供应链分析：保持物流顺畅的五个技巧
事实表明，越来越多的企业采用数据分析来应对供应链中断，并加强供应链管理(SCM)。
专业服务和咨询机构毕马威公司在最近发布的一份研究报告中指出，目前有几项重大中断正在影响供应链。其中包括由于新冠疫情而导致的全球物流持续中断，这些中断将继续影响企业和消费者，因为全球主要港口和机场的关闭限制了货物输入关键市场。
该公司表示物流信息分析，主要的物流中断在全球供应链中产生了连锁反应，最终导致货物积压在仓库中。研究报告声称，假设这些中断减少并且海运和空运恢复到疫情发生之前的水平，那么这种情况也需要一段时间才能恢复正常。
导致供应链问题的其他因素包括生产延误、过度依赖数量有限的第三方以及劳动力市场短缺。该报告还指出，许多企业正在采用技术使供应链中的关键节点实现自动化。
毕马威公司表示，2022年的投资水平将会加快，因为企业希望通过采用认知规划和人工智能驱动的预测分析等更先进的“数字化推动因素”来增强关键的供应链规划能力。
报告声称：“新技术的出现从根本上改变了供应链在全球的运作方式。消费者的要求越来越高，这导致供应链以更快的速度改变和发展。现代运营专注于技术和创新，因此，供应链将变得更加复杂。”
企业如何最好地使用数据分析来增强其供应链管理(SCM)工作?行业专家为此分享了一些最佳实践。
1.将数据转化为可操作的简单见解
网络技术服务商Extreme 公司首席信息官John Abel表示，大多数企业拥有着大量数据，这些数据通常存储在不同的系统和数据库中。他补充说，供应链的复杂性增加，是因为外包、物流和分销运营等扩展合作伙伴会产生额外的数据源。
Abel说，“因此，许多人难以使用这些数据来生成超出顶级指标和描述性统计数据的有意义的见解。数据分析工具可以提供更深入、可操作的见解，并提高这些见解的准确性。”
Abel表示，供应链数据分析战略的成功基础，包括确保内部和外部数据以结构化格式汇集在一起;将数据项目的结果集中在需要采取哪些行动来推动绩效指标上;并确保其结果易于理解。
他说，“最后一点也是最重要的一点，通常倾向于关注使用的模型而不是输出。因为许多技术领导者希望将人工智能纳入他们的流程。但更重要的目标是专注于生成清晰、可解释且易于被业务用户消化的见解。”
与跨职能团队共享的任何报告或仪表板都必须能够讲述一个易于理解的清晰故事。Abel说，“否则，数据分析的好处可能会因通过召开冗长的会议来解释其价值而黯然失色。”
Abel说，“这反过来也起作用。虽然大多数数据分析专家对产生该数据的业务流程和系统没有深入的知识，但他们通常对上游和下游流程和系统有着广泛的了解，成功的供应链分析项目从‘数据告诉我们什么’的角度开始，然后深入了解业务流程。”
他表示，分析团队和业务用户之间的合作有助于开发这些可解释的见解，这些见解可以在整个企业中轻松传达。
2.专注于差异化领域的分析
咨询机构North 公司全球供应链专家Erik 表示，很多供应链企业正被客户订单、项目信息、设备利用率和不断变化的运输成本等数据所困扰。
说，“这些公司需要建立一个成功的以客户为中心的供应链，同时最大限度地提高运营效率的关键是使用正确的分析来做出数据驱动的决策。”
他建议，供应链企业将分析重点放在三个主要领域：
一是需求计划和库存放置。说，“企业通过收集数百万行交易数据，从而能够对客户购买模式进行有力的分析。利用这些数据构建强大的分析算法，以推动整个供应链的库存配置，确保产品在正确的时间出现在正确的位置。企业应将分析资源集中在预测产品类型、销售渠道和地理位置之间的需求模式上。”
第二个领域是运营效率。说，“客户和订单数据通过有效调度资源以适应波动的需求模式，使供应链能够最大限度地利用资产和劳动力。调整劳动力计划以在高峰期增加资源，同时在低谷期安排设备/资产的维护，使企业能够最大限度地提高效率，并降低运营成本。”
第三个领域是订单履行路径决策。说，“客户希望供应链比以往任何时候都更加灵活和以客户为中心，产品可以通过多种途径到达最终客户。企业需要平衡多种因素1688批发网，包括服务预期、运输和履行成本以及库存水平，以确定订单履行的最佳方法。”
