1、供應(yīng)鏈管理領(lǐng)域如何正確引入大數(shù)據(jù)分析技術(shù)附供應(yīng)鏈數(shù)據(jù)分析最佳解決方法g ”時的e時n hi蝴i,畛域出匕際%和碎禎面炒蛔的瞄 Iwigwijmwmwwwwft%,訊. - iLl*，堂l磷W龜 guijb燦祀 laaessiur -.； ib?:-. v. ;.fty.fJJ來源：CSCMP供應(yīng)鏈管理通訊第一期作者：Lisa Harrington, Dr. Zac Rogers, Dale Rogers, Richard Sharpe and Susan Lacefield翻譯：高珉時間：2019年3月14日星期四編者按：根據(jù)最近的一項調(diào)查顯示，大數(shù)據(jù)分析這項技術(shù)正在逐步向更加廣泛 的領(lǐng)域應(yīng)用

2、。從托盤、卡車再到一袋蔬菜，任何物體都有收集、儲存和傳輸信 息的能力。如果企業(yè)能夠把這些數(shù)據(jù)進行人工智能的分析，就會得到十分準(zhǔn)確 的結(jié)果，這樣就可以幫助他們做出更快、更好的決策。同時減少浪費，增加價 值。但是很多企業(yè)在供應(yīng)鏈數(shù)據(jù)分析的應(yīng)用上無從下手，也有的企業(yè)已經(jīng)開始 投入大量的資金和人力來進行大數(shù)據(jù)分析這項工作，但是他們得到的數(shù)據(jù)往往 會出現(xiàn)數(shù)據(jù)丟失或者不準(zhǔn)確的狀況。那么我們應(yīng)該如何掌握甚至將這項技術(shù)應(yīng) 用到自己的企業(yè)當(dāng)中呢？在接下來的文章中會通過一些實際的案例來跟大家分 享，大數(shù)據(jù)分析這項技術(shù)的應(yīng)用以及如何解決各個階段遇到的障礙。同時總結(jié) 出供應(yīng)鏈數(shù)據(jù)分析最佳解決實踐方法。“大數(shù)據(jù)分析的時

3、代已經(jīng)到來”數(shù)據(jù)分析公司Competitive Insights LLC在“第二屆年度大數(shù) 據(jù)分析研究活動上說到。同時參加討論的有Harrington Group, CSCMP供應(yīng)鏈管理季刊以 及兩所著名的供應(yīng)鏈管理學(xué)院亞利桑那州立大學(xué)和科羅拉多州立大學(xué)。這幾家機構(gòu)在2017 到2018年聯(lián)合推出了一項研究，旨在為企業(yè)提供一個基準(zhǔn)，能夠讓他們了解供應(yīng)鏈數(shù)據(jù)分 析的現(xiàn)狀并認識到如何在該領(lǐng)域中利用大數(shù)據(jù)分析采用何種策略。這么做的目的就是幫助企 業(yè)在開展數(shù)據(jù)分析的同時發(fā)現(xiàn)并解決遇到的困難和障礙。這項研究的調(diào)查對象是由CSCMP供應(yīng)鏈管理季刊的讀者、競爭觀察雜志的讀者以 及亞利桑那州立大學(xué)和科羅大多州

4、立大學(xué)研究人員編制的一份聯(lián)系人名單組成。其中2017 年度共搜集到了 133條可用的調(diào)查信息，2018年度共搜集到了 125可用的調(diào)查信息。survey respondents were asked, uHow wauid you characterize your supply chain organization maturity in regard to big data analytic?圖一：大數(shù)據(jù)分析成熟度級別在實際應(yīng)用當(dāng)中，企業(yè)變得越來越實際在調(diào)查中我們想受訪對象提出的一個問題是“在大數(shù)據(jù)分析方面，您如何描述您供應(yīng)鏈組織 的成熟程度？”（見圖一）b總的來說，根據(jù)調(diào)查結(jié)果顯示，很多

5、企業(yè)都已經(jīng)開展和實施大數(shù) 據(jù)分析這項工作。在兩年間，實施數(shù)量增長了 14%。但是根據(jù)上圖中顯示，這些已經(jīng)開展 實施這項技術(shù)的企業(yè)當(dāng)中，很少有人提出將這項技術(shù)作為“轉(zhuǎn)型”或“升級”的方式去實施。大 多數(shù)采用的是“早期”或“開發(fā)”階段。這就表明，大多數(shù)企業(yè)要么讓在進行概念驗證的測試， 要么只是推出了最初的實踐。同時我們還可以看出，到了 2018年“轉(zhuǎn)型”和“升級”的關(guān)注數(shù)量是下降的，我們認為，與2017 年相比，企業(yè)不是不關(guān)注大數(shù)據(jù)分析的實踐，相反，跟多企業(yè)在“轉(zhuǎn)型”這個定義上的關(guān)注程 度是有所增加的。隨著越來越多的企業(yè)在關(guān)注并實施大數(shù)據(jù)分析的工作，他們也是梳理和學(xué) 習(xí)如何更好的去理解和應(yīng)用這項工

