What 와 빅데이터는 공급망 전체에서 광범위하게 사용되고 있습니다. 디지털 시대에 데이터 분석은 점차 직원의 필수 기술 중 하나가 되었다. 따라서 데이터 분석에주의를 기울이십시오. 그렇다면 어떤 큰 데이터가 전체 공급망에 광범위하게 적용될까요?
어떤 큰 데이터가 전체 공급망에 널리 사용됩니까? 1 빅데이터 시대가 구매와 공급망에 가져온 도전과 기회.
1, 빅 데이터 시대와 그 특성
큰 데이터는 관련된 데이터의 양이 크다는 것을 의미합니다. 시대의 지속적인 발전과 과학기술의 급속한 발전에 따라 인터넷, 사물인터넷, 이동통신, 관리정보화, 전자상거래 등의 기술이 끊임없이 서로 침투하여 국가, 기업, 민생의 모든 측면에 영향을 미치고 있다. 오늘날 사람들은 정보 폭발 시대에 생성된 방대한 데이터와 합리적인 시간 내에 캡처, 관리, 처리 및 구성할 수 있는 정보와 지식을 설명하고 정의하는 데 큰 데이터를 사용하고 있습니다. 이를 통해 사람들은 트랜잭션을 처리하고 의사 결정을 내릴 수 있습니다.
미국 인터넷 데이터 센터의 데이터에 따르면 인터넷상의 데이터는 매년 50% 증가하여 2 년마다 두 배로 증가할 것이다. 현재 세계 데이터의 90% 이상이 최근 몇 년 사이에 생산되고 있다. 2020 년에는 전 세계적으로 생성되는 데이터의 규모가 현재의 44 배에 이를 것입니다. 이러한 데이터의 매일 점점 더 많은 관점에서 볼 때, 이제 세계는 빅 데이터 시대에 접어 들었습니다.
빅 데이터 시대는 데이터 자원의 중요성을 부각시켰다. 20 12 년, 오바마 정부는 2 억 달러를 투자하여 빅 데이터 관련 산업의 발전을 촉진하고,' 빅 데이터 전략' 을 국가 전략으로 올리고, 빅 데이터를' 미래의 새로운 석유' 로 정의하고, 데이터의 소유와 통제를 육해공권 이외의 또 다른 국가 핵심 자산으로 간주한다고 발표했다. 20 13 년 프랑스 정부는 5 대 전략 하이테크를 열거한' 디지털 로드맵' 을 발표했습니다.' 빅 데이터' 가 그 중 하나입니다.
20 12 년 일본 총무성은 20 13 행동계획을 발표하고' 빅 데이터와 오픈 데이터를 통해 새로운 시장 개척' 을 분명히 제시했다. 유엔이 20 12 년 발표한' 빅 데이터 정부 백서' 에서 빅 데이터는 유엔과 각국 정부의 역사적 기회라고 지적했다. 중국도 빅 데이터 산업을 전략산업으로 삼아' 빅 데이터 전문가 위원회' 를 설립했다.
20 14' 빅 데이터' 10 대 트렌드 예측에는 데이터 상용화와 데이터 공유 연합, 빅 데이터 생태 환경의 점진적인 발전이 포함됩니다. 한편, 빅 데이터 전문가 위원회는 20 14 년 동안 빅 데이터가 인터넷 및 전자 상거래, 금융 (주식 예측, 금융 분석), 건강 의료 (전염병 모니터링 예측 등) 분야에 크게 적용될 것으로 전망했다. ), 생물 정보학, 약학 등.
빅 데이터 시대는 빅 데이터 가치가 충분히 발휘되는 시대이다. 시만텍의 연구에 따르면 글로벌 기업의 총 정보 저장 용량은 2.2ZB( 1ZB= 1024EB,1EB =1) 에 달한다 세계는 분당 1700TB 의 데이터를 생성하지만, 우리를 끌어들이는 것은 거대한 숫자 그 자체만이 아니라, 우리가 이 데이터로 무엇을 하는가 하는 것이다.
큰 데이터는 각 업종에 적용할 수 있다. 거시경제 방면에서 IBM 일본 회사는 경제지표 예측 시스템을 구축하여 인터넷 뉴스에서 제조업에 영향을 미치는 480 개의 경제데이터를 검색해 구매지배인 지수의 예측치를 계산했다. 인디애나 대학은 구글이 제공하는 감정 분석 도구를 이용해 근 1000 만 네티즌 댓글에서 6 가지 감정을 총화한 뒤 다우존스 공업 평균 지수의 변화를 87% 정확도로 예측했다.
