大数据供应链：构建工业4.0时代智能物流新趋势

数据包含的潜在信息正在创造着各种商机。例如,企业能够获取关于汽车零件在汽车行驶时使用情况的数据,这种数据可以用来优化零件设计,成为企业的巨大竞争优势。让我们来看看能够获取汽车地理信息的Intrix公司。2012年,该公司进行了一项试验以分析汽车自动刹车系统在何时何地启动。试验假设在某一路面上频繁启动防滑刹车系统(Anti-skid Brake System,ABS)表明此时路况危险,因此,司机应该考虑改变行车路线。基于此,该公司提供了更加周到的服务,为司机们推荐最短最安全的行车路线,这在整个商业领域是全面的创新。

大数据也在推动新型商业的诞生,特别是整合与分析数据的商业。数据是企业的新型资产,但是,由于它增长快、规模大、发展迅速,大多数企业都无法企及,也就无法使之成为企业的核心竞争力。因此,很多非信息技术企业都会寻求方案供应商应对这一难题,其通常的做法是利用第三方的相关技术,这也就催生了“第三方分析法供应商”,其中包括不同的分析与信息技术专家、数据代理商、软件销售商、方案咨询师。第三方分析法供应商与第三方物流供应商相似,后者侧重统筹实体商品,而前者则侧重整合、解读大量数据。

 

数据驱动的供应链

 

大数据分析法改变了许多商业领域,但是没有哪个领域的变化能够与供应链管理发生的变化相匹敌。除非有突发状况,例如,在网上订购的商品没有如期到货,或者是想购买的宣传商品已售罄,否则,多渠道销售的零售商必须要在当天交货,这一点早已经成为众多消费者的期许。没有大数据推动,点对点的运营模式、获得全球供应链管理的竞争优势就无从谈起。

 

以特易购为例,该公司从消费者忠诚计划中获取了大量消费者数据,通过分析这些数据为其向战略细分后的消费者群体进行促销宣传提供决策支持。亚马逊同样走在了大数据分析法的前沿,利用消费者的数据,亚马逊采用一种称为协同筛选的预测性模型使其推荐引擎更加智能化,可以显示“你可能也喜欢……”。不仅如此,通过分析数据决策,亚马逊不断地巩固其在同行业中的领导地位。沃尔玛也很早就开始利用大数据来管理供应链。它让零售店与供应商共享供求信息,实现供应链的决策最优化。例如,服务消费者、跟踪库存(像销售点数据与射频识别感应器)、基于供应商的自动购买订单等。

 

供应链内感应库存的射频识别标签已经成千上万,据估计,射频识别标签销售量将从2011年的1 200万个增长到2021年的2 090亿个。供应链在不断结合不同系统中的数据,以协调整条供应链的运作。市场销售通过零售店产生大量销售点数据,这些数据在零售商与供应商之间实现共享,以实现对存货的实时监控。射频识别标签既跟踪货架上与运送中的货物,又监控库存量,以保证订货补给。通过计算机辅助设计、计算机辅助工程、计算机辅助生产、协同产品开发管理与数字化生产等方式增加数据,并将这些数据跨组织区域地连接到点对点的供应链中。

 

若企业能够从其他资源中整合数据,则能够获取更多的价值。这些数据可能来自零售商,但又不局限于销售数据,可能是促销数据,例如,商品名、价格与折扣;可能是商品投入市场数据,例如,某些特定的商品以及增加或减少其产量的计划;也可能是库存数据,例如,每个仓库的存货量、每个商店的销售量。这些数据对于在供应链内将需求商品成功运送起着至关重要的作用。

 

企业通过供应链协同管理与规划,可以减小供应链的牛鞭效应①,从而促进供应链的各个环节流畅运行。目前,虽然许多企业将消费者数据据为已有,然而,也有许多成功的企业数据分享案例。例如,沃尔玛允许其所有的供应商利用零售链(Retail Link)平台,使得数据在不同企业之间实现交换与分享,提高了数据透明度,从而在不同企业之间实现了合作。

 

大数据分析法不仅改变了游戏规则,也催生了智能供应链。