大數據與雲計算時代下，供應鏈管理會發生哪些改變？

12-29

最近看了《大數據供應鏈》，做了一點讀書筆記，乾貨不是很充足但是對思維還是有些許啟發的。

豆瓣傳送門：大數據供應鏈 (豆瓣)

企業 BI 案例：

全球水泥巨頭 CEMEX 成功應用大數據分析優化了供應鏈與交貨時間；
沃爾瑪主要依靠分析法管理整條供應鏈；
迪爾公司在 2000 年到 2005 年，採用創新方法優化庫存為公司節省約 12 億美元的庫存成本；
保潔公司於 20 世紀 90 年代中期運用運籌學方法重新制定採購與物流方案，為公司節約了約 2 億美元成本；
亞馬遜運用高級分析法能預測消費者購買行為，在實際購買行為發生之前就將商品集中批量運送到物流中心；
Accenture 公司向 BestBuy 集團提供企業諮詢服務，幫助進行數據分析決策，安裝分析應用，管理 BestBuy 信息技術運行的主要組成部分；
Teradata 與 Hudson』s Bay 合作，尋求新方法以減少在退貨環境存在的欺詐現象；
美國交易處理服務提供商聯合數據（Alliance Data）為時裝公司建立並管理消費者忠誠度項目；
勞動力優化，預測人力需求，將預測結果與勞動力優化結合，應對人力需求高峰期；
物流優化：計算庫存、協調調配原材料、安排配送路線及貨運。數據分析用於優化倉儲、補充庫存、配貨中心最優化選址及交通成本最小化；
Marriott 公司通過收益管理程序，利用一個精密的統計系統為貴賓房進行最優定價，系統地考慮到從客戶種類到天氣等大量特徵，並對定價進行適時調整；
應用人臉識別技術將攝像頭（Eye-See）裝入服裝人體模特眼睛中，用於捕捉消費者的行動，收集消費者年齡、性別、種族等信息並與其購物行為匹配；
利用天氣追蹤系統的數據，能夠使整個供應鏈對危機、商店關閉地區、惡劣天氣專用品的需求增長等突髮狀況快速做出反應；
UPS 利用數據分析來預測 96000 輛汽車的維修預警，因為任何原因拋錨會影響服務質量；
優化供求預測，分析產品選擇、製造模型與顧客信息之間的關係。

大數據分析能回答下列問題：

企業前景如何？我們顧客的需求是什麼？
我們為什麼會成功？我們的戰略有效嗎？
我們未來應該怎麼做？應該投資哪些資源？
我們應該怎樣使風險最小化？應該怎樣預防企業崩潰？

供應鏈內感應庫存的射頻識別標籤方案，以協調整條供應鏈的運作。

供應鏈四大部分：

採購
- 供應商特點
- 產品特點
- 貨源渠道選擇
- 供應商整合
- 供應商談判
製造
- 科技水平
- 能力限制
- 設備位置
- 庫存
- 設備分布
物流
- 配貨與物流
- 交通方式選擇
- 路線規劃
- 日程安排
- 直接運送與間接運送
- 交通工具維護
銷售
- 地區導向營銷
- 店內行為分析
- 消費者分區
- 情感分析
- 多渠道營銷
- 優化商品搭配
- 優化定價

大數據分析的兩個要素：

完善的工作流程（規範的ERP）
了解原業務及技術原理（不能違反行業常識）

行業現狀：
不少企業面對大量數據束手無策，不知道如何利用這些數據來推動供應鏈發展，不知道從何下手，有些企業只是零零散散運用分析法，缺乏系統性與協作性。這種做法的後果是，企業只能獲得孤立的利益，缺乏洞察力與競爭力，從而導致供應鏈效率低下，成本超支。

企業融入大數據變革潮流的四大阻礙：

大海撈針——企業隨意運用分析法分析因果關係，試圖得到需要的結果；
卓越的孤島——企業運用分析法最優化子流程，雖然這些功能很有效率，但與優化整個系統無關；
評估細枝末節——企業評估細枝末節的顯著特點是試圖評估所有工作，但很少有企業能兼顧所有的衡量標準，大多數企業並不清楚應該重視哪一種；
分析癱瘓——許多企業面對科技飛速發展束手無策，他們很清楚必須要有所行動，但結果卻是一直停滯不前。

