德勤公司在报告中表示，企业在整个供应链中面临多重风险，其中包括产品生命周期缩短和消费者偏好迅速变化，增加资源的波动性和可用性，加强监管执法和违规处罚，供应商整合显著改变经济格局。
技术并不能解决所有供应链问题。货物需要从一个点运输到另一个点。但是，由机器学习算法提供支持的最新分析工具可以帮助企业更有效地预测需求，从而使他们能够调整生产和运输业务。
以下是三家企业成功地使用数据分析来改善供应链运营的事例。
加强与供应商的运营和关系
紧固件制造商和分销商optimas solutions公司供应链和商业智能副总裁mark korba表示，该公司正在三个关键领域使用数据分析来改善运营以及与供应商和客户的关系。
首先，optimas solutions公司在内部将数据分析用于许多功能，其中包括用于制造的材料采集，预测生产和客户需求，通过从供应商处订购来提高效率和准确性，并管理其库存。
这一切都有助于该公司做出更明智的决策，从而管理和降低总体成本。korba说，“这可以提高我们的供应链效率，并改善资金管理。”
其次，optimas solutions公司正在使用数据分析来帮助与商业客户更好地协作，以降低成本并更好地管理他们的库存。分析还帮助企业更好地预测需求和消费。korba说，“通过能够执行这些类型的分析，它始终有助于降低成本。”
最后，optimas solutions公司使用数据分析来更好地与供应商协作。korba说，“通过了解和管理需求，尤其是个别客户的需求，我们可以为供应商提供更准确的预测数据，并更好地管理我们的订单，以便他们能够更有效地为我们工作。”
该公司正在使用来自toolsgroup的名为service optimizer 99 的平台进行需求计划、库存优化和补货计划。korba表示，该平台与optimas solutions公司的netsuite erp套件完美集成，以利用供应链数据。
korba说，“人们通常认为供应链是一回事，但事实并非如此。我们将供应链视为整个业务运营的几个部分的总和——从了解客户需求到材料管理和制造或采购，再到物流和运输，再到optimas和客户所在地的库存管理和自动补货订单。”
成功的关键是企业使用的所有供应链工具能够无缝协同工作，以帮助客户保持适当的库存，并更好地管理成本、需求、库存、生产和供应商。通过分析提供的信息需要解决供需双方的现金流和定价等财务问题。
korba说，“总的来说，所有工具解决的供应链问题(无论是协同工作还是单独工作)都可以提高效率、客户库存管理的准确性、供应商关系、成本节约以及更准确、更快速的预测能力。数据分析帮助我们获得了企业的可见性，甚至在从未想象过的地方，例如提高现金转换周期的准确性、对供应商的响应能力进行排名、分析完成任务的时间，或者评估我们的客户和optimas solutions公司的能力。”
korba说，供应链数据不一定要保存在任何一个位置。他说，“了解哪些系统或外部服务可以帮助收集和分析所需数据非常重要，因此它可以成为有用的决策信息。”
例如，使用钢材和包装或劳动力和运输成本等材料的价格指数有助于确定何时需要涨价。korba说，“更好地访问企业内部或外部的信息，可以为optimas solutions公司以及我们的客户和供应商做出更好的决策。”
随着optimas solutions公司在数据分析方面变得更加勤奋。korba说，“我们的客户和供应商受益于许多领域的显著改进，包括更好地了解整个供应链。”
更有效地预测产品需求和库存需求
在线销售汽车零部件的carparts公司正在使用先进的数据分析工具和机器学习算法来更好地预测产品需求和库存需求。
该公司库存规划和预测副总裁stanislav tatarzuk说，“新的数据分析功能使我们能够更准确地预测美国每个城市和地区的需求。”
该公司使用源自机器学习的模型来确定在其配送中心网络中的库存位置，这使其能够使产品更接近需要它们的客户，并能够更快地交付零件，同时还节省了运输成本。
carparts公司部署了来自databricks的平台，使其能够集中与产品订单和库存相关的所有数据，并对数据进行分析。它还利用xgboost和prophet等开源库，多种分析工具，以及用于数据工程和报告自动化的开源工作流管理平台apache airflow。
使用分析来更好地管理供应链的好处之一是运输优化。tatarzuk说，“从哪里发货以及如何整合的问题很复杂。使用来自运输凯发在线的合作伙伴和仓库的实时数据，我们可以在使用高级分析优化多项目订单运输的同时尽可能提高效率。”
这使企业能够更快地将物品送到客户手中，同时减少运输费用。tatarzuk说，使用这个流程让carparts公司节省了大量资金。
另一个好处是仓库优化。tatarzuk说：“在当今的薪酬上涨环境中，能够减少人工费用和运输时间是绝对必要的。我们正在创建模型以便在配送中心正确放置库存，以减少拣货和存放时间，同时创建缩短拣货速度的高密度集群。”
数据分析帮助该公司应对新冠疫情造成的供应链中断，使其能够在供应链危机的早期阶段看到需求变化和增加交货时间，并比竞争对手更快地做出反应。
支持日益复杂的供应链
全球it技术提供商联想集团高级副总裁兼首席信息官arthur hu表示，该公司一直在通过利用先进的预测技术和数据分析来应对其全球供应链由于发生新冠疫情而面临的挑战。
他说，联想集团的供应链曾经主要集中在物流、信息流和业务流上。但该公司向全方位服务技术提供商的转型意味着其供应链曾经主要集中在设备上，变得越来越复杂，客户需求更加多样化，产品更加复杂，需要更高效、更敏捷的运营和服务。
过去一年，联想集团供应链团队与2000家供应商合作，交付了超过1.3亿台联想的it设备。
鉴于这种转变，该公司的供应链团队决定改造其运营，采用“智能转型”方法。hu说，“一个跨职能团队致力于将联想集团的供应链运营转变为一个数据驱动的智能生态系统。新系统提供实时数据、智能分析和决策支持，使我们能够比以往更有效地履行对客户的承诺。”
该公司构建了一个成本预测引擎(cfe)系统，以便为整个供应链运营中的采购、制造和销售成本提供更快、更准确的预测。
将该系统与线性回归和作为机器学习算法的开源软件库xgboost(extreme gradient boosting)相结合，联想集团的管理人员可以建立最大和最小阈值，以避免影响成本准确性的极端情况。
他指出，该技术可以进行成本比较，以减少硬件组件每月成本波动的影响，并为管理人员制定业务战略决策提供依据。
他表示，成本预测引擎(cfe)现在支持联想集团的全球供应链70%以上的采购和生产成本预测，以及90%以上供应链的销售成本预测。与人工成本维护相比，其周期成本预测效率提升约12%。他说，预测成本的准确率保持在95%左右。
凯发在线的版权声明：本文为企业网d1net编译，转载需注明出处为：企业网d1net，如果不注明出处，企业网d1net将保留追究其法律责任的权利。