6、作。換句話說，企業(yè)正在對自己在成熟度曲線上的實際位 置和未來所面對困難處理的程度上做一個客觀的分析和評估。而2017年漲幅的原因就像所 有新興技術(shù)一樣，企業(yè)從一個普遍的興奮期逐漸向理性、客觀的狀態(tài)轉(zhuǎn)變。我們在調(diào)查中的滿意度數(shù)據(jù)上就可以看出企業(yè)對2018年數(shù)據(jù)質(zhì)量和可用性低于2017年。與2017年相比，2018年受訪者對數(shù)據(jù)可用性的滿意度平均降低了 4%，對數(shù)據(jù)完整性的滿 意度降低了 7%。在兩年間，人們對數(shù)據(jù)可靠性的滿意度也下降了 5%。也許從這些數(shù)據(jù)上 企業(yè)會認為大數(shù)據(jù)分析的必要性問題，但是我們認為，隨著企業(yè)對數(shù)據(jù)分析實現(xiàn)的深入，他 們會越來越意識到自身現(xiàn)有的數(shù)據(jù)問題并對解決這些問題所需的

7、努力和承諾的力度做出更 好的理解。理所當(dāng)然的是，如果受訪者對數(shù)據(jù)質(zhì)量不滿意，他們對數(shù)據(jù)分析結(jié)果的滿意度也會降低。實 際上，2018年的調(diào)查顯示受訪者對2018年大數(shù)據(jù)分析工作相對于2017年實現(xiàn)的收益的評 估略有下降。在這兩年中，調(diào)查受訪者被要求使用七分制來量化他們的影響。已經(jīng)從各個領(lǐng) 域的大數(shù)據(jù)分析中實現(xiàn)，例如盈利能力，庫存管理以及總體服務(wù)成本的可見性。得分1等 于沒有影響，7等于變革影響。圖2顯示2018年與2017年相比所有潛在收益的感知影響 略有下降。|FIGURE 2 AVERAGE REALISED BENEFITS FROM BIG DATA ANALYTICS EFFORTSP

8、rathabllity inventory Visibility Qjstofnar Demand Risk and Supply Clnln Enri-to-End Productluity Manftgenwfit to Total Service Planning Resltlency Visibility Suppt/ChainCast-to-erve購院爭 meritoallsboratl&n 2017 i20184.14.1survey respondents were asked to rank on a scaie of T to 7 haw much of a benefic

9、iai impact they had siready received from big 曲拍 analytics in the foitowing areas.功信 chart compares the- erage for 201S versus 20t7 Nate: The 2017 survey aid not include a mess tire ofproductity.圖二：大數(shù)據(jù)分析工作的平均實現(xiàn)收益顯然，如果受訪者對他們的數(shù)據(jù)質(zhì)量不滿意，那么他們對自己的數(shù)據(jù)分析結(jié)果也不會滿意。 事實上，2018年的調(diào)查顯示，與2017年相比，受訪者對2018年大數(shù)據(jù)分析工作實現(xiàn)效益 的評

10、估略有下降。在這兩年當(dāng)中，我們通過使用一個7分制的量表來量化他們已經(jīng)從大數(shù) 據(jù)分析中實現(xiàn)的影響，這些內(nèi)容包括盈利能力、庫存管理和對總服務(wù)成本的可見性。1分代 表沒有影響，7分代表變革性的影響。圖二顯示了這兩年的對比數(shù)據(jù)，可以看出所有潛在收 益的感知影響都略有下降。分析的數(shù)據(jù)類型很重要在評估大數(shù)據(jù)分析實現(xiàn)的預(yù)期收益時，了解分析的類型有很多是至關(guān)重要的。對于調(diào)查，我們定義了一下幾個不同類型的數(shù)據(jù)分析：描述：正在發(fā)生的事情診斷：為什么會這樣 預(yù)測：接下來會發(fā)生什么 規(guī)范：應(yīng)該怎么做認知：使用機器學(xué)習(xí)來告訴我們應(yīng)該做什么或可以做什么FIGURE 3 THE AVERAGE LEVEL OF USE F

