隨著供應鏈變得越來越復雜，必須采用更好的工具來迅速高效地發揮數據的最大價值。供應鏈作為企業的核心網鏈，將徹底變革企業市場邊界、業務組合、商業模式和運作模式等。
第三產業供應鏈協同應用市場進入空間較大，尤其以醫療、金融、電子商務等細分領域需求較高。第二產業供應鏈協同市場成熟度逐步提高，尤其以物流、汽車、零售、公共事業為主要領域，供應鏈協同數據將起到市場升級的核心驅動作用。
無論是第三產業，還是第二產業，到底如何應用大數據？
1、預測：精確的需求預測。需求預測是整個供應鏈的源頭，整個市場需求波動的晴雨表，銷售預測的靈敏與否直接關系到庫存策略，生產安排以及對終端客戶的訂單交付率，產品的缺貨和脫銷將給企業帶來巨大損失。企業需要通過有效的定性和定量的預測分析手段和模型并結合歷史需求數據和安全庫存水平綜合指定精確的需求預測計劃。
如汽車行業，在應用SAS分析平臺進行精準預測后，可以及時收集何時售出、何時故障及何時保修等一系列信息，由此從設計研發、生產制造、需求預測、售后市場及物流管理等環節進行優化，實現效率的提升，并給客戶帶來更佳的用戶體驗。
2、資源獲取：敏捷、透明的尋源與采購。為新產品、優化成本而尋找新的合格供應商滿足生產需求；同時，通過供應商績效評估和合同管理，使采購過程規范化、標準化、可視化、成本最優化。
3、協同效率：建立良好的供應商關系，實現雙方信息的交互。良好的供應商關系是消滅供應商與制造商間不信任成本的關鍵。雙方庫存與需求信息交互、VMI運作機制的建立，將降低由于缺貨造成的生產損失。采購訂單與生產訂單通過各種渠道快速、準確的反應能力在當前集團化、全球化，多組織運作的環境下尤為重要。訂單處理的速度在某種程度上能反應出供應鏈的運作效率。
4、供應鏈計劃，與物料、訂單同步的生產計劃與排程。有效的供應鏈計劃系統集成企業所有的計劃和決策業務，包括需求預測、庫存計劃、資源配置、設備管理、渠道優化、生產作業計劃、物料需求與采購計劃等。企業根據多工廠的產能情況編制生產計劃與排程，保證生產過程的有序與勻速，其中包括物料供應的分解和生產訂單的拆分。在這個環節中企業需要綜合平衡訂單、產能、調度、庫存和成本間的關系，需要大量的數學模型、優化和模擬技術為復雜的生產和供應問題找到優化解決方案。
5、庫存優化。成熟的補貨和庫存協調機制消除過量的庫存，降低庫存持有成本。通過從需求變動、安全庫存水平、采購提前期、最大庫存設置、采購訂購批量、采購變動等方面綜合考慮，監理優化的庫存結構和庫存水平設置。
6、物流效率。建立高效的運輸與配送中心管理，通過大數據分析合理的運輸管理、道路運力資源管理，構建全業務流程的可視化、合理的配送中心間的貨物調撥以及正確選擇和管理外包承運商和自有車隊，提高企業對業務風險的管控力，改善企業運作和客戶服務品質。
7、網絡設計與優化。對于投資和擴建，企業從供應鏈角度分析的成本、產能和變化更直觀、更豐富也更合理。企業需要應用足夠多的情景分析和動態的成本優化模型，幫助企業完成配送整合和生產線設定決策。
8、制造業各行業管理特點突出，在供應鏈管理上呈現行業管理差異。如汽車行業重點關注準時上線和分銷環節、食品飲料行業關注的重點在冷鏈及配送環節、服裝行業的供應鏈管理重難點在消滅鏈條上高庫存等等。
9、風險預警，在大數據與預測性分析中，有大量的供應鏈機會。例如，問題預測可以在問題出現之前就準備好解決方案，避免措手不及造成經營災難。還可以應用到質量風險控制，如上海寶鋼，其生產線全部實現流水化作業，生產線上的傳感器可獲得大量實時數據，利用這些可以有效控制產品質量。通過采集生產線上的大量數據，來判斷設備運營狀況健康狀況,對設備發生故障的時間和概率進行預測。這樣企業可由此提前安排設備維護，保證生產安全。
大數據將用于供應鏈從需求產生，產品設計到采購、制造、訂單、物流以及協同的各個環節，通過大數據的使用對其供應鏈進行翔實的掌控，更清晰地把握庫存量、訂單完成率、物料及產品配送情況等；通過預先進行數據分析來調節供求；利用新的策劃來優化供應鏈戰略和網絡，推動供應鏈成為企業發展的核心競爭力。
大數據能給供應鏈帶來什么好處？
供應鏈管理大數據應用產業目前正處于起步期，未來2年將快速發展。有深度行業積累的供應鏈協同數據平臺將是未來2年資本主要進入的領域。據產業市場研究與分析公司IndustryARC的詳細研究，2012年全球大數據市場規模約為69.3億美元，2013年增長一倍至122.1億美元左右。預計該市場到2018年將達到404億美元，2013-2018年的CAGR約為31.4%。
這么大的投資規模，到底能帶來哪些價值呢？
