供应链领导者如何投资新技术

说到数字化，每个人都处于不同的阶段。大多数公司已经开始在其运营中利用数字方法完成一项或多项任务。然而，大多数组织在跟踪货物时仍然依赖于手工文档。

事实上，新的研究委托这里的技术由ABI Research进行的一项调查显示，近70%的车队管理和供应链领导者仍然依赖电子表格、工作表和纸质司机日志作为他们货物跟踪过程的一部分。但是我们都知道，手工流程已经过时而且乏味。它们容易出现人为错误，并可能阻碍操作的可见性和潜在增长。

受访者提到，快速服务(55%)、成本(54%)、人员复杂性(49%)和工作流程自动化(47%)是他们最关心的问题。许多挑战都可以通过更好的可视性和更智能、更具预测性的供应链来解决。

“对许多公司来说，转向数据驱动的文化是一个缓慢的过程，原因有几个。HERE行业解决方案全球主管Bart Coppelmans表示:“最大的挑战是实现数据驱动的决策，并整合分散在不同系统和公司中的所有独立数据源。”

一旦数据可用，分析提供了关键的背景，因此它可以与决策过程相关。然而，大多数受访者(61%)表示，预测分析是他们在提高供应链可见性方面最大的差距。

“这就是HERE可以帮助连接不同利益相关者和数据集的地方。我们的核心能力允许您混合和汇总不同的数据集，并将它们与您的客户的增值见解结合起来。”“位置数据分析将您的物流运营数据置于环境中。我们添加了现实世界的事件、警报通知、机器学习分析和模型，使物流和供应链软件更具预测性。”

建立更具预测性的供应链

虽然完全手动流程和完全预测之间的距离可能看起来很大，但在此过程中有很多垫脚石可以提高操作的效率、准确性和成本节约。就在几年前，预测性供应链似乎还遥不可及，因为没有相关数据。现在，随着大量可访问的信息触手可及，供应链领导者更有能力开始建立更具预测性的供应链。那么，是什么阻碍了技术的广泛应用呢?

根据HERE的研究，31%的受访者表示，他们实施技术的最大障碍是不知道从哪里开始，39%的受访者表示，他们最大的挑战是找到合适的合作伙伴或供应商。换句话说，当涉及到数字化时，有很多犹豫和困惑。为了帮助填补这一知识空白，以下是在数字化之旅中需要考虑的五个重要因素。

1.采用数据驱动的策略和方法

在您完全接受预测性供应链之前，您需要开始实施数据驱动的策略和方法。最重要的是，需要一个诚实的人才评估。你有熟练的数据科学家和分析师来分析特定的数据集吗?

2.精确定位你的数据缺口和孤岛

一定要有全貌。当涉及到数据时，重要的是要了解在您的操作中发生了什么，以及您可以访问或不能访问哪些数据。将您的资产连接起来，然后对来自所有不同涉众的这些数据集进行规范化。是否有地方缺乏透明度?是否存在数据缺口，您的数据是否可用?

3.考虑更大的技术堆栈:

有现成的解决方案和软件可以很容易地集成到您的大型技术堆栈中。无论问题领域包括可视性、到达时间准确性、驾驶员入职和安全、仓库优化以及中间和最后一英里的效率，都有现成的解决方案，可以成为您正在寻找的即插即用的答案。

4.测试实现

新解决方案的测试过程将在很大程度上取决于您试图改进的业务领域。如果你或你的公司管理第一英里、中间英里或最后一英里的交付，测试阶段可能是这样的:

• 使用样本数据对概念(旅行、花费等)进行建模，以对照实际完成的旅行，查看优化潜力
• 测试订单管理系统中工作数据的转换，以确保所有必要的数据都被正确包含

5.实现

使用相同的车队场景，在测试完成后，实现过程如下:

1. 第一步:定义仓库和车队位置
2. 第二步:为用户友好的工具(例如，应用程序，导航)注册驱动程序和调度程序
3. 第三步:导入作业数据
4. 步骤四:优化和调度行程
5. 第五步:通过司机应用程序的引导和交付确认完成旅程
6. 步骤六:通过分析仪表板检查已完成的旅行

要了解物流领导者如何使用定位技术构建更好的软件和预测性供应链，请访问here.com/logistics。