什麼和大數據隨之在整個供應鏈中被廣泛應用，在數字化時代，數據分析逐步成爲從業人員的必備技能之一。所以我們應該注重做好數據分析。那麼什麼和大數據隨之在整個供應鏈中被廣泛應用？
什麼和大數據隨之在整個供應鏈中被廣泛應用1
大數據時代對採購和供應鏈帶來的挑戰和機遇
1、大數據時代及其特徵
大數據(Big Data)是指所涉及的規模巨大的數據。隨着時代的不斷進步以及科技的飛速發展，互聯網、物聯網、移動通訊、管理信息化、電子商務等技術不斷相互滲透，並作用到國家、企業和民生的方方面面，今天，人們用大數據來描述和定義信息爆炸時代產生的海量數據，以及在合理時間內達到擷取、管理、處理、並整理成爲幫助人們處理事務和決策等更積極目的的資訊與知識。
美國互聯網數據中心指出，互聯網上的數據每年將增長50%，每兩年便將翻一番，而目前世界上90%以上的數據都是最近幾年才產生的。2020年，全世界所產生的數據規模將達到今天的44倍。從這些數據每天增加的數量來看，世界目前已進入大數據時代。
大數據時代凸顯了數據資源的重要意義。2012年奧巴馬政府宣佈投資2億美元拉動大數據相關產業的發展，將“大數據戰略”上升爲國家戰略，將大數據定義爲“未來的新石油”，把對數據的佔有和控制視爲陸權、海權、空權之外的另一種國家核心資產。2013年，法國政府發佈了其《數字化路線圖》，列出了將會大力支持的5項戰略性高新技術，“大數據”就是其中一項。
2012年，日本總務省發佈2013年行動計劃，明確提出“通過大數據和開放數據開創新市場”。聯合國在2012年發佈的大數據政務白皮書中指出，大數據對於聯合國和各國政府來說是一個歷史性的機遇。我國也將大數據產業看作爲戰略性產業，成立了“大數據專家委員會”。
在“大數據”2014年十大趨勢預測中，包括了數據商品化與數據共享聯盟化，大數據生態環境逐步發展等內容。同時，大數據專家委員會預測，2014年大數據在互聯網和電子商務、金融(股市預測、金融分析)、健康醫療(流行病監控和預測等)、生物信息、製藥等方面將會有令人矚目的應用。
大數據時代是大數據價值充分發揮的時代。據賽門鐵克公司的調研報告，全球企業的信息存儲總量已達2.2ZB（1ZB=1024EB，1EB=1024PB），年增67％。世界上每分鐘產生1700TB 的數據，但是吸引我們的不僅僅是這個龐大的數字本身，而是我們如何利用這些數據做些什麼。
大數據可以運用到各行各業，在宏觀經濟方面，IBM日本公司建立經濟指標預測系統，從互聯網新聞中搜索影響製造業的480項經濟數據，計算採購經理人指數的預測值；印第安納大學利用谷歌公司提供的心情分析工具，從近千萬條網民留言中歸納出六種心情，進而對道瓊斯工業指數的變化進行預測，準確率達到87%；
在製造業方面，華爾街對衝基金依據購物網站的顧客評論，分析企業產品銷售狀況；一些企業利用大數據分析實現對採購和合理庫存量的管理，通過分析網上數據瞭解客戶需求、掌握市場動向，等等。
據麥肯錫公司測算：大數據將給美國醫療服務業帶來3000億美元的價值，使美國零售業淨利潤增長達到60%，使製造業產品開發、組裝成本下降50%，而大數據所帶來的新需求，將推動整個信息產業的創新發展；根據經濟與商業研究中心的最新研究，大數據將爲英國經濟增加2160億英鎊（約合3467億美元）以上的潛在收益。
2、大數據時代對採購和供應鏈帶來的挑戰和機遇
首先，商務環境和商務模式變得越來越複雜，且更加動盪、多樣和個性化。其二，電子商務業務模式的飛速發展打破了國家疆界，使得跨境業務速增、商業活動頻繁，同時伴隨着數據量的劇增。。其三，大數據應用處理成爲企業和社會競爭發展的重要焦點。其四，有效挖掘大數據成爲時代面臨的重要課題。最後，許多企業對大數據的重要性認識不足，沒有充分了解其價值。
什麼和大數據隨之在整個供應鏈中被廣泛應用2
供應鏈管理中，及時和準確的數據，爲什麼如此重要？
1 、供應鏈中數據的類型
數據有許多類型，其中有一種分類方法是把它分爲靜態和動態數據，前者包括了公司基本信息、產品型號、採購價格、BOM等等相對固定的信息。
後者主要是一些交易性的信息，比如生產線每日的產量、客戶訂單數量、倉庫實際收貨數量、運輸所在位置等等變動的信息。
靜態數據做到準確即可，沒有實時性的要求，比如公司的名稱一般不會發生變動，只需要確保公司地址、法人和開戶銀行等信息是正確的。
動態數據的要求就很高了，不僅要準確，還要能反映出每時每刻的實際情況。
