What和大数据在整个供应链中都有广泛的应用。

What和大数据在整个供应链中都有广泛的应用。数字化时代，数据分析逐渐成为员工必备技能之一。所以要注意数据分析。那么什么和大数据被广泛应用于整个供应链呢？

什么和大数据被广泛应用于整个供应链？1大数据时代给采购和供应链带来的挑战和机遇。

1，大数据时代及其特征

大数据是指涉及的数据量巨大。随着时代的不断进步和科学技术的飞速发展，互联网、物联网、移动通信、管理信息化、电子商务等技术不断相互渗透，影响着国家、企业、民生的方方面面。今天，人们使用大数据来描述和定义信息爆炸时代产生的海量数据，以及可以在合理的时间内捕捉、管理、处理和组织的信息和知识，以帮助人们处理事务和做出决策。

根据美国互联网数据中心的数据，互联网上的数据每年将增长50%，每两年翻一番。目前世界上90%以上的数据都是近几年才产生的。2020年，全球产生的数据规模将达到现在的44倍。从这些数据每天越来越多来看，现在世界已经进入大数据时代。

大数据时代凸显了数据资源的重要性。2012年，奥巴马政府宣布投入2亿美元推动大数据相关产业发展，将“大数据战略”提升为国家战略，将大数据定义为“未来的新石油”，将数据的占有和控制视为除陆海空权之外的另一项国家核心资产。2013年，法国政府发布了其“数字路线图”，列举了五大战略性高科技，“大数据”是其中之一。

2012年，日本总务省发布了2013行动计划，明确提出“通过大数据和开放数据开拓新市场”。联合国2012年发布的《大数据政府白皮书》中指出，大数据是联合国和各国政府的历史性机遇。中国也将大数据产业作为战略性产业，成立了“大数据专家委员会”。

2014“大数据”十大趋势预测包括数据商业化与数据共享的联盟，大数据生态环境的逐步发展。同时，大数据专家委员会预测，2014年，大数据将在互联网及电子商务、金融(股市预测、金融分析)、健康医疗(疫情监测预测等)领域有显著应用。)，生物信息学，药学等等。

大数据时代是大数据价值充分发挥的时代。根据赛门铁克的研究报告，全球企业的总信息存储容量已达2.2ZB(1ZB=1024EB，1EB=1024PB)，年增长率达67%。世界每分钟产生1700TB的数据，但吸引我们的不仅仅是庞大的数字本身，而是我们用这些数据做什么。

大数据可以应用到各行各业。在宏观经济方面，IBM日本公司建立了经济指标预测体系，从互联网新闻中搜索了480个影响制造业的经济数据，计算出采购经理人指数的预测值；印第安纳大学利用谷歌提供的情绪分析工具，从近1000万网民留言中总结出6种情绪，然后预测道琼斯工业平均指数的变化，准确率高达87%。

在制造业，华尔街对冲基金根据购物网站上的客户评论分析企业产品的销售情况。一些企业利用大数据分析实现采购和合理库存的管理，并通过分析在线数据了解客户需求和把握市场趋势，等等。

根据麦肯锡公司的数据，大数据将为美国医疗服务业带来3000亿美元的价值，使美国零售业的净利润增加60%，使制造业的产品开发和组装成本降低50%。大数据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超过216亿英镑(约合3467亿美元)的潜在收益。

2.大数据时代给采购和供应链带来的挑战和机遇。

首先，商业环境和商业模式越来越复杂，越来越动荡、多样化和个性化。其次，电子商务商业模式的快速发展打破了国界，导致跨境业务的快速增加和商业活动的频繁，并伴随着数据量的急剧增加。。第三，大数据应用处理已经成为企业和社会竞争发展的重要焦点。第四，有效挖掘大数据成为时代面临的重要课题。最后，许多企业没有完全理解大数据的重要性及其价值。

