一、大數據時代對采購和供應鏈帶來的挑戰和機遇

1. 大數據時代及其特征

大數據(Big Data)是指所涉及的規模巨大的數據。隨著時代的不斷進步以及科技的飛速發展，互聯網、物聯網、移動通訊、管理信息化、電子商務等技術不斷相互滲透，並作用到國家、企業(ye) 和民生的方方麵麵，今天，人們(men) 用大數據來描述和定義(yi) 信息爆炸時代產(chan) 生的海量數據，以及在合理時間內(nei) 達到擷取、管理、處理、並整理成為(wei) 幫助人們(men) 處理事務和決(jue) 策等更積極目的的資訊與(yu) 知識。

美國互聯網數據中心指出，互聯網上的數據每年將增長50%，每兩(liang) 年便將翻一番，而目前世界上90%以上的數據都是最近幾年才產(chan) 生的。2020年，全世界所產(chan) 生的數據規模將達到今天的44倍。從(cong) 這些數據每天增加的數量來看，世界目前已進入大數據時代。

大數據時代凸顯了數據資源的重要意義(yi) 。2012年奧巴馬政府宣布投資2億(yi) 美元拉動大數據相關(guan) 產(chan) 業(ye) 的發展，將“大數據戰略”上升為(wei) 國家戰略，將大數據定義(yi) 為(wei) “未來的新石油”，把對數據的占有和控製視為(wei) 陸權、海權、空權之外的另一種國家核心資產(chan) 。2013年，法國政府發布了其《數字化路線圖》，列出了將會(hui) 大力支持的5項戰略性高新技術，“大數據”就是其中一項。2012年，日本總務省發布2013年行動計劃，明確提出“通過大數據和開放數據開創新市場”。聯合國在2012年發布的大數據政務白皮書(shu) 中指出，大數據對於(yu) 聯合國和各國政府來說是一個(ge) 曆史性的機遇。我國也將大數據產(chan) 業(ye) 看作為(wei) 戰略性產(chan) 業(ye) ，成立了“大數據專(zhuan) 家委員會(hui) ”。在“大數據”2014年十大趨勢預測中，包括了數據商品化與(yu) 數據共享聯盟化，大數據生態環境逐步發展等內(nei) 容。同時，大數據專(zhuan) 家委員會(hui) 預測，2014年大數據在互聯網和電子商務、金融(股市預測、金融分析)、健康醫療(流行病監控和預測等)、生物信息、製藥等方麵將會(hui) 有令人矚目的應用。

大數據時代是大數據價(jia) 值充分發揮的時代。據賽門鐵克公司的調研報告，全球企業(ye) 的信息存儲(chu) 總量已達2.2ZB（1ZB=1024EB，1EB=1024PB），年增67％。世界上每分鍾產(chan) 生1700TB 的數據，但是吸引我們(men) 的不僅(jin) 僅(jin) 是這個(ge) 龐大的數字本身，而是我們(men) 如何利用這些數據做些什麽(me) 。大數據可以運用到各行各業(ye) ，在宏觀經濟方麵，IBM日本公司建立經濟指標預測係統，從(cong) 互聯網新聞中搜索影響製造業(ye) 的480項經濟數據，計算采購經理人指數的預測值；印第安納大學利用穀歌公司提供的心情分析工具，從(cong) 近千萬(wan) 條網民留言中歸納出六種心情，進而對道瓊斯工業(ye) 指數的變化進行預測，準確率達到87%；在製造業(ye) 方麵，華爾街對衝(chong) 基金依據購物網站的顧客評論，分析企業(ye) 產(chan) 品銷售狀況；一些企業(ye) 利用大數據分析實現對采購和合理庫存量的管理，通過分析網上數據了解客戶需求、掌握市場動向，等等。據麥肯錫公司測算：大數據將給美國醫療服務業(ye) 帶來3000億(yi) 美元的價(jia) 值，使美國零售業(ye) 淨利潤增長達到60%，使製造業(ye) 產(chan) 品開發、組裝成本下降50%，而大數據所帶來的新需求，將推動整個(ge) 信息產(chan) 業(ye) 的創新發展；根據經濟與(yu) 商業(ye) 研究中心的最新研究，大數據將為(wei) 英國經濟增加2160億(yi) 英鎊（約合3467億(yi) 美元）以上的潛在收益。