大家都有網購的經驗，在商品出庫以後，快遞公司會每隔一段時間刷新包裹所在位置，這是通過車載GPS定位實現的，然後根據卡車配送計劃，大致上能給出派送的時間。通過一臺卡車上的GPS，可以跟蹤整車的貨物，這是1對N的關係，因此實現動態數據的成本並不高。
離散型製造業的情況就複雜多了，一件商品需要從原材料供應商開始追溯，進入工廠以後，需要經過若干個不同生產加工中心，然後完成組裝、檢驗，最終才能入庫，配送給下游的經銷商或零售商。
我們很少會在原材料上放置追蹤】定位裝置，除非這批貨物價值很高，或是有這方面的強制監管要求，比如藥品。
如果想要跟蹤生產進度，就需要使用工業4、0的技術，在每臺設備上裝傳感器，完成加工後，系統自動上傳數據。如果要在每臺生產和內部搬運設備上都安裝傳感器，對於一家工廠來說負擔太大，性價比不高，除了少數的行業標杆企業以外，對於大多數工廠來說，想要做實時數據的想法並不強烈。
2、 爲什麼供應鏈需要及時和準確的數據？
話雖如此，供應鏈對於數據及時和準確性是有很強的需求的，因爲我們要在所有的生產、分銷、採購和售後服務之間建立數據的無縫鏈接。除此之外，還有兩個關鍵因素使得我們必須獲得及時和準確性。
2、1增強供應鏈可視性
對於供應鏈上的玩家來說，關鍵的可視性問題包括了貨物的預計生產出貨時間，比如供應商承諾了30天交貨，但是實際上他需要45天，因爲一些原材料漲價了，供應商需要更多的時間在市場上找到貨源，他不願意買更貴的原料，因爲這會增加成本，除非客戶願意接受供應商的調價請求。
原料和零部件庫存的所處位置也屬於可視性，客戶需要根據這些信息，來安排後續的生產和銷售計劃，並且非常依賴於信息的準確性。當供應商承諾貨物將會在某日送到客戶工廠後，供應鏈就把這個信息輸入系統，並以此爲依據來制定生產計劃，銷售根據生產完成日期來通知客戶，環環相扣。
一旦供應商的信息有誤，貨物晚於承諾時間到達，就會影響到供應鏈下游的安排，所謂的“計劃趕不上變化”就發生了。
追蹤交貨期和庫存位置僅是可視性的初階水平，更深層次的要求是可以預警供應鏈中斷風險。根據現有的信息，我們需要判斷何時何地會出現缺貨，以及對生產和銷售的影響是什麼。
比如，生產線缺少某種零部件，所以會停線4個小時。如果每小時產量是100套產品，每套售價是200元，那麼造成的損失就等於4*100*200=80000元。
當然在現實世界中計算的方式更加複雜，某種原料的短缺會牽涉到N多產品和N多客戶。如果我們能增強可視性，就能夠預見到未來的潛在供應短缺，並能夠在第一時間裏作出反應。
要實現這點，就必須讓數據及時和準確地在供應鏈上下游之間自動傳輸，儘量減少人爲的干預的環節。
2、2提高計劃的'有效性
預測計劃的重要輸入是歷史銷售記錄，以數據爲基礎，結合預測模型，制定出中長期的預測。
對於製造企業來說，財務需要供應鏈提供的輸入，來制定未來的商業計劃和各類預算，比如庫存、採購金額、運費等等。
底層數據的準確性非常重要，所有的計劃都是在這些數據的基礎上，配以數據模型，然後“加工”出來的。供應鏈會花費一定的時間在數據維護上，就是要確保基礎數據的準確性。
我們知道預測有一個定律，近期的準確性高於遠期的，就像是預測天氣一樣，天氣預報上關於明天的天氣是最準的，越往後準確性越低。
供應鏈爲了增強預測準確性，就需要拿到最新的數據，這樣做出來的計劃準確性就越高。現在的需求波動越來越頻繁，可能一天一個樣，想要做出最準確的判斷，必須用最新的數據。
3、 獲取及時和準確的數據的關鍵事項
考慮到以上的兩點動因，供應鏈一直在努力獲得最及時和準確的數據。這裏有幾個需要特別留意的點值得大家關注。
3、1自動化數據採集
如有可能的話，應該儘量在實時情況下收集、傳輸數據。數據存儲在供應鏈內部和外部的各個節點上，爲了提升數據可靠性和及時性，最好的辦法就是自動化採集。
在內部實施這點相對容易，只需要投資數字化工具，實施IT項目就可以實現。
在外部夥伴實施起來難度就高了，其中的最大阻力是害怕共享數據後的商業機密泄露。
供應商擔心客戶知道了他的上游供應商的信息，可能會跳過中間商，不讓他繼續賺差價。因此在做系統對接的時候，要確保只分享可以分享的數據，比如包裝規格之類的。
3、2控制對相關數據的訪問
根據使用者在公司中的職能，給予特定的數據訪問權限，比如採購訂單隻能由採購計劃員進行創建和修改，公司裏的其他人只有查看的權限。
