京公网安备 11010802034615号
经营许可证编号:京B2-20210330
供应链使用大数据的4大趋势
近年来,大数据成为一个时髦的词语,而这有着充分的理由。使用大型数据集进行分析和规划,供应链中的相关人士可以更快地对供应链中不同点的变化做出反应。
供应链服务咨询机构JDA公司行业战略副总裁Puneet Saxena说:“根据技术进步和提供的更多信息,将让我们重新想象认为是行之有效的供应链流程。”
1.实时跟踪
Saxena表示,物联网(IoT)使供应商能够跟踪实时离开他们的货架的商品,无论是仓库还是零售店。而通过来自社交来源(例如Facebook,Twitter),新闻,事件和天气的大数据,供应商可以更好地预测和规划未来的库存,而不是依赖历史数据。例如,进行周末促销的商店可以实时跟踪销售,而不是每天一次盘点。考虑到当前销售情况,以及社交媒体对促销和潜在天气事件的反应,供应商可以快速调整其供应和仓库发货计划。
Saxena说,直到几年前,零售商可以采用ERP(企业资源计划系统)跟踪订单,库存水平和人员配置数据。这些信息每天更新,或每隔几周更新一次。但现在物联网的传感器,卫星,雷达,智能手机,社交媒体可以提供大数据,获得飞机,远洋轮船,卡车,以及包裹货物的当前位置。Saxena补充说,通过这些信息,软件系统知道哪些卡车正朝着暴风雪区域行进,并且结合天气预报数据,供应商可以调整预测并发送新的到达时间。如果一辆卡车迟到,供应商可以从另一个仓库补给或加快装运。利用更好的技术,诸如OU Kosher公司不再需要使用传真和电话跟踪发货。该公司将其原料和成品进行Kosher认证,跟踪产品行踪,如豆油从加工厂到包装或最终产品。
这可能意味着OU Kosher公司在爱荷华的工厂生产出一批大豆油,通过货车运送到新奥尔良港口的储存罐,将其转移到一条远洋货船的集装箱之后,通过卡车运到工厂,通过大豆油来生产产品中。每当大豆油移动或运输时,OUKosher公司就会知道,并添加一个新的数据集,OUKosher的高级代表Smolensky说。“它必须实时完成,以保持生产持续进行,”他说。“以前都是通过电话,传真和实物的文件才得做到这样的流程。”
2.供应商采购
维护大数据集允许企业更容易地跟踪他们的供应商,并快速做出改变。Smolensky说,OU Kosher公司监控8,500家工厂,生产80万件经过Kosher认证的产品。为了做到这一点,他们监测175万种成分。当在其监管下的一家工厂失去了Kosher认证时,OU Kosher公司就会立即提醒那些使用受影响的原料的企业,因为继续使用会使生产的产品不合格。
“我们的系统允许我们使用有问题的材料即时跟踪所有设施,我们可以与他们联系,有变化时将会提醒他们。”Smolensky说。他们还可以告知这些设施使用受影响的原料的截止日期,并从其数据库中提供可用的替代品。而其他制造商也在使用类似的数据库。
3.客户细分
通过使用客户数据,零售商可以对买家和市场进行细分,为他们提供定制的产品和服务。
Saxeny说,软件可以帮助企业将客户细分为人物角色,通过购买习惯来定制供应链,例如早期采用者或有价值的顾客。使用大数据,企业还可以根据市场调整供应链,为每个商店提供他们的买家感兴趣的特定项目。虽然这不是零售商的一个新概念,但是通过大数据,有大量的信息可用,可以更具体地解析。
Smolensky说,他的一家杂货店客户使用大数据重新设计他们的商店,使用扫描仪的UPC代码数据。看到Kosher客户的更高的结帐价值,商店意识到有一个重大的上升空间,以满足更多的社区。商店增加了额外的Kosher认证的食品通道,以及Kosher肉店,熟食店,面包店和餐馆部门。“商店开始成为Kosher认证购物者的主要目的地,所有这一切都基于对消费者数据的跟踪。”斯摩棱斯克说。
4.明智地使用大数据
虽然大数据很重要,但它不应该是整体决策者。格鲁斯特恩德科特大学管理计划和组织领导中心主任Richard Weissman说,“供应链仍然是通过工作人员实现的业务,”他说。“业务成功最终将取决于工作人员,数据不会取代工作人员。”
他说,“数据不会在半夜打电话给企业的供应商,数据不会重新补充货架,虽然数据可能为企业提供洞察力。”大数据如今有了一些炒作的成分,但它的存在是为了推动所有的供应变化的价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13