제조업에서 월스트리트 헤지펀드는 쇼핑 사이트의 고객 평론에 따라 기업 제품의 판매를 분석했다. 일부 기업은 대용량 데이터 분석을 통해 구매 및 합리적인 재고를 관리하고, 온라인 데이터를 분석하여 고객의 요구를 이해하고 시장 추세를 파악하는 등의 작업을 수행합니다.
맥킨지 (McKensey) 에 따르면 빅 데이터는 미국 의료 서비스 산업에 3000 억 달러의 가치를 부여하여 미국 소매업의 순이익을 60% 늘리고 제조업의 제품 개발 및 조립 비용을 50% 절감할 것으로 전망된다. 빅데이터가 가져온 새로운 수요는 전체 정보 산업의 혁신과 발전을 촉진할 것이다. 경제 및 상업연구센터의 최근 연구에 따르면 빅데이터는 영국 경제에 2 16 억 파운드 (약 3467 억 달러) 이상의 잠재 수익을 올릴 것으로 전망된다.
2. 빅데이터 시대가 구매와 공급망에 가져온 도전과 기회.
첫째, 비즈니스 환경과 비즈니스 모델은 점점 더 복잡해지고, 점점 더 격동되고, 다양화되고, 개인화되고 있습니다. 둘째, 전자 상거래 비즈니스 모델의 급속한 발전은 국경을 깨고 국경 간 비즈니스의 급속한 증가와 비즈니스 활동의 빈번한 증가로 이어지며 데이터의 급격한 증가와 함께 발생합니다. 。 셋째, 빅 데이터 애플리케이션 처리는 기업과 사회 경쟁 발전의 중요한 초점이 되었다. 넷째, 빅데이터를 효과적으로 발굴하는 것이 시대가 직면한 중요한 과제가 되었다. 마지막으로, 많은 기업들이 빅데이터의 중요성과 가치를 완전히 이해하지 못하고 있습니다.
어떤 큰 데이터가 전체 공급망에 널리 사용됩니까? 2 공급망 관리에서 시기 적절하고 정확한 데이터가 중요한 이유는 무엇입니까?
1. 공급망의 데이터 유형
데이터에는 여러 가지 유형이 있는데, 그 중 하나는 정적 데이터와 동적 데이터로 나누는 것입니다. 전자는 회사 기본 정보, 제품 모델, 구매 가격, BOM 등 상대적으로 고정된 정보를 포함한다.
후자는 주로 생산 라인의 일일 수량, 고객 주문 수량, 창고의 실제 입고 수량, 운송 장소 등과 같은 트랜잭션 정보입니다.
정적 데이터가 정확하기만 하면 실시간 요구 사항이 없습니다. 예를 들어, 회사 이름은 일반적으로 변경되지 않습니다. 회사 주소, 법인, 은행 계좌가 정확한지 확인하기만 하면 됩니다.
동적 데이터에 대한 요구는 매우 높아서 정확해야 할 뿐만 아니라, 항상 실제 상황을 반영할 수 있어야 한다.
누구나 인터넷 쇼핑 경험이 있다. 화물이 출고된 후 택배사는 일정 간격으로 소포의 위치를 새로 고치는데, 이는 차의 GPS 위치를 통해 이뤄진 뒤 화물차 배송 계획에 따라 배송 시간을 대략적으로 줄 수 있다. 트럭 한 대의 GPS 를 통해 차량 전체의 화물, 즉 1 과 N 의 관계를 추적할 수 있어 동적 데이터를 실현하는 데 드는 비용이 그리 높지 않다.
이산 제조업의 상황은 훨씬 복잡하다. 한 가지 상품은 원자재 공급자로 거슬러 올라가야 한다. 공장에 들어간 후 몇 개의 서로 다른 생산 머시닝 센터를 거쳐 조립과 검사를 마쳐야 하류 리셀러나 소매상에게 입고 배송할 수 있다.
상품의 가치가 높거나 약품과 같은 강제적인 규제 요구 사항이 없는 한 원자재에 추적 위치 추적 장치를 두는 경우는 거의 없습니다.
생산 진행 상황을 추적하려면 산업 4 와 0 기술을 사용하여 각 장치에 센서를 설치해야 합니다. 시스템은 처리 후 자동으로 데이터를 업로드합니다. 모든 생산 및 내부 취급 장비에 센서를 설치하는 경우 한 공장에서는 너무 무겁고 가격 대비 성능이 떨어집니다. 소수의 업계 벤치마킹 기업을 제외하고 대부분의 공장에서는 실시간 데이터를 만들 생각이 그리 강하지 않다.