1、庫存優化。比如，SAS獨有的功能強大的庫存優化模型可以實現在保持很高的客戶滿意度基礎上，把供應成本降到最低并提高供應鏈的反應速度。其庫存成本第一年就可下降15%～30%，預測未來的準確性則會上升20%，由此帶來的是其整體營收會上升7%～10%。當然還有一些其他的潛在好處，如提升市場份額等。此外，運用SAS系統，產品質量會得到顯著提升，次品率也會因此減少10%～20%。
2、創造經營效益，從供應鏈渠道，以及生產現場的儀器或傳感器網絡收集了大量數據。利用大數據對這些數據庫進行更緊密的整合與分析，可以幫助改善庫存管理、銷售與分銷流程的效率，以及對設備的連續監控。制造業要想發展，企業必須了解大數據可以產生的成本效益。對設備進行預測性維護，現在就具備采用大數據技術的條件。制造業將是大數據營業收入的主要來源。
3、B2B電商供應鏈整合。強大的電商將引領上游下游生產計劃-下游銷售對接，這種對接趨勢是上游制造業外包供應鏈管理Supply-Chain，只專注于生產Manufacturing，ProductionChain(R&D)。物流外包上升到供應鏈外包是一個巨大的飛躍，體現了電商的強大競爭力和整合能力，海量數據支持和跨平臺、跨公司的對接成為可能。B-B供應鏈整合具有強大的市場空間，能夠改善我國產業布局、產業鏈優化、優化產能分配、降低庫存、降低供應鏈成本、提高供應鏈效率。
4、物流平臺規模發展，B-C商業模式整合已經成為現實，但是物流執行平臺的建設是拖后腿的瓶頸。多樣產品的銷售供應鏈的整合有很大的技術難題，如供貨周期、庫存周期、配送時效、物流操作要求等，這樣的物流中心難度很大，大數據平臺建設將驅動整體銷售供應鏈整合;中國的還有的現實問題跨區域物流配送、城鄉差異等，政府的管制是一大難點/疑難雜癥，大數據平臺有助于政府職能調整到位。
5、產品協同設計，過去大家最關心的是產品設計。可是現在，在產品設計和開發過程中，相關人員相互協同，工廠與制造能力也在同步設計和開發中。當前的壓力在于向市場交付更具競爭力、更高配置、更低價格、更高質量的產品，而同時滿足所有這些要求，是制造和工程企業的下一個重大的價值所在。這也正是大數據的用武之地。
企業如何部署大數據？
要讓數據發揮價值，首先要處理大數據，要能夠共享、集成、存儲和搜索來自眾多源頭的龐大數據。而就供應鏈而言，這意味著要能夠接受來自第三方系統的數據，并加快反饋速度。其整體影響是增強協同性、加快決策制定和提高透明度，這對所有相關人員都有幫助。傳統供應鏈已經在使用大量的結構化數據，企業部署了先進的供應鏈管理系統，將資源數據，交易數據，供應商數據，質量數據等等存儲起來用于跟蹤供應鏈執行效率，成本，控制產品質量。
而當前大數據的概念則超出了傳統數據產生、獲取、轉換、應用分析和存儲的概念，出現非結構化數據，數據內容也出現多樣化，大數據部署將面臨新的挑戰。
針對如今所生成、傳輸和存儲的海量信息進行簡單處理所帶來的挑戰。當前，數據量呈爆炸式增長，而隨著M2M(機器對機器的通訊)的應用，此趨勢仍將持續下去。
但是，如若能夠解決這些挑戰，將可以打開嶄新的局面？核心在兩個方面：
1、解決數據的生成問題，即如何利用物聯網技術M2M獲取實時過程數據，虛擬化供應鏈的流程。通過挖掘這些新數據集的潛力，并結合來源廣泛的信息，就可能獲得全新的洞見。如此，企業可以開發全新的流程，并與產品全生命周期的各個方面直接關聯。與之集成的還有報告和分析功能，為流程提供反饋，從而創建一個良性的強化循環。
以SiemensPLMSoftware為骨干，并以Teamcenter這樣的技術平臺為核心，企業便可以設想出整個集成實施情景。在此情景下，由于客戶、用戶、設計和測試提出的所有需求和反饋都能被反饋至開發環節，因此實現安全管理的大數據便成為變更和競爭優勢的催化劑。由設計部門向仿真部門提出仿真要求，仿真部門將結果反饋給設計部門，然后再傳至供應鏈、制造、包裝和物流部門，從中我們看到了一個基于大數據的良性循環的誕生。
2、解決數據應用的問題，如何讓供應鏈各個價值轉換過程產生的數據發生商業價值，是發揮數據部署的革命性生產力的根本。大數據在供應鏈的應用已經不是簡單的交易狀態可視，支撐決策庫存水平，傳統ERP結構是無法承擔的。因此企業必須重新做好數據應用的頂層設計，建立強大全面的大數據應用分析模型，才能應對復雜海量的數據如何發揮價值的挑戰。
大數據在供應鏈領域的應用剛剛起步，隨著供應鏈的迅速發展，大數據分析，數據管理，大數據應用，大數據存儲在供應鏈領域蘊含巨大的發展潛力，大數據的投資也只有與供應鏈結合，才能產生可持續、規模化發展的產業。
最新論文