表示，利用分析来权衡成本与客户体验对于保持竞争力至关重要。
3.利用实时数据处理中断
Abel表示，随着全球供应链的规模和复杂性都在增长，管理和应对整个供应链的波动变得越来越困难。
Abel说，“随着数据点的快速变化，分析和决策通常基于过时的信息，并且由于有效分析数据所需的时间而进一步加剧。为了成功地驾驭这一点，供应链经理需要开发并行计划系统，通过利用高级分析和整个供应链的实时可见性来优化需求和供应。”
Abel表示，从历史上看，更新基于特定的时间范围，并且可能每天或每小时共享一次。他说，“但现在的措施还不够，由于需求和供应不断波动，因此最好与主要供应商进行系统集成，以便实时获取更新。”
如果供应商发生变化，企业需要立即了解潜在影响，以便制定替代计划以维持对客户的承诺。Abel说，“对实时数据馈送使用高级分析，使管理供应链的人员能够快速建模和评估潜在中断的影响，因此他们可以计划和执行需求、供应和库存的波动。”
Abel指出，这些见解还可以用来理解供应链约束对收入预测的潜在影响。预订、发货、库存水平、供应商承诺、折扣和管道销售机会等数据的近实时可见性，以及对这些数据的实时分析物流信息分析，对于企业监控和管理收入预测的能力至关重要。
Abel说，“通过使用高级分析和自动化，这些可变数据输入可用于创建跟踪模型，使供应链团队能够近乎实时地对变化做出反应，制定应急措施，并提供更准确的收入预测。”
4.强调数据治理和质量
紧固件制造商和分销商Optimas 公司供应链和商业智能副总裁Mark Korba表示，关于信息的格言“垃圾进，垃圾出”当然适用于供应链数据。
Korba说：“验证数据很重要，特别是因为它有多种来源，其中包括客户库存管理系统、需求计划应用程序、供应商软件等。在通常情况下，跨系统的数据不一致或管理方式不同，因此缺乏完整性。”
Korba说，创建一个积极的数据治理计划对于确保整个供应链的数据完整性尤为重要。他说，“治理计划可确保数据正确一致，并加强供应链合作伙伴之间的协作。而关于设置数据治理程序则有很多公开信息。”
Korba表示，根据已知数据对企业的供应链进行基准测试尤为重要。他说，“Optimas 公司的供应链团队将他们的表现与竞争对手进行比较，他们审查行业平均水平，并收集有助于提高企业满足需求能力的信息。”
5.使供应链分析广泛可用
供应链管理(SCM)涉及企业的多个方面，因此需要自由共享分析能力。
计算机硬件供应商联想集团的高级副总裁兼首席信息官Arthur Hu说，“让参与供应链的每个人都能轻松获得所需的数据和工具，这首先需要打破任何‘信息孤岛’，建立一个集成的端到端信息系统。”
Hu表示，这还意味着利用机器学习和人工智能等工具来实现这样一个数据丰富的系统的全部价值。他说，“当这种类型的系统部署到位时，供应链上下游的管理人员和操作人员可以优化其性能。”
同样重要的是，供应链分析用例不知道部门边界。他说，“团队倾向于关注企业内随时可用的数据。而这样做，他们可能会错过真正深入了解问题所需的全部数据。作为涉及业务多个部分的关键平台，供应链需要从整体角度进行管理。”
例如，在管理产品质量时供应链分析：保持物流顺畅的五个技巧，团队不仅应该能够访问工厂生产期间的配置和指标，还应该能够访问产品开发数据、组件供应商数据和客户反馈数据。他表示，所有这些结合在一起就形成了一个推动质量和成果的多维图景。
电子商务服务提供商公司负责库存规划和预测的副总裁 表示，通过确保企业各个级别的业务领导者能够访问供应链数据并能够与之交互，企业可以为成功做好准备并产生长期回报，从而提高他们的收入。
表示，数据洞察可以为不同的团队和部门提供不同程度的价值。例如，物流团队可能会使用数据来发现瓶颈，并提高仓库或配送中心的效率，而财务部门可能会查看相同的数据，并确定简化成本和削减支出的方法。
说，企业的这种知识共享水平不仅可以降低总体风险，还可以改善决策和绩效。
【本文来源于互联网转载，如侵犯您的权益或不适传播，请邮件通知我们删除】