培生卓越论:利用大数据分析加强供应链

大数据分析是一件大事，特别是在供应链管理领域，这项技术广泛适用，但往往未得到充分利用。本月，我将简要介绍大数据分析，讨论其在供应链管理中的新兴作用，并审查一些最近的研究。

多年来，供应链决策者使用分析来帮助设计设施网络，确定经济订单数量，并定义安全库存参数。然而，这些都不是大数据的成果。它们通常是狭隘的，而且大多是零敲碎打的，而且大多数是根据情况而不是系统地应用的。

大数据分析则不同。一方面，它涉及实时或接近实时地收集和分析前所未有的大量数据。而且，它还涉及处理跨时间和在无数环境中收集的数据。

我们可以把这些区分因素看作3v:体积、速度和多样性。大数据分析还不同于传统分析，因为它需要许多技术和前沿技术:统计学、数学、计量经济学、模拟和优化。

毫不奇怪，大数据分析有很多方法可以帮助供应链决策者。根据埃森哲最近的研究，最常见的好处是更好的客户服务，更有效的履行，对供应链问题的更快反应，以及提高端到端效率。

但同样的研究表明，只有一小部分公司享受到了这些好处。而且，对于开发、构建和部署大多数分析能力的最佳方式，几乎没有共识。受访者担心安全、隐私、执行支持以及实现的成本和复杂性。只有37%的受访者表示大数据分析已经嵌入到他们的关键流程中。

然而，这种情况即将改变。研究表明，越来越多的公司似乎准备投资。以下是公司应该考虑的三个最佳实践:

• 创建企业范围的战略。企业范围内的分析策略最有可能帮助企业利用大数据来推动业务价值。特定于供应链的战略可能不那么有效，但它仍然比只关注几个流程的战略更可取。在实施了企业范围战略的受访公司中，超过60%的公司报告称，从订单到交货的周期缩短了，供应链效率提高了10%或更多。

• 在运营中嵌入大数据分析。将分析纳入日常供应链运营的公司，往往比那些分析工作应用范围较窄或零星的公司产生更显著和更深远的效益。在接受调查的采用这种方式的公司中，大约60%的公司报告说，从订单到交货的周期更短，整体效率更高，需求管理也得到了改善。

• 雇佣具有深厚分析技能的人才。一个独立的数据科学家团队——致力于持续的大数据分析——是一个重要的成功决定因素。根据我们的研究，组建这样的团队的公司比没有这样做的公司的可能性高3到5倍。

最后一点，尽管大数据分析提供了巨大的潜力来提高业务绩效，但它仍然是一项相当大的投资，其规模和复杂性降低了一些公司的可实现性。人才紧缺。分析工具是复杂和快速发展的。技术供应商来了又走。出于这些原因，一些公司最好的做法可能是将大数据分析项目的开发和管理外包出去。

除了利用最佳的专业知识和工具外，这种方法还可以帮助公司快速、经济有效地启动或增强其分析能力，并在将各种方法引入内部之前进行测试。

无论你是自己构建还是外包分析项目，成功的关键都是一样的:确定大数据分析可以提供的最重要的供应链利益，并严格追求最符合组织优先级的实施路径。