德勤公司在報告中表示，企業在整個供應鏈中面臨多重風險，其中包括產品生命周期縮短和消費者偏好迅速變化，增加資源的波動性和可用性，加強監管執法和違規處罰，供應商整合顯著改變經濟格局。
技術并不能解決所有供應鏈問題。貨物需要從一個點運輸到另一個點。但是，由機器學習算法提供支持的最新分析工具可以幫助企業更有效地預測需求，從而使他們能夠調整生產和運輸業務。
以下是三家企業成功地使用數據分析來改善供應鏈運營的事例。
加強與供應商的運營和關系
緊固件制造商和分銷商Optimas Solutions公司供應鏈和商業智能副總裁Mark Korba表示，該公司正在三個關鍵領域使用數據分析來改善運營以及與供應商和客戶的關系。
首先，Optimas Solutions公司在內部將數據分析用于許多功能，其中包括用于制造的材料采集，預測生產和客戶需求，通過從供應商處訂購來提高效率和準確性，并管理其庫存。
這一切都有助于該公司做出更明智的決策，從而管理和降低總體成本。Korba說，“這可以提高我們的供應鏈效率，并改善資金管理。”
其次，Optimas Solutions公司正在使用數據分析來幫助與商業客戶更好地協作，以降低成本并更好地管理他們的庫存。分析還幫助企業更好地預測需求和消費。Korba說，“通過能夠執行這些類型的分析，它始終有助于降低成本。”
最后，Optimas Solutions公司使用數據分析來更好地與供應商協作。Korba說，“通過了解和管理需求，尤其是個別客戶的需求，我們可以為供應商提供更準確的預測數據，并更好地管理我們的訂單，以便他們能夠更有效地為我們工作。”
該公司正在使用來自ToolsGroup的名為Service Optimizer 99+的平臺進行需求計劃、庫存優化和補貨計劃。Korba表示，該平臺與Optimas Solutions公司的NetSuite ERP套件完美集成，以利用供應鏈數據。
Korba說，“人們通常認為供應鏈是一回事，但事實并非如此。我們將供應鏈視為整個業務運營的幾個部分的總和——從了解客戶需求到材料管理和制造或采購，再到物流和運輸，再到Optimas和客戶所在地的庫存管理和自動補貨訂單。”
成功的關鍵是企業使用的所有供應鏈工具能夠無縫協同工作，以幫助客戶保持適當的庫存，并更好地管理成本、需求、庫存、生產和供應商。通過分析提供的信息需要解決供需雙方的現金流和定價等財務問題。
Korba說，“總的來說，所有工具解決的供應鏈問題(無論是協同工作還是單獨工作)都可以提高效率、客戶庫存管理的準確性、供應商關系、成本節約以及更準確、更快速的預測能力。數據分析幫助我們獲得了企業的可見性，甚至在從未想象過的地方，例如提高現金轉換周期的準確性、對供應商的響應能力進行排名、分析完成任務的時間，或者評估我們的客戶和Optimas Solutions公司的能力。”
Korba說，供應鏈數據不一定要保存在任何一個位置。他說，“了解哪些系統或外部服務可以幫助收集和分析所需數據非常重要，因此它可以成為有用的決策信息。”
例如，使用鋼材和包裝或勞動力和運輸成本等材料的價格指數有助于確定何時需要漲價。Korba說，“更好地訪問企業內部或外部的信息，可以為Optimas Solutions公司以及我們的客戶和供應商做出更好的決策。”
隨著Optimas Solutions公司在數據分析方面變得更加勤奮。Korba說，“我們的客戶和供應商受益于許多領域的顯著改進，包括更好地了解整個供應鏈。”
更有效地預測產品需求和庫存需求
在線銷售汽車零部件的CarParts公司正在使用先進的數據分析工具和機器學習算法來更好地預測產品需求和庫存需求。
該公司庫存規劃和預測副總裁Stanislav Tatarzuk說，“新的數據分析功能使我們能夠更準確地預測美國每個城市和地區的需求。”
該公司使用源自機器學習的模型來確定在其配送中心網絡中的庫存位置，這使其能夠使產品更接近需要它們的客戶，并能夠更快地交付零件，同時還節省了運輸成本。
CarParts公司部署了來自Databricks的平臺，使其能夠集中與產品訂單和庫存相關的所有數據，并對數據進行分析。它還利用XGBoost和Prophet等開源庫，多種分析工具，以及用于數據工程和報告自動化的開源工作流管理平臺Apache Airflow。
使用分析來更好地管理供應鏈的好處之一是運輸優化。Tatarzuk說，“從哪里發貨以及如何整合的問題很復雜。使用來自運輸合作伙伴和倉庫的實時數據，我們可以在使用高級分析優化多項目訂單運輸的同時盡可能提高效率。”
這使企業能夠更快地將物品送到客戶手中，同時減少運輸費用。Tatarzuk說，使用這個流程讓CarParts公司節省了大量資金。
另一個好處是倉庫優化。Tatarzuk說：“在當今的薪酬上漲環境中，能夠減少人工費用和運輸時間是絕對必要的。我們正在創建模型以便在配送中心正確放置庫存，以減少揀貨和存放時間，同時創建縮短揀貨速度的高密度集群。”
數據分析幫助該公司應對新冠疫情造成的供應鏈中斷，使其能夠在供應鏈危機的早期階段看到需求變化和增加交貨時間，并比競爭對手更快地做出反應。
支持日益復雜的供應鏈
全球IT技術提供商聯想集團高級副總裁兼首席信息官Arthur Hu表示，該公司一直在通過利用先進的預測技術和數據分析來應對其全球供應鏈由于發生新冠疫情而面臨的挑戰。
他說，聯想集團的供應鏈曾經主要集中在物流、信息流和業務流上。但該公司向全方位服務技術提供商的轉型意味著其供應鏈曾經主要集中在設備上，變得越來越復雜，客戶需求更加多樣化，產品更加復雜，需要更高效、更敏捷的運營和服務。
過去一年，聯想集團供應鏈團隊與2000家供應商合作，交付了超過1.3億臺聯想的IT設備。
鑒于這種轉變，該公司的供應鏈團隊決定改造其運營，采用“智能轉型”方法。Hu說，“一個跨職能團隊致力于將聯想集團的供應鏈運營轉變為一個數據驅動的智能生態系統。新系統提供實時數據、智能分析和決策支持，使我們能夠比以往更有效地履行對客戶的承諾。”
該公司構建了一個成本預測引擎(CFE)系統，以便為整個供應鏈運營中的采購、制造和銷售成本提供更快、更準確的預測。
將該系統與線性回歸和作為機器學習算法的開源軟件庫XGBoost(eXtreme Gradient Boosting)相結合，聯想集團的管理人員可以建立最大和最小閾值，以避免影響成本準確性的極端情況。
他指出，該技術可以進行成本比較，以減少硬件組件每月成本波動的影響，并為管理人員制定業務戰略決策提供依據。
他表示，成本預測引擎(CFE)現在支持聯想集團的全球供應鏈70%以上的采購和生產成本預測，以及90%以上供應鏈的銷售成本預測。與人工成本維護相比，其周期成本預測效率提升約12%。他說，預測成本的準確率保持在95%左右。
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號