11、OR EACH TYPE OF ANALYTICSDescriptiveDiagnosticPredictive PrescriptiveCognitiveAnalyticsAnalyticsAnalyticsAnalyticsAnalytics 2017 201SSurvey respondents were asked to rank on a sea也 of 1 to 7 the extent that they are using the following analytics to support supply chain decision makings where 1 equal

12、s no use. 7 equals hevy use, and 3 equals occasional use.圖三：每種分析的平均使用水平受訪者再次需要用一個7分制的量表來選擇他們企業(yè)目前使用的每種類型的分析來說明他 們供應(yīng)鏈決策的程度（1分表示沒有使用，7分表示大量使用、平均而言，受訪者對描述 性分析的評分為4.61分（在“部分使用”和“經(jīng)常使用”之間）對診斷性分析的評分為4.02分， 對預(yù)測性分析的評分為3.16分（在“部分使用”和“偶爾使用”之間，對規(guī)范性分析的評分為 3.56分，對認知性分析的評分為2.27分（“不經(jīng)常使用”）參見圖三。這些分數(shù)與去年相似， 或者略低于去年。調(diào)查結(jié)果

13、表明，在現(xiàn)實生活中的許多供應(yīng)鏈中，復(fù)雜的分析類型仍然比基 本的方法使用得少。FIGURE 4) CORRELATION BETWEEN ANALYTICS TYPE AND REALIZED BENEFITAnalytics TypeCustomer ServiceDemand PI日nnin置RiskManagementSuppity Chain VisibilityEnd-to-endColhborationProductivityDescripthFeAnalyticsyesnononononoDiagnostic Analyticsnoslightly positivenog舟nr：-

14、Predictive Aniyticnoyesyesnoslightly positivenoPrescriptive 自國呼此若no與II的坷no服ncinoCognitiveslightly positivenoyesslightly positiveshghitly positiveyesA regression analy&is was run 比i 灑 if was a correiatian 恤就的 use of a specific soft岫e tool and the foliating reported benefits.圖四：分析類型與現(xiàn)實收益的關(guān)聯(lián)性通過對調(diào)查結(jié)果進行回

15、歸分析企業(yè)使用的分析類型與他們報告所獲得的收益之間存在顯著 的相關(guān)性。標(biāo)注1通常，越復(fù)雜的分析往往與越廣泛的結(jié)果相關(guān)聯(lián)。在圖四中顯示了描述性分 析的使用至于客戶服務(wù)的改進相關(guān)。這一發(fā)現(xiàn)是有道理的，因為了解供應(yīng)鏈中正在發(fā)生的事 情，可以幫助企業(yè)在客戶發(fā)現(xiàn)問題之前，更好地告訴他們所面臨的問題。雖然診斷分析的使 用與需求規(guī)劃略有關(guān)聯(lián)，并且與協(xié)作程度相關(guān)，但是沒有發(fā)現(xiàn)與任何其他已實現(xiàn)的好處有關(guān) 聯(lián)。（所謂“輕微”我們的意思是，有90%以上的把握，而不是95%以上的把握）然而，預(yù)測 分析可以與許多好處聯(lián)系，比如需求規(guī)劃、風(fēng)險管理和協(xié)作方面的改進。有些違反直覺的是，規(guī)定分析與這些已實現(xiàn)的好處沒有任何相關(guān)。

16、事實上，他于需求計劃的 改進呈輕微的負相關(guān)。當(dāng)公司達到規(guī)定性分析的水平時，他們可能不僅對需求規(guī)劃做出了一 些改進，而且更加意識到自己的問題所在。如果沒有更高級的分析能力，他們可能難以解決 這些問題，而現(xiàn)在他們對這些問題有了更多的了解。從很多方面來看，這種負相關(guān)知識我們 在2018年報告中看到趨勢的一個縮影。企業(yè)開始實施更復(fù)雜的流程，并在此過程中開始認 識到他們尚未克服的困難。最后，我們發(fā)現(xiàn)最有幫助的分析類型是認知分析，與風(fēng)險管理和生產(chǎn)力有很強的相關(guān)性，與 客戶服務(wù)、可見性和協(xié)作有輕微的相關(guān)性。換句話說，使用的分析類型越復(fù)雜、越有前瞻性， 企業(yè)就會意識到更多的好處。在調(diào)查企業(yè)用于執(zhí)行分析的軟件工

