波动成新常态,怎可仅凭大数据说清供应链?
1066
2017-10-20 13:49
文章摘要:企业开始持续地与外界连接,或者消耗越来越多的数据,并产生越来越多指数级的数据

编译:T客汇 杨丽

大数据

很长时间以来,行业一旦出现新的供应链术语便会受到圈内人的关注。在过去的20年中,有如“准时制”(JIT Just in Time)、“全面质量管理”(TQM Total Quality Management)、“六西格玛”(6 Sigma)、“销售与运营计划”(S&OP Sales& Operations Planning)、“精益”(Agile)、“需求驱动供应链”等等……

通常情况下,这些概念引起人们关注的主要原因在于,它们确实可以在某些公司或行业中产生价值。继而,商业专家分析师、研究机构、咨询公司、IT供应商便开始不断地进行概念宣灌。结果是,供应链的概念被概括成为能解决一切的解决方案,同时,将实施过程中涉及到的复杂性概念简化,关于实施的风险与成本却只字不提。此外,这还造成了一种紧迫感和恐惧感,迫使企业迅速做出决策并采纳新的概念。

大数据是供应链管理中经常被提及的一个概念。不可否认,企业开始持续地与外界连接,或者消耗越来越多的数据,并产生越来越多指数级的数据,但是像任何概念一样,单凭大数据无法解释清楚供应链。近期,Foresight的一篇文章中提到,供应链计划软件供应商Blueridge认为,大数据的应用将从产品转向用户预测。在某些情况下可能确实如此,但多数供应链案例证明并非如此。

行业特点

一些行业更多的是供给驱动,而非需求驱动。比如,石油行业就出现了一个现象,石油行业往往供给过剩,但需求端却几乎没有什么增长。同样,在采矿业,即使需求停滞或下降,但生产也仍然继续以偿还固定资产成本。虽然这些行业可能将大数据用于勘探或其他目的,但他们不太可能用于预测客户需求。供应驱动的行业更少关注客户,因此基本不需要客户需求驱动的预测。除此之外,在一些行业,供应商响应客户需求的能力也十分有限。在农业生产中,产生海量数据的接入技术被用于防治虫害。

然而,无论客户需求如何,番茄厂仍将继续生产九个月的番茄。这限制了对大数据或客户需求预测的需要。大数据的价值还取决于供应链中业务是在何处运营的,以及对端到端价值链和最终客户会造成什么影响。如果一项业务对这些方面的影响有限,客户数据就无助于预测结果。而为依赖年度招标的汽车或电话制造商提供服务的合同制造商则不需要大数据。

客户需求切入点(Customer-Order Decoupling Point)

要了解大数据在供应链预测中的价值,就需要从CODP的基本了解开始。这是产品与客户连接的价值链上的一点。

在工程订单(Engineer-to-Order ETO)场景下,公司将与客户合作设计和制造产品,例如豪华游艇或专业机械。具有CODP这种类型供应链订单交货时间长,客户却很少。

在按订单生产(MTO)场景下,客户产品由原材料,部件和组件制成。商业航空业在MTO环境中运作。虽然一些喷气发动机每秒产生10GB的数据,并应用人工智能来优化燃油消耗,但是在客户预测中不需要大数据。ETO和MTO的场景下,几乎没有用户。这对于提供商业服务的企业来说也是如此。SpaceX将商业有效荷载提供给空间,也只有为数不多的客户。大数据可能对其他领域的公司有用,却不能预测其客户需求。

在生产库存(Make-to-Stock MTS)场景下,制造商将通过批发商或零售商提供实体产品,然后再转卖给最终用户。制造商普遍可支持10万处客户发货地点,如DC、零售店、酒店、医院、餐厅等。通过销售点POS机上留过的信息了解客户需求,并进行预测。其实,这种情况并不稀奇。十多年前,在肉类生产商的生产预测中,每天四次将零售店的POS机的信息收集起来。近来,需求感应——自动算法的变化影响短期预测,可被应用于每个船舶和产品的组合中。为了将需求感应应用到拥有1000个SKU的10艘运输船上,算法需要进行1亿次组合的运算。当然,将这种量级信息成为大数据也是有待商榷。

客户需求切入点最终是将股票出售。这是与客户订单最近的切入点。此时的客户也是最终客户,一般称之为实体零售商。最大的零售商从POS机和客户忠诚卡中收集大量数据。该数据收集可来自数千万的客户,但是数据手机仍受限于零售店的地理网络,以及零售店平效。如今的在线零售商可没有这种限制。例如,亚马逊由超过3亿的活跃账户,账户户主来自世界各个角落,每台智能手机或笔记本电脑就相当于一个零售店,线上的客户行为可随时被追踪。

