大数据调整供应链系统的四种方式

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 大数据调整供应链系统的四种方式

大数据分析可以就东西所在的位置,应在的位置以及扰乱系统的东西提供可见度。大数据是我们无法避免的流行语,但这是有充分的理由的:它正在改变很多企业的运营方式,并将继续改变,尤其是在供应链领域。SCM World的统计显示,64%的供应链管理人员认为大数据分析是一个具有颠覆性的重要技术,尽管它仍然是一个相对较新的技术应用。

image.png

大数据分析可以就东西所在的位置,应在的位置以及扰乱系统的东西提供可见度。

 

大数据是我们无法避免的流行语,但这是有充分的理由的:它正在改变很多企业的运营方式,并将继续改变,尤其是在供应链领域。

 

SCM World的统计显示,64%的供应链管理人员认为大数据分析是一个具有颠覆性的重要技术,尽管它仍然是一个相对较新的技术应用。

 

雪城大学的信息研究学院的副教授Jeff Saltz说:“大多数大型的财富500强公司已经使用了一到三年的大数据。他们对一些大数据进行了试验并获得了重大价值。”

 

但是像亚马逊和苹果这样的公司的预算高得吓人。这让不在“财富”500强之列的公司情何以堪?更不用说财富1000强或2000强了。

 

下面来看看我们所知道的关于大数据如何改变供应链的五种方式,以及如何让贵公司获得成功——即使你遇到了高唱“我们现有的东西凑效了!”的合唱团也无济于事,因为在未来十年、十五年、二十年的商业环境中可能都不会凑效。

 

1. 提高知名度

 

大数据分析可以就东西所在的位置,应在的位置以及扰乱系统的东西提供可见度——假设数据具备这些素质。

 

这可以在过程中的每一个环节都节省金钱,在错误让人痛不堪忍之前发现并修复它们,这么做尤其能节省金钱。IT咨询公司PointSource的首席技术官兼首席业务技术专家Barry Pellas说:“如果我们假设供应链中很早就发生了一些事情,那将会产生连锁反应。”

 

标准化组织GS1 US的业务发展副总裁Melanie Nuce说,通过让公司知道他们的东西在哪里,以及应该在哪里,大数据还可以就供应链的规划和执行方面帮助企业。

 

现在很多供应链是以RFID标签的形式实现的,这可以减少人为错误。她说:“我可以用智能手机在我的商店里走走,该智能手机能为我的商店收集库存信息。我不必再派人去处理非常费力的库存。从RFID标签收集数据也比手工更快。

 

她说:“大数据还可以告诉你,库存应该按照渠道、顾客、规模和颜色进行细分。可见性也意味着公司可以与想详细了解生产某一产品的供应链的消费者分享信息。例如,如果消费者有意购买一件衬衫,“我想知道的是,所有的部件都来自最佳产地,并且不涉及非法劳动力,”Nuce这样说道。

 

2. 更加重视社交媒体

 

社交媒体将在供应链中的大数据扩张方面发挥重要作用,仿佛脸书、推特和Instagram(无论下一个热门的东西是什么)在我们的生活中还不够普遍似的。物联网已经意味着有更多的产品正在提供关于消费者的数据,但是我们中的很多人已经通过社交媒体免费提供这种数据了。

 

Saltz说:“社交媒体影响了人们对产品或服务的看法,而这推动了我对如何销售这项服务的期望”。与社交媒体相关的大数据可以做很多事情——从测量广告活动的有效性到了解名人就产品发推文所产生的影响。

 

3. 驱逐遗留系统

 

尽管这些遗留系统不会在一夜之间遭到遗弃。根据PointSource的《2017年供应链数字化转型报告》,89%的供应链组织依靠遗留系统,而只有40%的企业表示拥有内部资源来维护和改进组织的基础设施。

 

Nuce表示,“与其说供应链是早期的采用者,不如说它是观察者,它可能会在人们投入金钱和资源替代遗留系统时制造阻力。如果你试图介入并替代整个基础设施的整个系统,这永远行不通。你永远不可能做到,而且还会远远超出预算”,Pellas这样说道。

 

当有公司想要开始这个转变的时候,Pellas认为他们要“确定具有最高价值的替代品之一”。然后就如何实施变革而制定一个路线图。

 

他说:“另一件你要牢记的重要事情是系统仍然要在这个变革发生的时候运行。战略必须包括缓慢推行变革的能力,而且还要与遗留系统兼容,直到转变完全发生为止。”