공급망에서 적시에 정확한 데이터가 필요한 이유는 무엇입니까?
이에 대해 말하자면, 공급망은 모든 생산, 배송, 구매, 애프터 서비스 간에 원활한 링크를 구축해야 하기 때문에 적시에 정확한 데이터에 대한 강한 수요가 있습니다. 게다가, 우리가 적시성과 정확성을 얻을 필요가 있는 두 가지 핵심 요소가 있다.
2. 1 공급망 가시성 향상.
공급망의 참가자들에게 중요한 가시성 문제에는 상품의 예상 생산 및 납품 시간이 포함됩니다. 예를 들어, 공급자는 30 일 동안 납품을 약속하지만 실제로는 45 일이 필요합니다. 일부 원자재의 가격이 올랐기 때문에 공급자는 시장에서 공급을 찾는 데 더 많은 시간이 필요했으며, 고객이 공급자의 가격 조정 요구를 기꺼이 받아들이지 않는 한 더 비싼 원자재를 구매하기를 원하지 않았습니다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 원자재명언)
원자재 및 예비 부품 재고의 위치도 가시적입니다. 고객은 이 정보에 따라 후속 생산 및 판매 계획을 수립해야 합니다. 이는 정보의 정확성에 크게 좌우됩니다. 공급자가 어느 날 상품을 고객 공장으로 납품하겠다고 약속하면 공급망은 이 정보를 시스템에 입력하고 이를 바탕으로 생산 계획을 수립합니다. 판매는 생산 완료 날짜에 따라 고객에게 통지할 것이며, 고리가 서로 맞물려 있다.
공급자 정보가 잘못되면 상품 도착 시간이 약속 시간보다 늦으면 공급망의 하류 안배에 영향을 미쳐 이른바' 계획이 변화를 따라잡지 못한다' 는 상황이 발생할 수 있다.
납품 일자 및 재고 위치 추적은 1 차 가시성일 뿐이며, 더 깊은 수요는 공급망 중단의 위험을 경고할 수 있는 것입니다. 기존 정보에 따르면, 우리는 언제 어디서 부족이 발생하고 생산과 판매에 어떤 영향을 미치는지 판단할 필요가 있다.
예를 들어 생산 라인에 부품이 부족하면 4 시간 동안 휴업해야 한다. 시간당 생산량이 100 세트이고 한 세트당 가격이 200 원이면 손실은 4* 100*200=80000 원입니다.
물론, 현실 세계에서는 계산 방법이 더욱 복잡하며, 어떤 원자재의 부족에는 N 종 이상의 제품, N 개 이상의 고객이 포함됩니다. 가시도를 높일 수 있다면, 미래의 잠재적 공급 부족을 예견하고 첫 번째 시간에 대응할 수 있다.
이를 위해서는 공급망 상류 및 하류 간에 데이터를 적시에 정확하게 자동으로 전달하여 인적 개입을 최소화해야 합니다.
2, 2 계획의 효율성을 향상시킵니다.
예측 계획의 중요한 입력은 역사적 판매 기록입니다. 데이터를 기반으로 예측 모델과 결합하여 중장기 예측을 수행합니다.
제조 기업의 경우, 재정은 향후 경영 계획과 재고, 구매량, 운송비 등과 같은 다양한 예산을 개발하기 위해 공급망에서 제공하는 투자가 필요합니다.
기본 데이터의 정확성은 매우 중요합니다. 모든 계획은 이러한 데이터를 기반으로 데이터 모델을 일치시킨 다음 "처리" 합니다. 공급망은 기본 데이터의 정확성을 보장하기 위해 데이터 유지 관리에 약간의 시간을 할애합니다.
우리는 예측이 규칙적이고 최근의 정확도가 장기보다 높다는 것을 알고 있다. 일기예보와 마찬가지로 일기예보는 내일의 날씨에 가장 정확하며, 늦어질수록 정확도가 떨어진다.
예측의 정확성을 높이기 위해 공급망은 최신 데이터를 얻어야 하기 때문에 계획의 정확도가 높다. 지금 수요 변동이 점점 잦아지고 있어, 아마 매일 같을 것이다. 가장 정확한 판단을 내리기 위해서, 우리는 반드시 최신 데이터를 사용해야 한다.
