supply Chain Disruption），投资必然能带来相应的回报。

　　什么和大数据随之在整个供应链中被广泛应用3

大数据成为供应链利器

在中国供应链大数据份额中，零售业、制造业、服务业(非金融)、医疗业占比最多，约占83%市场份额，而能源仅占1%。而据易观智库预测，2016年中国供应链大数据市场将达到60亿左右(不含供应链金融部分)。

该报告把供应链大数据分为结构数据、非结构数据、传感器数据及新类型数据四种，涵盖了交易数据、时间段数据、库存数据、客户服务数据、位置数据等各个方面。报告显示，目前，大数据已经被广泛应用于包括物流、服务和金融等供应链环节。

有效推进物流模式变革

在供应链中，大数据的作用首先体现在物流中。2014年12月26日，中国物流信息中心公布的数据显示，1-11月，全国社会物流总额196.9万亿元，按可比价格计算，增长8.3%，较上年同期回落1.3个百分点。而从近五年的情况来看，物流企业资产规模增速逐步放缓，物流企业经营效益偏弱。

在这种情况下，物流企业需要从价值延伸的角度提供超过客户预期的服务，以高效物流+增值服务的思路发展，而大数据是物流企业提供增值服务的基础要素。另外，随着众多专业化物流模式的兴起，降低供应链成本的核心将是数据资产的运用，大数据能够有效地推进高效率的`物流模式变革，是降低物流成本费用的有效手段。

利用大数据，企业可以与中国气象服务中心合作，收集高速公路信息，提供全国高速公路的天气预报和道路实况服务，可以优化行车路线，并对车辆和货物状态进行实时监控、评估和预警，对产品的运输进行智能追溯。

企业通过大数据，依据物流的时间、成本、服务、物流数据、客户需要等决策因素，可以对风险进行有效预测和评估，制定出合理、准确和科学的决策。利用物流数据，企业可以进行详细的区域和网店预测，帮助电商平台和快递公司迅速做出决策。

例如，亚马逊已经申请专利的“预测性物流”就是个利用大数据洞察用户需求的典范。“预测性物流”会检测用户的鼠标在商品上的停留时间，再综合考虑用户的购买历史、搜索记录、愿望清单等。

从而根据这些海量数据预判用户的购买行为，提前将这些商品运出仓库，放到托运中心寄存，等到用户真的下单了，就可以立即开始运送商品。通过利用大数据，亚马逊大幅缩减了商品的送货时间。

构建预测模式提高协同效应

根据大数据的分析，物流企业可以构建预测模式，实现对产品销量的精准预测，进而实现对未来库存量的精准计算，使工厂、区域市场、本地市场的库存配置更加合理，从而提高协同效应。企业可以通过充分掌握供应链物流过程中的所有基础数据，结合企业自身的资源、能力状况，对整个供应链进行必要的控制和监督。

例如，神州租车的车辆租用率曾经在达到一定程度后出现了瓶颈，一部分车辆出现空置状态。通过使用SAP推出的数据库平台SAPHana，神州租车优化了流程，将车辆使用率再次提高了15%。

提供精准金融服务

通过大数据技术进行行业分析和价格波动分析，能够尽早提出预警，规避信贷风险，可以对目标客户进行资信评估、审批短期小额贷款，以及精准金融和物流服务贷款。

例如，为了实现银行和中小外贸企业之间的对接、打破信息不对等的状态，阿里巴巴旗下一达通公司运用自身的系统处理能力，将监管、申请、投放、还款、放贷等相关融资工作纳入一个统一的信息化网络处理平台，通过全程掌控交易流程。

获取交易环节的详细数据和信息，以第三方服务平台的角色验证企业贸易真实性，实现各方信息交互、业务协同、交易透明，从而为解决中小企业融资难问题找到可行的方案。

在供应链金融中，大数据还可以提供诸多的增值服务。利用大数据，从源头获取用户需求信息，洞察潜在需求，为供应链提供信息咨询;可以对供应链金融上下游客户进行全方位信用管理，形成互动的监管和控制机制，降低交易成本和风险;对供应链绩效进行分析与预测，指导供应链管理，尤其是供应链协同数据的运营。