供應鏈制約影響：

企業倡導能夠降低原材料採購成本的採購管理
- 導致大量庫存與更高的庫存成本
企業倡導能夠降低單位生產成本的生產管理
- 導致生產過量產品與更高的庫存持有成本
企業倡導能夠提高銷售量的營銷方式
- 導致更高的生產成本與缺貨
企業倡導使用火車或軌道車運載產品，以獲得最低運費率
- 導致生產商、經銷商與零售商持有大量庫存
企業倡導用小而獨立、頻繁的訂單進行採購管理，以境地庫存量，維持現金流
- 導致上游部門承擔庫存費用

大數據分析能回答市場營銷中要解決的問題：

消費者真正想要的是什麼（而不是他們自己所說的需求）？
如何為每個市場分區創造價值？
消費者的目標消費額是多少？
什麼樣的產品能夠創造銷售額，什麼樣的產品不會？
需要在廣告上投入多少，投入之後又能獲得多少收益？

集中統籌三步走（SAM）：

分區
- 使用大數據創建供應鏈分區，為每一分區確定競爭優勢
聯合
- 功能性聯合強調分析學的應用；橫向整合消除供應鏈壁壘
測量
- 通過制定合理 KPI 獲取信息，評估目標產出

好的度量標準：

驅動策略
找出重心
協助決策
推動績效
不斷完善
表達清晰

經營策略思考的戰略問題：

我們的市場是什麼？
我們產品的獨特性是什麼？
我們如何在市場中競爭？

SOP 帶來的軟利益與硬實惠：

提供企業級 BI 服務的內功：

統計學
運籌學
機器學習
供應鏈管理
行業專業知識

提供企業級 BI 服務的外功：

Hadoop / Spark
SQL
Python
Web 開發

首先，供應鏈管理最難突破的是計劃管理，而在大數據支持下，電商企業就可以根據用戶數據、採購數據、補貨數據等進行采銷預測，並依此預測在消費者未下單前就提前完成商品採購，並第一時間調撥到離消費者最近的倉庫，大大提到物流效率。

其次，可以優化庫存結構和降低庫存持有成本。比如分析查找不健康的庫存商品，並自動發起退貨、促銷建議給采銷；智能地監控庫存健康狀態，提前預測滯銷庫存、預測未來某個時間點的庫存周轉和現貨率等。

最後，大數據還能幫助選品與定價。實現全網商品數據的自動抓取後，電商平台就能實時監控平台商品價格的有效性，並根據毛利率要求和庫存要求提供自動調價功能和建議，實時動態調整價格。

Big data,呵呵，都在談，時髦辭彙。
大數據給定的是一個趨勢，而供應鏈可以利用這個趨勢可以做提前量，提高反應速度。
供應鏈兩個重要的變數：數量和時間
在數量上可解決：提前調整庫存，不需要等需求反饋
在時間上：供貨速度由及時響應變為即時送貨

發揮到極致的做法是，完全不用倉儲。運輸工具（如車輛）就是一個移動的小倉庫，讓倉庫時刻在路上。這有點像集裝箱船公司對空箱的管理，空箱堆場不在陸地上，而是在船上，哪裡需要放哪裡。

簡單來說，大數據讓企業能夠預測市場、評估效果、監控運營，雲計算讓企業能夠統一信息、實時調整、降低各類系統使用成本，對提升企業供應鏈條的競爭力有極大的幫助。

供應鏈管理的發展經歷了幾個特殊的階段：

首先是傳統的低效期，核心企業無法直接接觸客戶，供應鏈管理整體處於低效狀態。在全球化過程開啟後，逐漸形成了集成化的敏捷供應鏈管理，一個核心企業能夠同時管理全球多個地區的供應商及分銷商。
然後是藉助互聯網的發展，能夠更貼近用戶，實現由信息系統助力、用戶需求驅動的供應鏈管理方式。
到現在，供應鏈管理又來到了一個分水嶺，那就是由數據和雲主導的信息化供應鏈協同時代。