17、具類型時，調(diào)查題型再次使用7分制（其中1分表示“不 使用”，4分表示“某些用途”，7分表示“大量使用”）以衡量企業(yè)目前使用各種分析工具。這些 工具包括：Microsoft Excel或類似的電子表格程序；運營點解決方案（OPS），如倉庫管理 系統(tǒng)和運輸管理系統(tǒng)，與企業(yè)資源規(guī)劃（ERP）系統(tǒng)相關(guān)的高級分析工具和商業(yè)智能（BI） 工具。與去年的調(diào)查結(jié)果一樣，Excel電子表格程序是試用最廣泛的分析工具，平均得分為 5.80分，表示“頻繁使用” OPS平均得分4.64分，ERP和商業(yè)智能工具分別是3.97分和 3.88 分。IFIGURE 5 CORRELATION BETWEEN SOFTWARE

18、 TOOL AND REALIZED BENEFITAnafytics-TypeCustom-er ServiceDemandPlanningEnd-to-epd Col la be rationProduct ivttyInwntoryP/lanafierrirentPnlfibilityExcelg：nohontnonomoOperationalPdint SolutiorkSinononononononorwERPyes惜yesnononoyesyesBusiness IntelligenceyesnonoyesyesyesnonoA regression analysis was ru

19、n m see if there was a correlation between use of a specific software toot and the followiRg reported benefits.圖五：軟件工具和實現(xiàn)的利潤之間的相關(guān)性調(diào)查小組進行了多次分析以確定實現(xiàn)的有形大數(shù)據(jù)分析利益與這些平臺的使用之間是否存 在聯(lián)系。（參見圖五）雖然Microsoft Excel是這些平臺中使用最廣泛的，但它也是最不實用 的。實際上，在使用Excel或OPS作為主要大數(shù)據(jù)分析平臺，與客戶服務(wù)、需求規(guī)劃、風(fēng) 險管理、供應(yīng)鏈可視性、協(xié)作或整體生產(chǎn)率等方面不存在任何切實改善的關(guān)聯(lián)。這說明

20、，很 多企業(yè)現(xiàn)有的大數(shù)據(jù)分析是無效的。他們可能對目前的狀態(tài)有所幫助，但是不是一個長久的 使用工具。如果不改變方法，企業(yè)不太可能看到狀態(tài)的改變。相反，盡管ERP和BI系統(tǒng)是最少使用的平臺，但回歸分析表明他們是最有益的。ERP的 使用與客戶服務(wù)、需求計劃、風(fēng)險管理、庫存管理、供應(yīng)鏈可見性和增加盈利能力的實現(xiàn)有 著顯著的關(guān)聯(lián)性。BI系統(tǒng)在客戶服務(wù)、供應(yīng)鏈核實性、端到端供應(yīng)鏈協(xié)作以及整體生產(chǎn)力 方面性能的改進提供了最佳解決方案。這些結(jié)果表明，要讓大數(shù)據(jù)分析發(fā)揮作用，企業(yè)需要 使用正確的工具。希望在哪里？盡管大多數(shù)受訪者只實施了 一些不太復(fù)雜的分析類型但是他們對這些分析的結(jié)果都抱著很 高的期望。根據(jù)報告

21、顯示，這些受訪者通過大數(shù)據(jù)的分析和實踐在預(yù)計未來12個月客戶服 務(wù)、供應(yīng)鏈可視性、生產(chǎn)力以及盈利能力上都有顯著的改善。但實際上，僅有40%的受訪 者計劃在未來12個月之內(nèi)對認知分析進行中等或非常大的投資，只有52%的受訪者計劃在 預(yù)測分析方面進行大量投資。相比之下，近三分之二（63%）的受訪者都在計劃投資描述性 的分析。2018年的調(diào)查結(jié)果表明現(xiàn)實與預(yù)期結(jié)果之間存在脫節(jié)的狀態(tài)。企業(yè)似乎將重點放在基礎(chǔ)解 決方案商，但是希望獲得的是復(fù)雜解決方案的相關(guān)結(jié)果。FIGURE 6 (MPEDtMENTS TO A BIG DATA ANALYTICS IMPLEMENTATION器spond朗仁 岫尊罪湖

22、,5 g共漏of頃命to 郵a 時w 湖眠a心睹me failing 4$的網(wǎng)功出就洋to impi翱睥湖ng bfg淄用 如疵sycmr supply ch岫For g sea懼T=wt叩鯽cmW巳海雌咐 心柚郎s渤推。酒酎膈故瑚cmc舶a 7=y 卸fiw圖六實施大數(shù)據(jù)分析的障礙盡管很多現(xiàn)象令人擔(dān)憂，但是仍有希望。在調(diào)查中的受訪者普遍表示，與去年相比，實施大 數(shù)據(jù)分析的阻礙變得越來越少。在實施大數(shù)據(jù)分析中的障礙調(diào)查中，分為七個等級，其中潛在障礙從5（中等重要）和4（無顯著或無意義）的平均分數(shù)下降到了4或3（中等無關(guān)緊 要）之間的分數(shù)。（見圖六） 在分析數(shù)據(jù)之后可以看到，管理支持是今年和去年