2. 大數據時代對采購和供應鏈帶來的挑戰和機遇

首先，商務環境和商務模式變得越來越複雜，且更加動蕩、多樣和個(ge) 性化。其二，電子商務業(ye) 務模式的飛速發展打破了國家疆界，使得跨境業(ye) 務速增、商業(ye) 活動頻繁，同時伴隨著數據量的劇增。。其三，大數據應用處理成為(wei) 企業(ye) 和社會(hui) 競爭(zheng) 發展的重要焦點。其四，有效挖掘大數據成為(wei) 時代麵臨(lin) 的重要課題。最後，許多企業(ye) 對大數據的重要性認識不足，沒有充分了解其價(jia) 值。

下麵是一些機構對大數據的調研、認知和應用研究，從(cong) 不同的方麵展示了其發展現狀。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1）Gartner公司2013年一份名為(wei) 《2013年大數據普及程度背後的炒作》的報告指出：在受訪企業(ye) 中，有64%正在或是即將進行大數據工作，但實際的狀況卻不盡人意，其中很多企業(ye) 並不知道他們(men) 能夠使用大數據做些什麽(me) 。2012年，有27%的企業(ye) 開始從(cong) 事大數據相關(guan) 的工作，有31%計劃於(yu) 兩(liang) 年內(nei) 展開大數據項目。而2013年，有30%的企業(ye) 已經引入了大數據，計劃參與(yu) 的企業(ye) 比例也增至34%。造成這一現象的原因是不少企業(ye) 都認為(wei) 大數據能夠幫助他們(men) 提升用戶體(ti) 驗、改進企業(ye) 效率或是發現新的商業(ye) 模式或產(chan) 品。56%的企業(ye) 不知道如何從(cong) 數據中獲取價(jia) 值；41%的企業(ye) 無法將這項技術與(yu) 公司戰略結合起來；34%的企業(ye) 缺乏大數據的處理能力；33%的企業(ye) 難以整合多樣的數據資源；29%企業(ye) 的基礎架構遭遇挑戰；27%的企業(ye) 麵臨(lin) 隱私和數據安全問題；26%的企業(ye) 在對大數據項目投資上存在疑惑；甚至還有23%的公司不知大數據究竟為(wei) 何物。

 

2）Supply Chain Insights Research Firm 2012年對有關(guan) 大數據與(yu) 供應鏈管理的研究表明：企業(ye) 已經意識到對大數據及其技術缺乏理解。調查發現：

①正在進行的大數據項目中，有36%的組織目前有一個(ge) 跨職能的團隊來為(wei) 其供應鏈評估大數據的潛在價(jia) 值；

②項目通常由首席信息官CIO負責。評估供應鏈大數據使用和分析技術的團隊領導是CIO的占47%，是業(ye) 務部門領導的占21%，具有一個(ge) 跨業(ye) 務職能管理團隊的占21%。

③企業(ye) 的信息管理係統的複雜度高，通常有多個(ge) 係統支持他們(men) 的供應鏈，因此數據量巨大並且整合困難。

④數據增長快。8%的受訪者在單個(ge) 數據庫裏具有PB（千萬(wan) 億(yi) 字節）級別的數據，47%的受訪者預計未來五年內(nei) 在其數據庫裏具有PB級別的數據。而且在那些正在進行大數據項目的企業(ye) 中, 有68%預計在五年內(nei) 其數據庫裏具有PB級別的數據。

