摘要：根據IBM公司的調查報告，全球每天創造2.5EB字節的數據（即10億千兆字節）。但它并不總是這樣。根據IBM公司的計算，世界上90％的數據只是在過去兩年創建的，而且報告中顯示，企業使用數據可以節省數百萬美元，并以前所未有的方式提高工作效率。

在關于設備性能，供應商關鍵績效指標（KPI）和庫存水平的每周報告之間，更多的數據可能是供應鏈管理者最不愿意處理的事情。

然而，每天有更多的數據不斷涌現：根據IBM公司的調查報告，全球每天創造2.5EB字節的數據（即10億千兆字節）。但它并不總是這樣。根據IBM公司的計算，世界上90％的數據只是在過去兩年創建的，而且報告中顯示，企業使用數據可以節省數百萬美元，并以前所未有的方式提高工作效率。

當企業預算收緊時，管理人員采用大數據以提高效率，這并不奇怪。畢竟，許多公司花費十多年時間來引進或升級數據處理系統，并采用云計算和/或物聯網。現在，供應鏈管理者被要求使用這些數據，因此這說起來容易，做起來難。

人們需要認識到盲目啟動項目所面臨的挑戰，JDA軟件公司實驗室負責人SureshAcharya對于大數據的應用進行了解析。

Acharya說，“沒有什么是令人望而生畏的，有一個方法可以做到這一點。”他指出，供應鏈管理者在啟動一個新項目之前必須問自己五個問題：

1.自己的業務案例是什么？

也許當管理人員試圖應用數據時，其最大的問題是在頭腦中沒有一個能夠解決的案例。當開始一個新項目時，供應鏈管理者應該有一個特定的業務問題要解決（比如，庫存過剩），并能夠量化（減少5％，將節省多少費用）。

“如果你從數據中找出需要解決的業務問題，那么這真的是本末倒置。”Acharya說。“你想要說的是：這是我想要解決的問題，是我所擁有的數據。那么是否打算收集或者購買和訂閱，以幫助解決這個問題？”

“所以，需要確保你有一個業務案例，并試圖解決一個業務問題，”他補充說。

2.有正確的數據源嗎？

考慮到一個大數據項目作為一個需要解決的問題，而不是一個要完成的項目，這可能會表明目前可用的數據不是解決這個問題所需的信息。

“如果要查看庫存或缺貨情況，你有庫存的數據嗎？你有關于銷售點或訂單嗎？或任何事情都可能是數據。你應該對想要解決的業務問題和擁有的數據源進行調整。”Acharya說。

提出此問題可能有助于在繼續實施項目之前確定必須收集哪些其他數據。也許需要來自供應商的附加產品信息，或者來自零售商的不同銷售點信息。如果合作伙伴不能提供此信息，則可能需要一種新的方法。

3.你的數據是否可用？

與第二個問題類似，供應鏈管理人員必須能夠考慮如何記錄和存儲可以用來解決其業務案例的數據。

存在幾種類型的數據，但無論數據是結構化的還是非結構化的，內生的或外生的，可以基于數據項目的性質來區分。換句話說，零售商和制造商可以收集各種非結構化數據，例如對產品的客戶評論。但是，每一方收集，量化，分析數據的方式不同，因此根據他們的業務案例的需要可能完全不同。能夠收集數據集不使它可用；業務實例的參數決定它是否可用。

“如果你認為有很多數據，但卻沒有真正檢查是否會增加或幫助解決業務問題，那么你需要退一步并想辦法解決。”Acharya說。

4.算法是否存在？

一旦商業案例被確定，并且可用數據被判斷為相關和有用，企業必須確保問題可以基于當前可用的算法來解決...如果它不能，最好尋找一個更好的解決方案。

“這并不是說只要有數據，就一定有辦法來幫助你解決它。無論對于學術界還是業界來說，有些問題確實是新的，這些問題尚未得到解決。”Acharya說。

“可能有一種方法來解決它，但這個具體問題可可能沒有解決，所以你也需要做好探索算法的準備。”他補充說。

5.樣本是什么？

如果所有上述條件都能滿足，那么大數據項目是可行的。然而，只是因為可以做到，并不意味著執行者應該急于實施。

“所有這一切都應該首先在一個非常小的樣本上進行測試。”Acharya說，“你想嘗試一下小樣本，然后如果它是可行的，已經解決了問題，那么可以開始擴大規模。“

就像生產運行需要原型和樣本一樣，大數據項目需要一個測試研究來確定可行性。在理想情況下，這樣的項目將創建可操作的結果，但是如果算法或實施方法有問題，結果可能獲得錯誤的解決方案。對于人們來說，不能實施項目總比錯誤實施項目要好。