同样是在过去十年,传统MTS制造商开始实践其他分销模式。Nike曾以MTS模式生产跑鞋,然后提供给下游零售商。现在,它通过库存直接在线销售给终端客户,并为其提供了按订单组合模式(Assemble-to-Order ATO)设计自己的鞋子。那么,开创了在线商店的传统MTS制造商就是现在的线上零售店。如果你是一家正在计划扩展到数十万客户的在线零售商,那么大数据似乎是你了解并预测客户行为的更佳的选择。但是,大数据真正开始发挥作用是远不止在购买这个节点,而是在客户购买产品或服务之后。一旦我们了解到客户的日常生活,并开始连接跨行业的不同产品和服务时,可用数据便迅猛增长。

购买结束之后

Google和Facebook等在线服务正在跟踪客户的每一步行为,以预测客户想要看到的内容或想去的地方。Facebook运用AI技术根据客户历史行为来运营内容。Google的移动手机应用程序可跟踪用户的日常行为,并提供相关指导建议。继而,亚马逊的零售商已经通过语音控制“智能扬声器”Echo走入千万用户家庭。借助Echo,亚马逊可以了解到用户购买了什么、收听什么音乐,以便到家之后准时打开灯光,开启语音识别的互联网搜索。

亚马逊可以将所有信息与其产品和服务的在线购买历史相结合,并在客户下单之前提供专业运输系统,可用于预测和交付产品。将预测型运输应用于一家3亿以上仍在增加的客户群,这听起来像大数据之类的。通过建立伙伴关系,传统制造商和零售商也可以在客户购买结束后收集消费信息。

除了销售跑鞋,Nike还与苹果合作销售运动手表,可测量所有类型的实时消费者健康数据。如果Nike可访问这些数据,那么就可将在线购物行为与锻炼方案、睡眠模式、心率,以及客户跑步公里数相结合。Nike还与荷兰地图提供商和消费品制造商TomTom合作销售手表。除了生产运动手表,TomTom还提供了苹果6亿手机用户和许多主要汽车生产商的地图。如果这三家合作厂商选择分享所有的客户数据,那么他们必然会基本清楚客户的每一个动作,以此用于预测客户行为。虽然隐私和数据所有权发挥着重要作用,但当整个行业的制造商和零售商合作搜索多个产品和服务之外的信息时,可预测客户行为的的可用性数据将源源不绝。

除了销售跑鞋,耐克与苹果合作销售运动手表,可以测量所有类型的实时消费者健康数据。如果耐克可以访问这些数据,那么现在可以将在线购物行为与理解锻炼方案,睡眠模式,心率以及客户公里跑步相结合。耐克还与荷兰地图提供商TomTom和消费品制造商合作销售手表。除了生产运动手表,TomTom还提供了苹果6亿iPhone用户和许多主要汽车生产商的地图。如果这三家已经合作伙伴关系的公司要分享他们所有的客户数据,他们实际上可以知道他们的客户的每一个动作,或者是非常接近,并且用它来预测他们的行为。虽然隐私和数据所有权发挥着重要作用,但是当整个行业的制造商和零售商合作搜集多个产品和服务之外的信息时,数据可用性来预测客户行为就会爆炸。

大数据决策

对于具有重要客户群的需求驱动型企业,以及在购买之后收集客户信息和伴随客户日常生活的商业而言,大数据似乎很重要。但即使如此,对大数据的投资似乎更是一个整体的战略性业务决策,而不是供应链或狭隘的预测决策。推动大数据发展,分析师和研究人员应该在大数据最有可能发挥作用的行业和供应链环节中提供更多场景,并预测风险和收益。将新概念进入价值链之前,供应链管理负责人应该提出几个问题,其中包括:

  1. 大数据能否为企业运营提高效率?

  2. 大数据可为用户传递价值吗?

  3. 大数据可为企业提高竞争力吗?

  4. 实施风险与投资回报率有何差异?


大数据投资是一项重大决策,不应该轻视,最好在可提供大数据相关解决方案的专业人士的指导下进行。



版权声明:

凡本网内容请注明来源:T媒体(http://www.cniteyes.com)”的所有原创作品,版权均属于易信视界(北京)管理咨询有限公司所有,未经本网书面授权,不得转载、摘编或以其它方式使用上述作品。

本网书面授权使用作品的,应在授权范围内使用,并按双方协议注明作品来源。违反上述声明者,易信视界(北京)管理咨询有限公司将追究其相关法律责任。

评论