 

4. 加快速度——无论好坏

 

大数据因其含有大量的数据而得名,但并不是所有的数据都会形成一条完美的供应链。

 

Nuce说:“全自动化确实会加快‘错进’和‘错出’。如果我是一名高管,并且我正在倡导这一举措的话,那么我必须提出治理策略。”

 

这就是为什么花时间进行正确的过渡很重要。你要确保所花的钱是值得的,而不会恶化公司在供应链中的大数据。

 

Nuce补充说:“如果你不从高质量的数据着手,利用大数据的举措并不会带来好处。

 

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。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
3月前
|
数据采集 存储 数据处理
数据平台问题之知识管理系统的效果如何评估
数据平台问题之知识管理系统的效果如何评估
|
3月前
|
分布式计算 DataWorks 关系型数据库
MaxCompute 生态系统中的数据集成工具
【8月更文第31天】在大数据时代,数据集成对于构建高效的数据处理流水线至关重要。阿里云的 MaxCompute 是一个用于处理大规模数据集的服务平台,它提供了强大的计算能力和丰富的生态系统工具来帮助用户管理和处理数据。本文将详细介绍如何使用 DataWorks 这样的工具将 MaxCompute 整合到整个数据处理流程中,以便更有效地管理数据生命周期。
121 0
|
5月前
|
分布式计算 Hadoop 分布式数据库
Hadoop生态系统介绍(二)大数据技术Hadoop入门理论系列之一----hadoop生态圈介绍
Hadoop生态系统介绍(二)大数据技术Hadoop入门理论系列之一----hadoop生态圈介绍
171 2
ly~
|
2月前
|
传感器 存储 供应链
大数据在供应链管理中的具体应用案例
在供应链管理中,大数据的应用显著提升了效率与预测准确性。例如,沃尔玛利用销售数据与外部信息如天气预报,实现精准需求预测,提前调配应急物资,既满足顾客需求又减少库存积压。亚马逊则通过分析商品入库时间、销售速度等数据,优化库存水平,确保畅销品备货充足,小众品库存灵活,从而降低运营成本。DHL借助运输工具上的传感器收集的数据,优化物流路线,避免拥堵并合理装载货物,同时预测设备故障,减少物流延误,提升整体运输效率。
ly~
371 2
|
3月前
|
存储 SQL 分布式计算
Hadoop生态系统概述:构建大数据处理与分析的基石
【8月更文挑战第25天】Hadoop生态系统为大数据处理和分析提供了强大的基础设施和工具集。通过不断扩展和优化其组件和功能,Hadoop将继续在大数据时代发挥重要作用。
|
3月前
|
分布式计算 搜索推荐 物联网
大数据及AI典型场景实践问题之通过KafKa+OTS+MaxCompute完成物联网系统技术重构如何解决
大数据及AI典型场景实践问题之通过KafKa+OTS+MaxCompute完成物联网系统技术重构如何解决
|
3月前
|
人工智能 分布式计算 架构师
大数据及AI典型场景实践问题之基于MaxCompute构建Noxmobi全球化精准营销系统如何解决
大数据及AI典型场景实践问题之基于MaxCompute构建Noxmobi全球化精准营销系统如何解决
|
3月前
|
存储 监控 安全
大数据架构设计原则:构建高效、可扩展与安全的数据生态系统
【8月更文挑战第23天】大数据架构设计是一个复杂而系统的工程,需要综合考虑业务需求、技术选型、安全合规等多个方面。遵循上述设计原则,可以帮助企业构建出既高效又安全的大数据生态系统,为业务创新和决策支持提供强有力的支撑。随着技术的不断发展和业务需求的不断变化,持续优化和调整大数据架构也将成为一项持续的工作。
|
3月前
|
存储 数据可视化 大数据
基于Python Django的大数据招聘数据分析系统,包括数据大屏和后台管理
本文介绍了一个基于Python Django框架开发的大数据招聘数据分析系统,该系统具备后台管理功能和数据大屏展示,利用大数据技术收集和分析招聘市场趋势,帮助企业和招聘机构提高招聘效率和质量。
154 3
|
4月前
|
分布式计算 安全 大数据
HAS插件式Kerberos认证框架:构建安全可靠的大数据生态系统
在教育和科研领域,研究人员需要共享大量数据以促进合作。HAS框架可以提供一个安全的数据共享平台,确保数据的安全性和合规性。