什么和大数据被广泛应用于整个供应链？2为什么及时准确的数据在供应链管理中如此重要？

1.供应链中的数据类型

数据有很多种类型，其中一种就是把它分为静态数据和动态数据。前者包括公司基本信息、产品型号、采购价格、BOM等相对固定的信息。

后者主要是一些事务性的信息，比如生产线的日产量，客户订单的数量，仓库的实际收货数量，运输的地点等等。

只要静态数据准确，没有实时性要求。比如公司名称一般不会改，只要确定公司地址、法人、银行账号正确就行。

对动态数据的要求很高，不仅要准确，而且要能时刻反映实际情况。

每个人都有网购的经历。货物出库后，快递公司会每隔一段时间刷新一次包裹的位置，这是通过车上的GPS定位来实现的，然后根据货车配送计划，大致可以给出配送时间。通过一辆货车上的GPS，可以追踪到整车的货物，就是1和N的关系，所以实现动态数据的成本并不高。

离散制造业的情况要复杂得多。一件商品需要追溯到原材料供应商。进厂后需要经过几个不同的生产加工中心，然后完成组装和检验，才能入库配送给下游经销商或零售商。

我们很少在原材料上放置跟踪定位装置，除非商品价值很高，或者在这方面有强制性的监管要求，比如药品。

如果要跟踪生产进度，需要使用工业4和0的技术，在每台设备上安装传感器，系统处理后会自动上传数据。如果要在每一个生产和内部搬运设备上都安装传感器，对于一个工厂来说会太沉重，性价比不高。除了少数行业标杆企业，对于大多数工厂来说，做实时数据的想法并不强烈。

2.为什么供应链需要及时准确的数据？

说到这里，供应链对及时准确的数据有着强烈的需求，因为我们要在所有的生产、配送、采购、售后服务之间建立无缝链接。此外，有两个关键因素使我们有必要获得及时性和准确性。

2.1增强供应链的可视性。

对于供应链中的参与者来说，关键的可见性问题包括货物的预期生产和交付时间。例如，供应商承诺30天交货，但实际上他需要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寻找货源，他不愿意购买更贵的原材料，因为这会增加成本，除非客户愿意接受供应商的调价要求。

原材料和备件库存的位置也属于可见性，客户需要根据这些信息来安排后续的生产和销售计划，这非常依赖于信息的准确性。当供应商承诺在某一天将货物送到客户工厂时，供应链会将这些信息输入系统，并以此为基础制定生产计划。销售会根据生产完成日期通知客户，环环相扣。

一旦供应商信息有误，货物到达时间晚于承诺时间，就会影响供应链的下游安排，出现所谓“计划赶不上变化”的情况。

跟踪交货日期和库存位置只是初级的可见性，更深层次的需求是能够预警供应链中断的风险。根据现有的信息，我们需要判断何时何地会出现短缺，对生产和销售有什么影响。

比如生产线缺了一些零件，就要停工4个小时。如果每小时产量为100套产品，每套价格为200元，那么损失等于4*100*200=80000元。

当然，在现实世界中，计算方法更加复杂，某一种原材料的短缺会涉及N种以上的产品，N个以上的客户。如果能增强能见度，就能预见未来潜在的供应短缺，并在第一时间做出反应。