23、之間的關(guān)鍵差異。擁有強大管理支持的企 業(yè)不認為他們會投資額外的軟硬件或?qū)r值主張理解為大數(shù)據(jù)分析實施的重大阻礙。他們也 不相信安全風(fēng)險會阻礙大數(shù)據(jù)分析的采用。范圍，他們認為大數(shù)據(jù)分析在實施當(dāng)中人才的獲 取、整合孤島式系統(tǒng)以及獲得新工具的能力是最大的阻礙。大數(shù)據(jù)分析計劃獲得越來越多的公司高管的重視對于遇到困難或失誤時繼續(xù)推動成功的大 數(shù)據(jù)分析計劃至關(guān)重要。它還確保在未來所需工具、人員以及培訓(xùn)所需的資金支持。前方的路在調(diào)查結(jié)果中可以看到，雖然很多公司已經(jīng)增加了大數(shù)據(jù)分析的項目，但是他們的大數(shù)據(jù)分 析的滿意度以及預(yù)期效果有所下降。企業(yè)似乎對開展和投資這項技術(shù)沒有足夠的信心。實際 上，任何新興技術(shù)的實

24、施都會經(jīng)歷這個階段，正如知名分析機構(gòu)Gartner在其定義的“炒作 周期”中所描述的那樣。許多技術(shù)專家觀察到，當(dāng)引入新技術(shù)時，通常會有一段時間不斷增 長的炒作和建立期望。當(dāng)技術(shù)最初沒有達到比預(yù)定過高的期望時，Gartner經(jīng)常會稱之為吆 滅的低谷”在此期間，企業(yè)對技術(shù)的期望在沒有達到預(yù)期或者過高的期望時就會迅速下面。 然后，隨著企業(yè)發(fā)現(xiàn)技術(shù)在實際應(yīng)用當(dāng)中的作用，期望再次上升。在接下來的時間，企業(yè)重 新獲得他們在幻滅的低谷中失去的一些期望但他們再也沒有達到炒作周期開始時所見的高 度。許多企業(yè)似乎對大數(shù)據(jù)分析實施中遇到的阻礙和迷茫是在成長過程中必不可少的一部分。大數(shù)據(jù)分析有可能進入吆7滅的低谷”，

25、因為企業(yè)需要投入很大的時間和精力來進行清理數(shù)據(jù) 和擴展其他類型的分析。同時為了獲得更加可靠的數(shù)據(jù)，企業(yè)不僅需要自身擁有一個中央數(shù) 據(jù)存儲庫，同時還需要尋找一個跨組織的合作伙伴進行數(shù)據(jù)的收集和分析。這樣就需要建立 一個合作機制，包括問責(zé)、可重復(fù)性工作以及主題驗證等內(nèi)容，同樣還需要商務(wù)溝通的時間 和談判規(guī)則。為了幫助企業(yè)能夠擺脫這種吆滅的低谷，請參閱文章下面的“建議最佳實踐方 法。企業(yè)也逐漸的認識到目前他們使用的分析工具不夠復(fù)雜和完善無法及時為他們提供明智的 決策、準(zhǔn)確和具體的見解。企業(yè)需要能夠快速回答一下問題的解決方案：發(fā)生了什么？為什 么會這樣？如果我們要做出這種改變 會發(fā)生什么？這些工具需要能夠跟蹤所做更改的財務(wù) 和運營影響。這些類型的解決方案是什么？企業(yè)需要投資新軟件并解決變更管理流程的問題。 同時他們還需要對自己的員工進行投資，確保他們具備使用這些系統(tǒng)所需要的技能。雖然在技術(shù)引入的初期會遇到很多阻礙和問題但是企業(yè)對未來的道路需要一個更為現(xiàn)實的 評估。他們最了解他們的數(shù)據(jù)質(zhì)量、可訪問性所面臨的差距以及他們現(xiàn)有工具的局限性、但 是大數(shù)據(jù)分析與人工智能方法相結(jié)合，是目前最適合的解決方式。只要通過適當(dāng)級別的高管 支持和投資，企業(yè)可以得到他們所需要的有效數(shù)據(jù)，從而更有效地做出更好的決策。