⑤在企業(ye) 自我評價(jia) 使用不同的數據類型的能力方麵，應用最好的數據來源於(yu) 傳(chuan) 統供應鏈的事務處理數據（有58%的受訪者使用該類型數據，說明該類數據仍是企業(ye) 最熟悉的）、新型的地理與(yu) 地圖數據（有47%的受訪者使用該類型數據）和產(chan) 品的可追溯性數據（有42%的受訪者使用該類型數據）；其次是物聯網上的各種設備數據（有28%的受訪者使用該類型數據）和運動應用數據（有26%的受訪者使用該類型數據）。調研顯示受訪者對結構化數據類型的掌握程度更高。

⑥大數據舉(ju) 措當前的重點是對供應鏈的可視性，但未來卻是投向需求數據。預期的收益越大，現行績效評級就越低，這一點體(ti) 現在需求數據的領域。由於(yu) 更加熟悉交易數據和供應係統，具有較長供應鏈和跨多個(ge) 邊界的零售商表示，著重於(yu) 供應鏈的可視性被認為(wei) 是最為(wei) 重要的。

 

2013年7月，Supply Chain Insights Research Firm又做了進一步的量化研究，目的是了解和研究供應鏈的領導者們(men) 正在構建的駕馭大數據的能力。這個(ge) 研究是基於(yu) 123家製造商（占受訪企業(ye) 的59%），零售商（占受訪企業(ye) 的26%），批發商/分銷商/合作商（占受訪企業(ye) 的12%）和第三方物流提供商（占受訪企業(ye) 的2%）的一項在線調查。

受訪者中31%是供應鏈團隊（是團隊成員的占15%，是負責人的占 12%，是其他崗位的占2%，是支持人員的占1%）；25%是IT團隊（是IT總監的占15%，是首席信息官的占3%，是負責人的占3%，是經理的占2%，是係統管理員的占1%）；44%為(wei) 其他團隊（是銷售團隊的占16%，跨職能業(ye) 務領導的占10%，是財務的占7%，是BI分析員的占3%，是市場人員的占2%，是其他的占6%），

調研顯示出大數據的應用更多的是一個(ge) 機會(hui) ，而不是一個(ge) 問題。認為(wei) 有機會(hui) 的占76％，毫無概念的為(wei) 11%，而在大數據方麵存在問題的有12%。盡管數據庫在不斷增長，但可以被管理，然而，最大的數據庫不是企業(ye) 資源規劃（ERP）數據庫，而是在產(chan) 品的可追溯性數據的領域。

受訪者中已經啟動一個(ge) 大數據應用項目的占28％，另外37％的受訪者有計劃開展大數據項目，其餘(yu) 20%沒有開展大數據活動的計劃。那些認為(wei) 有機會(hui) 應用大數據的受訪者認為(wei) ，大數據應用的最大機會(hui) 在於(yu) 對相關(guan) 新型數據的管理，而不是對數據的體(ti) 量或速度的管理。

 

 

在那些打算開展大數據項目的受訪者中，準備當年就開展的占9%，1-2年內(nei) 開展的占53%，3-5年內(nei) 開展的占31%，不知道何時開展的占7%。

關(guan) 於(yu) 供應鏈重點要素中，目前排在前3位的分別是：需求與(yu) 供給的易變性（51%），應用大數據的能力（43%），人才問題（34%）與(yu) 業(ye) 務增長速度（34%）。。到2020年，驅動供應鏈成為(wei) 卓越的前3個(ge) 趨勢的分別是：數據可視化（46%），增強供應鏈的可視性（39%）和大數據（37%）。

 

 

 

 

 

目前大數據的應用還是處於(yu) 起步階段，未來更多的機會(hui) 與(yu) 應用是出現在“需求”領域。需求計劃、訂單管理和價(jia) 格管理位列前3位，是目前從(cong) 大數據中獲益最高的領域，

 

 

 

 

 

