如何让供应链更敏捷？
 在这期间，大家通过社交媒体意识到意想不到的需求暴涨以及因为物资短缺传言所引发的抢购风潮，如何歇斯底里地冲击涵盖生产规划、产出与物流配送在内的整个供应链体系。作为反面教材，我们也亲身见证了供应链跟不上需求变化、特别是无法及时应对实时趋势时出现的种种乱象。 2020年，新冠疫情给全球消费者上了重要的一课，也让供应链真正走到聚光灯之下。 在理想情况下，组织应该通过数据对整个供应链拥有充分了解，借此保证在正确的时间将正确的产品与材料运送至正确的位置。但这个世界没那么理想，供应链中的大数据（通常已经在企业内部积累了几十年）已经过于臃肿、无法有效使用，由此引发的数据信心缺失甚至导致其事实沦为垃圾资产。 为了解决这个难题，企业在传统上习惯于使用数据清洗项目，即修复或删除语法错误或无效文件的过程，确保将原有数据精简为仅包含可操作及/或可使用信息的形式。这个清洗过程通常涵盖一系列需要不断重复的汇总、组织、分析与集成环节。在单一工厂或车间内进行数据清洗已经极为困难，更遑论对互不相通的工业网络数据进行统筹规划。 总而言之，数据清洗过程极为昂贵，需要耗费大量时间、资源以及外部支持，而海量投资并不一定能带来有效回报。而且事实证明，大多数企业根本负担不了持续不断的数据清洗操作。这种可行性难题与数据清洗必要性的交织，令运营者们头痛不已，但又无法坐视不理——因为如果没有数据，业务增强、流程改进乃至成本节约都将无从谈起。 不幸中的万幸在于，新冠疫情的蔓延已经成为技术发展与实际部署的重要助力。供应链也因此迎来重大的积极影响，企业开始利用AI与ML的力量突破传统数据清洗设下的重重包围。 无需传统数据清洗，也可提升业务产出长期以来，制造业供应链一直面临着数据需求旺盛、但数据供给匮乏，而且新技术采用难度极大的困境。COVID-19的不期而至带来新的紧迫性，推动其深入研究改进方法。我们无法预测疫情变化，但却可以提供供应链体系的弹性与敏捷性。在经历几个月的实践摸索之后，事实证明只要向供应链中注入敏捷性因素，它就能够针对实时动态做出灵活响应。 疫情背景下的运营经验告诉我们，供应链数据永远处于混乱状态。供应链部门不可能耗费几个月时间清洗数据，毕竟这种完成即过时的状态不足以支撑当前的生产与交付需求。但如果放弃数据控制，制造商将无法快速转变以配合店面与仓库的实际需求，也无法有针对性地优化库存与配送流程。 通过总结，我们发现这类负面影响主要体现在三个层面。首先是数据质量问题，即数据“肮脏”、冗余且质量低下。另外，存放数据的设施往往彼此孤立，无法彼 在这期间，大家通过社交媒体意识到意想不到的需求暴涨以及因为物资短缺传言所引发的抢购风潮，如何歇斯底里地冲击涵盖生产规划、产出与物流配送在内的整个供应链体系。作为反面教材，我们也亲身见证了供应链跟不上需求变化、特别是无法及时应对实时趋势时出现的种种乱象。 2020年，新冠疫情给全球消费者上了重要的一课，也让供应链真正走到聚光灯之下。 在理想情况下，组织应该通过数据对整个供应链拥有充分了解，借此保证在正确的时间将正确的产品与材料运送至正确的位置。但这个世界没那么理想，供应链中的大数据（通常已经在企业内部积累了几十年）已经过于臃肿、无法有效使用，由此引发的数据信心缺失甚至导致其事实沦为垃圾资产。 为了解决这个难题，企业在传统上习惯于使用数据清洗项目，即修复或删除语法错误或无效文件的过程，确保将原有数据精简为仅包含可操作及/或可使用信息的形式。这个清洗过程通常涵盖一系列需要不断重复的汇总、组织、分析与集成环节。在单一工厂或车间内进行数据清洗已经极为困难，更遑论对互不相通的工业网络数据进行统筹规划。 总而言之，数据清洗过程极为昂贵，需要耗费大量时间、资源以及外部支持，而海量投资并不一定能带来有效回报。而且事实证明，大多数企业根本负担不了持续不断的数据清洗操作。这种可行性难题与数据清洗必要性的交织，令运营者们头痛不已，但又无法坐视不理——因为如果没有数据，业务增强、流程改进乃至成本节约都将无从谈起。 不幸中的万幸在于，新冠疫情的蔓延已经成为技术发展与实际部署的重要助力。供应链也因此迎来重大的积极影响，企业开始利用AI与ML的力量突破传统数据清洗设下的重重包围。 无需传统数据清洗，也可提升业务产出长期以来，制造业供应链一直面临着数据需求旺盛、但数据供给匮乏，而且新技术采用难度极大的困境。COVID-19的不期而至带来新的紧迫性，推动其深入研究改进方法。我们无法预测疫情变化，但却可以提供供应链体系的弹性与敏捷性。在经历几个月的实践摸索之后，事实证明只要向供应链中注入敏捷性因素，它就能够针对实时动态做出灵活响应。 疫情背景下的运营经验告诉我们，供应链数据永远处于混乱状态。供应链部门不可能耗费几个月时间清洗数据，毕竟这种完成即过时的状态不足以支撑当前的生产与交付需求。但如果放弃数据控制，制造商将无法快速转变以配合店面与仓库的实际需求，也无法有针对性地优化库存与配送流程。 通过总结，我们发现这类负面影响主要体现在三个层面。首先是数据质量问题，即数据“肮脏”、冗余且质量低下。另外，存放数据的设施往往彼此孤立，无法彼 （编辑：常州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