讓我們從三個方面來分析，大數據和雲計算時代下，數據和雲是如何改變供應鏈管理，幫助企業實現供應鏈協同的。

1. 通過供應鏈協同轉預測為終測

如果不實施供應鏈協同，企業不明前端戰況，將出現牛鞭效應，阻礙企業的需求驅動機制的運行。

在供應鏈條上，分銷商、核心企業、供應商往往距離真實用戶較遠，無法直接感知用戶的真實需求。當需求從前端通過訂單的方式往後端層層傳遞時，需求信息的不真實性會沿著供應鏈逆流而上，產生逐級放大的現象。也就是俗稱的牛鞭效應。

在未實現供應鏈協同之前，上游的企業無法接觸到真實的用戶需求，只能依據下游企業來預測需求，造成大量的庫存積壓或庫存短缺的情況。這樣的情況直接導致了企業庫存周轉不利、產品線調整不及時、市場需求高的產品供貨周期被迫壓縮等一系列問題。

在此情況下使用供應鏈協同，能夠保證企業快速拿到第一手用戶需求資料，快速感知市場變化。可以參照戴爾公司的例子來說明。戴爾公司接觸用戶的方法是通過互聯網進行直銷。將公司可提供的各類型號的產品展示給客戶，讓客戶按照自己的需求下單，而戴爾公司可以通過互聯網平台在第一時間獲取真實的市場需求，而不是依賴下游分銷商的訂單來進行市場預測。

那如何才能實現直面市場真實需求的供應鏈協同呢？

具體的方法為：對接ERP系統的供應鏈集成軟體，實現信息集成、同步計劃，協同的工作流、全面的供應鏈繼承四個層次的協同。

首先應當說明的是，並不是所有的公司都像戴爾公司一樣，能夠有實力建立自己的直銷網站，並有充足的人財物來運營這樣一個網站。

那麼不通過直銷的方法如何建立良好的用戶需求驅動機制呢？

很簡單，通過與上下游企業的信息聯結，將市場預測轉換為市場終測，由信息保留轉向信息分享。處於同一條供應鏈上的企業同步建立互通的IT系統，將信息在雲端共享，在系統中形成虛擬集團，擁有統一的集團信息共享中心。該共享中心能夠對接到企業內部的ERP系統，保證銷售數據的及時到達，商品信息的集中統一，生產、銷售、採購計劃的同步，共同把握終極市場信息，擺脫不準確的市場預測的坑。

iWorker提供全終端集團共享中心，幫助處於同一供應鏈上的企業建立虛擬集團，共享企業基礎資料、構建統一信息平台，統一價格政策，建立以核心企業為標準的業務流程。所有信息及流程均可移動查看、移動執行。當然，由於虛擬集團涉及的企業主營業務不盡相同，iWorker也提供豐富的自定義配置功能滿足企業的個性化需求。

另外，iWorker平台集成了該集團共享中心與企業獨立的ERP系統，企業內部與供應鏈無關的資料不會向虛擬集團泄露。

2. 通過供應鏈協同實現敏捷供應鏈

在不實施供應鏈協同的情況下，企業不得不面臨後端供應商管理不到位，需求響應時間過長，貽誤戰機的情況。

當企業有意願但沒有能力進行有效的供應商管理時，企業往往會陷入資產運營的困頓局面。逐漸擴大規模的企業往往會被龐大的生產線、日益分化的用戶需求、日益收縮的規模效益所掣肘，面臨捨棄利潤或捨棄市場的抉擇。

此時解決該問題得方法並非加大投資，自給自足，而是建立敏捷供應鏈，實現需求的快速響應。

以戴爾公司為例。在接收到用戶的網路訂單後，戴爾的供應鏈管理平台控制中心將在50秒內收到訂單信息。隨即通過管理平台將訂單信息迅速分發給各配件商，供應商能夠立即按需生產符合客戶需求的產品配件，並在最短的時間內完成配件組裝。在這種「零庫存」模式下生產精確符合用戶需求的產品，靠的就是與供應商之間良好的合作關係。