對於外部夥伴也是一樣，客戶可以查看供應商的庫存商品數量信息，但他絕對不能訪問商品的成本分析等商業機密。
3、3努力提升、維護數據的準確性
我們需要不斷提升數據的準確性，其中關鍵在於數據採集和輸入。我們要定期維護數據，比如系統中庫存或是倒衝過賬出現了負數，說明某些地方的數據存在問題，流程可能有漏洞，需要我們找到問題點並且儘快處理掉。
數據是供應鏈的根基，爲我們制定各類計劃提供了基礎。實現準確和及時的數據雖然有點小貴，但是在供應鏈大中斷時期（the Great Supply Chain Disruption），投資必然能帶來相應的回報。
什麼和大數據隨之在整個供應鏈中被廣泛應用3
大數據成爲供應鏈利器
在中國供應鏈大數據份額中，零售業、製造業、服務業(非金融)、醫療業佔比最多，約佔83%市場份額，而能源僅佔1%。而據易觀智庫預測，2016年中國供應鏈大數據市場將達到60億左右(不含供應鏈金融部分)。
該報告把供應鏈大數據分爲結構數據、非結構數據、傳感器數據及新類型數據四種，涵蓋了交易數據、時間段數據、庫存數據、客戶服務數據、位置數據等各個方面。報告顯示，目前，大數據已經被廣泛應用於包括物流、服務和金融等供應鏈環節。
有效推進物流模式變革
在供應鏈中，大數據的作用首先體現在物流中。2014年12月26日，中國物流信息中心公佈的數據顯示，1-11月，全國社會物流總額196.9萬億元，按可比價格計算，增長8.3%，較上年同期回落1.3個百分點。而從近五年的情況來看，物流企業資產規模增速逐步放緩，物流企業經營效益偏弱。
在這種情況下，物流企業需要從價值延伸的角度提供超過客戶預期的服務，以高效物流+增值服務的思路發展，而大數據是物流企業提供增值服務的基礎要素。另外，隨着衆多專業化物流模式的興起，降低供應鏈成本的核心將是數據資產的運用，大數據能夠有效地推進高效率的`物流模式變革，是降低物流成本費用的有效手段。
利用大數據，企業可以與中國氣象服務中心合作，收集高速公路信息，提供全國高速公路的天氣預報和道路實況服務，可以優化行車路線，並對車輛和貨物狀態進行實時監控、評估和預警，對產品的運輸進行智能追溯。
企業通過大數據，依據物流的時間、成本、服務、物流數據、客戶需要等決策因素，可以對風險進行有效預測和評估，制定出合理、準確和科學的決策。利用物流數據，企業可以進行詳細的區域和網店預測，幫助電商平臺和快遞公司迅速做出決策。
例如，亞馬遜已經申請專利的“預測性物流”就是個利用大數據洞察用戶需求的典範。“預測性物流”會檢測用戶的鼠標在商品上的停留時間，再綜合考慮用戶的購買歷史、搜索記錄、願望清單等。
從而根據這些海量數據預判用戶的購買行爲，提前將這些商品運出倉庫，放到託運中心寄存，等到用戶真的下單了，就可以立即開始運送商品。通過利用大數據，亞馬遜大幅縮減了商品的送貨時間。
構建預測模式提高協同效應
根據大數據的分析，物流企業可以構建預測模式，實現對產品銷量的精準預測，進而實現對未來庫存量的精準計算，使工廠、區域市場、本地市場的庫存配置更加合理，從而提高協同效應。企業可以通過充分掌握供應鏈物流過程中的所有基礎數據，結合企業自身的資源、能力狀況，對整個供應鏈進行必要的控制和監督。
例如，神州租車的車輛租用率曾經在達到一定程度後出現了瓶頸，一部分車輛出現空置狀態。通過使用SAP推出的數據庫平臺SAPHana，神州租車優化了流程，將車輛使用率再次提高了15%。
提供精準金融服務
通過大數據技術進行行業分析和價格波動分析，能夠儘早提出預警，規避信貸風險，可以對目標客戶進行資信評估、審批短期小額貸款，以及精準金融和物流服務貸款。
例如，爲了實現銀行和中小外貿企業之間的對接、打破信息不對等的狀態，阿里巴巴旗下一達通公司運用自身的系統處理能力，將監管、申請、投放、還款、放貸等相關融資工作納入一個統一的信息化網絡處理平臺，通過全程掌控交易流程。
獲取交易環節的詳細數據和信息，以第三方服務平臺的角色驗證企業貿易真實性，實現各方信息交互、業務協同、交易透明，從而爲解決中小企業融資難問題找到可行的方案。
在供應鏈金融中，大數據還可以提供諸多的增值服務。利用大數據，從源頭獲取用戶需求信息，洞察潛在需求，爲供應鏈提供信息諮詢;可以對供應鏈金融上下游客戶進行全方位信用管理，形成互動的監管和控制機制，降低交易成本和風險;對供應鏈績效進行分析與預測，指導供應鏈管理，尤其是供應鏈協同數據的運營。