적시에 정확한 데이터를 얻는 주요 문제
위의 두 가지 동기를 고려해 볼 때, 공급망은 항상 가장 시기적절하고 정확한 데이터를 얻기 위해 노력하고 있다. 특별한 주의가 필요한 몇 가지가 있습니다.
3, 1 자동 데이터 수집
가능하다면 실시간으로 데이터를 수집하고 전송하기 위해 최선을 다해야 한다. 데이터는 공급망 내부 및 외부의 모든 노드에 저장됩니다. 데이터의 신뢰성과 시효성을 높이기 위해 가장 좋은 방법은 자동으로 수집하는 것이다.
내부적으로 이를 실현하는 것은 비교적 쉬우며, 디지털 도구에 투자하고 IT 프로젝트를 구현함으로써 실현할 수 있다.
외부 파트너 중 달성이 더욱 어려워지고, 가장 큰 장애물은 * * * 데이터 감상 후 영업 기밀 유출에 대한 두려움입니다.
공급자는 고객이 업스트림 공급 업체의 정보를 알고 있다면 중개인을 건너 뛰고 차액을 계속 벌지 못하게 할 수 있다고 우려하고 있습니다. 따라서 시스템 도킹을 할 때는 포장 사양과 같이 공유할 수 있는 데이터만 공유하도록 해야 합니다.
3,2 관련 데이터에 대한 액세스 제어
회사에서 사용자의 기능에 따라 사용자에게 특정 데이터 액세스 권한을 부여합니다. 예를 들어, 구매 발주는 구매 계획자만 생성 및 수정할 수 있으며 회사의 다른 사용자는 조회 권한만 가질 수 있습니다.
외부 파트너에게도 마찬가지입니다. 고객은 공급자의 재고 정보를 조회할 수 있지만 상품 원가 분석과 같은 영업 비밀에 노출되어서는 안 됩니다.
3, 3 데이터의 정확성을 향상시키고 유지하기 위해 노력하십시오.
데이터 수집과 입력이 관건인 데이터의 정확성을 지속적으로 높여야 합니다. 우리는 정기적으로 데이터를 유지 관리해야 한다. 예를 들어, 시스템의 재고 또는 백플러쉬에 음수가 있는 경우 일부 지역의 데이터에 문제가 있으며 프로세스에 허점이 있을 수 있음을 나타냅니다. 우리는 가능한 한 빨리 문제를 찾아 처리해야 한다.
데이터는 공급망의 기초이며, 우리가 각종 계획을 세울 수 있는 근거를 제공한다. 정확하고 시기적절한 데이터를 실현하는 것은 좀 비싸지만, 공급망이 크게 파괴되는 시기에 투자는 반드시 그에 상응하는 수익을 가져다 줄 것이다.
What 와 빅 데이터는 전체 공급망에 널리 사용되고 있으며, 3 대 데이터는 공급망의 무기가 됩니다.
소매, 제조, 서비스 (비금융) 및 의료업계는 중국 공급망 데이터 점유율이 가장 크며 시장 점유율의 약 83% 를 차지하지만 에너지는 1% 에 불과합니다. 이관지고에 따르면 20 16 년 중국 공급망 빅데이터 시장 규모는 60 억에 이를 것으로 전망된다 (공급망 금융 제외).
보고서는 공급망 빅 데이터를 구조화 데이터, 구조화되지 않은 데이터, 센서 데이터, 거래 데이터, 기간 데이터, 재고 데이터, 고객 서비스 데이터, 위치 데이터 등 네 가지 유형으로 나눕니다. 보고서에 따르면 현재 큰 데이터는 물류, 서비스, 금융을 포함한 공급망에 널리 사용되고 있습니다.
물류 모델 개혁을 효과적으로 추진하다
공급망에서 큰 데이터의 역할은 먼저 물류에 나타난다. 20 14 12.26 중국 물류 정보센터에서 발표한 자료에 따르면 1- 1 1 1 월, 전국 사회물류 최근 5 년 동안의 상황으로 볼 때 물류 기업의 자산 증가가 점차 둔화되고 물류 기업의 경영 이익이 약세를 보이고 있다.
이 경우 물류 기업은 가치 확장의 관점에서 고객이 기대하는 것보다 더 많은 서비스를 제공하고 효율적인 물류 및 부가 가치 서비스로 발전해야 하며, 큰 데이터는 물류 기업이 부가 가치 서비스를 제공하는 기본 요소입니다. 또한 많은 전문화된 물류 모델이 등장함에 따라 공급망 비용 절감의 핵심은 데이터 자산의 사용이 될 것입니다. 큰 데이터는 효율적인 물류 모델의 변화를 효과적으로 촉진할 수 있으며 물류 비용을 절감할 수 있는 효과적인 수단입니다.
