由于新冠疫情持续蔓延，全球供应链受损十分严重。正如咨询公司德勤在一份研究报告中指出的那样，疫情阻碍了全球范围内人员、原材料、成品和工厂运营的自由流动和运作。该公司在报告中指出：“直接供应链遭遇挑战，第三方、第四方供应商等延伸供应链合作伙伴也面临挑战。”风险，包括缩短的产品生命周期和快速变化的消费者偏好、增加的资源波动性和可用性、加强监管执法和对违规行为的处罚，以及供应商整合显着改变经济格局。技术并不能解决所有供应链问题。货物需要从一个点运输到另一个点。但是，由机器学习算法提供支持的最新分析工具可以帮助公司更有效地预测需求，从而调整生产和运输业务。以下是公司成功使用数据分析改善供应链运营的三个例子。加强运营和与供应商的关系紧固件制造商和分销商OptimasSolutions供应链和商业智能副总裁MarkKorba表示，该公司正在三个关键领域使用数据分析来改善运营以及与供应商和客户的关系。关系。首先，OptimasSolutions在内部将数据分析用于多项功能，包括制造材料采购、预测生产和客户需求、通过从供应商处订购来提高效率和准确性，以及管理库存。这一切都有助于公司做出更明智的决策来管理和降低总体成本。“这可以提高我们供应链的效率并改善资本管理，”科尔巴说。其次，OptimasSolutions正在使用数据分析来帮助更好地与商业客户合作，以??降低成本并更好地管理他们的库存。分析还可以帮助企业更好地预测需求和消费。“通过能够执行这些类型的分析，它总是有助于降低成本，”Korba说。最后，OptimasSolutions使用数据分析来更好地与供应商合作。“通过了解和管理需求，尤其是来自单个客户的需求，我们可以为供应商提供更准确的预测数据并更好地管理我们的订单，以便他们可以更高效地为我们工作，”Korba说。公司正在使用ToolsGroup的ServiceOptimizer99+平台进行需求规划、库存优化和补货规划。Korba表示，该平台与OptimasSolutionsInc.的NetSuiteERP套件完美集成，以利用供应链数据。科尔巴说，“人们通常认为供应链是一回事，但事实并非如此。我们将供应链视为整个业务运营的几个部分的总和——从了解客户需求到物料管理和制造或采购，再到物流和运输，再到Optimas和客户所在地的库存管理和自动补货订单。”成功的关键是企业使用的所有供应链工具无缝协同工作，帮助客户保持适当的库存并更好地管理成本、需求、库存、生产和供应商。分析提供的信息需要解决供需双方的现金流和定价等财务问题。Korba说，“总的来说，所有工具（无论是协同工作还是单独工作）解决的供应链问题导致效率提高、客户库存管理的准确性、供应商关系、成本节约以及更准确、更快的预测能力。数据分析帮助我们甚至可以在意想不到的地方了解我们的业务，例如提高现金转换周期的准确性、对供应商响应能力进行排名、分析任务何时完成，或评估我们的客户和OptimasSolutions的能力。”Korba说，供应链数据不一定必须驻留在任何一个位置。“重要的是要知道哪些系统或外部服务可以帮助收集和分析您需要的数据，因此它可以成为对决策有用的信息，”他说。例如，使用钢铁和包装等材料的价格指数或劳动力和运输成本可以帮助确定何时需要提价。“更好地访问企业内部或外部的信息，可以为OptimasSolutions以及我们的客户和供应商做出更好的决策，”Korba说，因为OptimasSolutions在数据分析方面变得更加勤奋。“我们的客户和供应商已从许多领域的显着改进中受益，包括提高整个供应链的可见性，”Korba说。在线销售汽车零部件的CarParts正在使用先进的数据来更有效地预测产品需求和库存需求分析工具和机器学习算法来更好地预测产品需求和库存需求。“新的数据分析能力使我们能够更准确地预测美国每个城市和地区的需求，”该公司负责库存规划和预测的副总裁StanislavTatarzuk说。网络内的库存位置，使其能够将产品更接近需要它们的客户并更快地交付零件，同时还节省了运输成本。CarParts从Databricks部署了一个平台，使其能够集中和分析与产品订单和库存相关的所有数据。它还利用XGBoost和Prophet等开源库、多种分析工具和ApacheAirflow，这是一个用于数据工程和报告自动化的开源工作流管理平台。使用分析来更好地管理供应链的好处之一是运输优化。“从哪里发货以及如何整合的问题很复杂，”Tatarzuk说。“使用来自运输合作伙伴和仓库的实时数据，我们可以使用高级分析来优化多项目订单的运输，同时最大限度地提高效率。”这使企业能够更快地将商品送到客户手中，同时降低运输成本。Tatarzuk说，使用这个过程为CarParts节省了很多钱。另一个好处是仓库优化。“在当今工资上涨的环境下，能够降低劳动力成本和运输时间是绝对必要的，”Tatarzuk说。“我们正在创建模型以将库存正确放置在配送中心，以减少拣货和放货时间，同时创造更快的拣货速度。”高密度集群。”数据分析帮助该公司应对COVID-19大流行造成的供应链中断，使其能够在供应链危机的早期阶段看到需求变化和增加的交货时间，并比竞争对手更快地做出反应。支持日益复杂的供应链的全球IT技术提供商联想集团高级副总裁兼首席信息官胡亚瑟表示，公司一直在应对其全球供应链因新冠疫情爆发而面临的挑战通过使用先进的预测技术和数据分析。挑战。他表示，联想集团的供应链过去主要集中在物流、信息流和商流上。但该公司向全方位服务技术提供商的转型意味着其供应链，曾经主要以设备为中心，变得越来越复杂，客户需求更加多样化，产品更加复杂，需要更高效、更敏捷的运营和服务。过去一年，联想集团供应链团队与2000家供应商合作，交付了超过1.3亿台联想IT设备。鉴于这种转变，该公司的供应链团队决定转变其运营方式，采取“智能转型”的方式。胡先生表示：“一个跨职能团队致力于将联想集团的供应链运营转变为数据驱动的智能生态系统。新系统提供实时数据、智能分析和决策支持，使我们能够更有效地履行客户义务比以往任何时候都。”承诺。”该公司构建了一个成本预测引擎(CFE)系统，以更快、更准确地预测整个供应链运营中的采购、制造和销售成本。将系统与线性回归和作为机器学习算法的开源软件库XGBoost（eXtremeGradientBoosting）相结合，联想的管理人员可以建立最大和最小阈值，以避免影响成本准确性的极端情况。他指出，该技术使成本比较能够减少硬件组件每月成本波动的影响，并为管理人员的业务战略决策提供信息。他表示，成本预测引擎（CFE）目前支持联想全球70%以上的供应链采购和生产成本预测，以及90%以上的供应链销售成本预测。与人工成本维护相比，其周期成本预测效率提升约12%。他说，预测成本的准确率保持在95%左右。