要做到这一点，就需要及时准确地在供应链上下游之间自动传递数据，最大限度地减少人为干预。

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，进行中长期预测。

对于制造企业来说，财务需要供应链提供的投入来制定未来的经营计划和各种预算，比如库存、采购量、运费等等。

底层数据的准确性非常重要。所有的计划都是基于这些数据，匹配数据模型，然后进行“处理”。供应链会花一些时间在数据维护上，这是为了保证基础数据的准确性。

我们知道预测是有规律可循的，近期的准确率高于长期。就像预报天气一样，天气预报对明天的天气是最准确的，越晚准确率越低。

为了增强预测的准确性，供应链需要得到最新的数据，所以计划的准确性越高。现在需求波动越来越频繁，可能每天都一样。为了做出最准确的判断，我们必须使用最新的数据。

3.获得及时准确数据的关键问题

考虑到以上两个动机，供应链一直在努力获取最及时、最准确的数据。这里有几点需要特别注意。

3、1自动数据采集

如果可能的话，我们应该尽力实时收集和传输数据。数据存储在供应链内外的所有节点中。为了提高数据的可靠性和时效性，最好的方法是自动采集。

在内部实现这一点相对容易，可以通过投资数字工具和实施IT项目来实现。

在外部合作伙伴中实现难度更大，最大的障碍是* * *享受数据后对商业机密泄露的恐惧。

供应商担心，如果客户知道他上游供应商的信息，可能会跳过中间商，不让他继续赚取差价。所以在做系统对接的时候，一定要保证只共享可以共享的数据，比如包装规格。

3，2控制对相关数据的访问

根据用户在公司中的职能，赋予用户特定的数据访问权限。例如，采购订单只能由采购计划员创建和修改，公司中的其他人只有查看的权利。

对于外部合作伙伴也是如此。客户可以查看供应商的库存信息，但不得接触商品成本分析等商业秘密。

3、3努力提高和保持数据的准确性。

我们需要不断提高数据的准确性，其中的关键是数据的收集和输入。我们需要定期维护数据。比如系统里的库存或者倒冲账有负数，说明有些地方的数据有问题，流程可能有漏洞。我们需要尽快找到问题并处理它。

数据是供应链的基础，为我们制定各种计划提供依据。虽然实现准确及时的数据有点贵，但是在供应链大破坏的时期，投资必然会带来相应的回报。

What和大数据被广泛应用于整个供应链，3大数据成为供应链的利器。

零售、制造、服务(非金融)和医疗行业占中国供应链大数据份额最大，约占市场份额的83%，而能源仅占1%。据易观智库预测，2016年中国供应链大数据市场规模将达到60亿左右(不含供应链金融)。

报告将供应链大数据分为四种类型:结构化数据、非结构化数据、传感器数据和新型数据，涵盖交易数据、时间段数据、库存数据、客服数据和位置数据。报告显示，目前，大数据已经广泛应用于包括物流、服务、金融在内的供应链环节。

有效推进物流模式改革

在供应链中，大数据的作用首先体现在物流上。2014 12.26中国物流信息中心发布的数据显示，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%，比去年同期下降1。从近五年的情况看，物流企业资产增速逐步放缓，物流企业经营效益疲软。

在这种情况下，物流企业需要从价值延伸的角度提供超出客户预期的服务，以高效物流和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。此外，随着许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使用。大数据可以有效促进高效物流模式的转变，是降低物流成本的有效手段。

借助大数据，企业可以与中国气象服务中心合作，采集高速公路信息，为全国高速公路提供天气预报和道路实况服务，优化行车路线，实时监控、评估和预警车辆和货物状态，智能追溯产品运输。

通过大数据，企业可以根据物流时间、成本、服务、物流数据、客户需求等决策因素，有效预测和评估风险，做出合理、准确、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快速决策。

比如亚马逊的专利“预测物流”，就是利用大数据洞察用户需求的模式。“预测物流”会检测用户在商品上的鼠标停留时间，然后综合考虑用户的购买历史、搜索记录、愿望清单等。

因此，根据这些海量数据，可以预测用户的购买行为，提前将这些商品运出仓库，存放在寄售中心。当用户真的下单了，就可以马上发货。通过使用大数据，亚马逊大大缩短了商品的配送时间。

构建预测模型提高协同效应

物流企业可以根据大数据的分析，建立预测模型，实现对产品销量的精准预测，进而实现对未来库存的精准计算，使工厂、区域市场、地方市场的库存分配更加合理，从而提高协同效应。企业通过全面掌握供应链物流过程中的所有基础数据，结合自身的资源和能力，可以对整个供应链进行控制和监督。

比如CAR Inc .的租车率一度达到一定水平，有些车是空置的。通过使用SAP推出的数据库平台SAPHana，CAR Inc .优化了流程，车辆利用率再次提高了65，438+05%。

提供精准的金融服务

通过大数据技术进行行业分析和价格波动分析，提出预警，规避信用风险，对目标客户进行信用评估，审批短期小额贷款，提供精准金融和物流服务的贷款。

例如，为了实现银行与中小外贸企业的对接，打破信息不对等的状态，阿里巴巴旗下的易通公司利用自身的系统处理能力，将监管、申请、交割、还款、放款等相关融资工作整合到统一的信息网络处理平台，并对交易过程进行全程控制。

获取交易环节的详细数据和信息，借助第三方服务平台的作用验证企业贸易的真实性，实现各方的信息交互、业务协同、交易透明，为中小企业融资问题找到可行的解决方案。

在供应链金融中，大数据还可以提供很多增值服务。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的信用管理，形成互动的监督控制机制，降低交易成本和风险；分析和预测供应链绩效，指导供应链管理，尤其是供应链协同数据的运行。