큰 데이터를 통해 기업은 중국 기상 서비스 센터와 협력하여 고속도로 정보를 수집하고, 전국 고속도로에 일기 예보와 도로 실황 서비스를 제공하고, 주행 경로를 최적화하고, 차량 및 화물 상태를 실시간으로 모니터링, 평가 및 경고하며, 지능적으로 제품 운송을 추적할 수 있습니다.
큰 데이터를 통해 기업은 물류 시간, 비용, 서비스, 물류 데이터, 고객 요구 사항 등의 의사 결정 요소를 기준으로 위험을 효과적으로 예측하고 평가하여 합리적이고 정확하며 과학적인 결정을 내릴 수 있습니다. 물류 데이터를 통해 기업은 상세한 지역 및 쇼핑몰 예측을 통해 전자상거래 플랫폼과 택배사의 신속한 의사 결정을 도울 수 있습니다.
예를 들어 아마존의 특허' 예측 물류' 는 빅데이터를 이용해 사용자의 요구를 통찰하는 모델이다. "예측 물류" 는 상품에 대한 사용자의 마우스 체류 시간을 감지한 다음 사용자의 구매 내역, 검색 기록, 위시리스트 등을 종합적으로 고려합니다.
따라서 이러한 방대한 데이터를 근거로 사용자의 구매 행동을 예측하고, 이 상품들을 창고에서 미리 운송하여 위탁 판매 센터에 보관할 수 있습니다. 사용자가 실제로 주문하면 바로 배송이 가능합니다. 큰 데이터를 사용함으로써 아마존은 상품의 배송 시간을 크게 단축했다.
시너지 효과 향상을위한 예측 모델 구축
물류 기업은 큰 데이터의 분석을 바탕으로 예측 모델을 구축하여 제품 판매량에 대한 정확한 예측을 실현하고 미래 재고에 대한 정확한 계산을 실현하여 공장, 지역 시장, 지방시장의 재고 분배를 더욱 합리적으로 만들어 시너지 효과를 높일 수 있습니다. 기업은 공급망 물류 프로세스의 모든 기본 데이터를 포괄적으로 파악하고 자체 자원과 역량을 결합하여 전체 공급망을 통제하고 감독할 수 있습니다.
예를 들어, Carinc. 의 렌터카 비율은 한때 일정 수준에 이르렀고, 어떤 차는 비어 있었다. SAP 가 출시한 데이터베이스 플랫폼인 SAPHana, Carinc. 를 사용하여 프로세스를 최적화함으로써 차량 활용도가 다시 65,438+05% 향상되었습니다.
정확한 금융 서비스를 제공하다
빅 데이터 기술을 통한 산업 분석 및 가격 변동 분석, 조기 경보, 신용 위험 회피, 대상 고객에 대한 신용 평가, 단기 소액 대출 승인, 정밀 금융 및 물류 서비스 대출 제공
예를 들어, 은행과 중소 대외 무역 기업 간의 도킹을 달성하기 위해 정보 불평등을 타파하기 위해 알리바바 산하의 이통회사는 자체 시스템 처리 능력을 이용하여 감독, 신청, 인도, 상환, 대출 등 관련 융자 작업을 통합 정보 네트워크 처리 플랫폼으로 통합하고 거래 과정을 완벽하게 통제한다.
거래 단계에 대한 자세한 데이터와 정보를 얻고, 제 3 자 서비스 플랫폼의 역할을 통해 기업 무역의 신뢰성을 검증하고, 정보 상호 작용, 비즈니스 협업, 거래 투명성을 실현하며, 중소기업 금융 문제에 대한 실행 가능한 해결책을 찾을 수 있습니다.
공급망 금융에서, 빅데이터는 또한 많은 부가 가치 서비스를 제공할 수 있다. 큰 데이터를 사용하여 소스에서 사용자 요구 사항 정보를 얻고, 잠재적 요구 사항을 파악하고, 공급망에 정보 컨설팅을 제공합니다. 공급망 금융 상류 및 하류 고객에 대한 종합적인 신용 관리를 통해 상호 작용 감독 통제 메커니즘을 형성하여 거래 비용 및 위험을 줄일 수 있습니다. 공급망 성과를 분석 및 예측하고 공급망 관리, 특히 공급망 협업 데이터의 운영을 안내합니다.