具體的實施方法為：做好供應商管理，與供應商共同進步。

在傳統商業模式中，企業往往以自我為中心，忽略與供應商或分銷商之間的良性互動。部分企業內部的資源管理做得很好，能夠做到「零庫存」、快速響應需求，而合作夥伴卻庫存成堆、響應遲緩。這樣的運營模式下，供應鏈條很容易因為兩端不匹配而斷裂。

現如今供應鏈之間的競爭越發激烈，獨立運營的方法，上下游相互擠壓對方利潤空間的方法註定在市場中站不住腳跟。唯有與上下游各企業形成統一的虛擬整體，橫向整合，才能提高供應鏈的整體響應效率，形成更大的團體競爭力。

這就要求企業首先專註於自己所擅長的領域，將其他領域外包給更專業的公司，不要稀釋自身的競爭優勢。其次要做好供應商管理，與供應商共同進步，時刻保持與供應商之間良好的聯繫，企業間進行聯合規劃和作業。

iWorker提供專業採購模塊，包含採購、供應商管理及集團採購功能，用戶能夠輕鬆地發起採購訂單、進行供應商資料的查詢、添加及管理。提供供應商名稱、地址、供應商聯繫人以及供應商負責人等重要信息的快速查詢，幫助企業實現與供應商的便捷溝通。

3. 通過供應鏈協同實現精益供應鏈

所謂精益供應鏈，其核心就在於減少浪費。針對所有供應鏈環節，通過數據分析及人工評估各種方式的結合，對其進行服務、成本、效率等各方面的評估。從而減少流程中不存在附加值，也不能起到有效粘合作用的環節。

在進行供應鏈整合前，各企業間的對接相對獨立。企業對上游企業、下游企業以及內部供應鏈管理相對混亂，往往只能對自身及其直接對接的企業進行簡單管理，無法建立有效的供應鏈網路。

這將導致企業無法透明地了解其所獲得的價格政策、服務水平是否合理，無效環節無法被剔除。而上下游企業的服務、經營成本、效率實際上也會影響企業的運營成本，這無形中增加了企業的供應鏈成本。

處於這種情況下的公司，最希望做到的就是能整合供應鏈環節，實現精益供應鏈，提高利潤空間。

仔細思考戴爾公司的案例就能發現，在整個供應鏈中，每一個環節都與相鄰環節結合緊密，並且能夠以最高的效率創造效益。

具體的實施方法為：整合供應鏈，減少中間的非增值環節，壓縮成本。

供應鏈中非增值，反拖累整體效益增長的因素可能有以下七個，即TIMWOOD：運輸不經濟、庫存積壓、無謂的等待、過多的處理過程、過量的生產以及不良品。如果能夠整合供應鏈，對供應鏈中各環節的核心驅動因素進行評估，消除存在的非增值甚至浪費環節，就能有效地改善生產結構，提高利潤空間。

iWorker提供完善的費用管理、回款管理、商機管理、過程管理等模塊，幫助實現對相關環節的評估及實施把控，準確地了解各環節的增值效益。

越來越精準

每次在網上點完肯德基外賣，廣告欄就會出現一個大碼男裝的廣告。大數據時代，防不勝防啊。

在互聯網與大數據下的供應鏈，應該會發生很大的改變，互聯網將改變供應鏈管理過程中供需雙方還是基於手工傳遞與同步數據的方法，通過網路將供應鏈的交易雙方直接連接起來（類似於微信將個人的信息連接起來），這將大大改變交易過程的效率，以SaaS方式提供的供應鏈平台服務，將會是未來很大的發展。

這個問題真不好回答既然邀請了說一點幾天以來的小想法吧

個人感覺如果把供應鏈從頭到尾串起來看所謂大數據云數據可能更多影響到頭和尾頭是對產品定義、對需求預測的影響尾則是對售後及分撥。

供應鏈最怕不確定性如果大數據和雲數據能解決部分問題，也算商機吧。