深藍色的柱形代表數據類型的價(jia) 值，淺藍色的柱形代表數據類型績效，白色柱形裏的數據是二者的差距，數值越大說明企業(ye) 在該數據類型上遠沒有達到應該獲得的價(jia) 值，還存在著很大的空間去努力獲取該類型數據的最大價(jia) 值。從(cong) 圖10中可以看出，在供應鏈可視性與(yu) 產(chan) 品的可追溯性數據源方麵，無論是價(jia) 值還是差距都排列在前2位，有較大的潛力可以挖掘。

目前在供應鏈上應用大數據的重心更多的是靠近市場的需求端和營銷領域，相對於(yu) 采購與(yu) 供應領域，市場需求領域更多地首先開展了大數據的應用，許多企業(ye) 也已經收獲頗豐(feng) 。因此，在采購與(yu) 供應領域應該努力迎頭趕上時代的步伐，利用大數據為(wei) 企業(ye) 和供應鏈的供應做出更大的貢獻。有了充足的數據，若將其轉變為(wei) 價(jia) 值還必須有好的方法和先進的工具。在供應鏈上，大數據最突出和最能轉化價(jia) 值的應用是借助於(yu) 商務智能BI軟件係統和供應鏈管理SCM軟件係統來實現。

二、大數據環境下采購和供應鏈管理中的商務智能技術應用

今天，客戶需求的個(ge) 性化特征越來越突出，電子商務和互聯網營銷已全麵普及，多樣化的營銷方式隨之不斷湧現，移動互聯網與(yu) 社交已逐漸進入社會(hui) 生活與(yu) 工作的不同層麵，而傳(chuan) 統的管理模式和手段卻已很難把握和管控需求的變化。

大數據時代，消費者能夠選擇購買(mai) 完全客戶化的商品，或從(cong) 一個(ge) 可供選擇的環境下自行定製商品，例如在網上購買(mai) 計算機商品時，消費者可以根據自己的需要和喜好定製化購買(mai) ；對於(yu) 商家來說，為(wei) 了擴大銷售範圍、增加市場份額，他們(men) 通常采用特殊的促銷策略，將多種相關(guan) 聯的商品實行深度捆綁和關(guan) 聯銷售。個(ge) 性化驅使商品的生命周期越來越短、淘汰率不斷增大，迫使新品推出越來越快、越來越多；在某些特定的時間點，電商們(men) 會(hui) 采取大麵積的降價(jia) 銷售手段，例如雙十一、聖誕節等，引發消費者大規模的購買(mai) 行為(wei) 。

通常，在社會(hui) 與(yu) 市場的新環境、新形式下會(hui) 湧現出新的商業(ye) 業(ye) 態、模式和行為(wei) 等，這些都為(wei) 供應鏈上的需求與(yu) 供給平衡匹配帶來新的難題，使得企業(ye) 更難以掌握市場需求與(yu) 資源整合，導致需求與(yu) 供給失衡，預測不準。當需求信號傳(chuan) 遞滯後使得采購與(yu) 供給計劃趕不上需求變化時，就會(hui) 造成庫存大量積壓的同時還常常出現庫存短缺的現象。這樣一來，成本的上升吞噬了盈利。

對於(yu) 這些難題，企業(ye) 可以充分利用大數據技術，基於(yu) 已有的業(ye) 務數據，運用商務智能BI和供應鏈管理SCM等信息化技術，對各項關(guan) 鍵業(ye) 務進行深度的挖掘與(yu) 分析，掌握其特性與(yu) 特征，發現改進的機會(hui) 並對其進行優(you) 化，從(cong) 而實現由粗放管理到精細管理的轉變。對於(yu) 改進的業(ye) 務可以落實在采購與(yu) 供給業(ye) 務的各項工作和各個(ge) 方麵，目前應用較多或收獲較大的環節主要表現在需求預測、采購戰略和業(ye) 務規則的製定、采購業(ye) 務的分析與(yu) 改善、供應商的管理、庫存占有量的降低、日常業(ye) 務可視化監控和預警等方麵。

案例分析：大數據驅動聯合利華供應鏈

消費者從(cong) 超市貨架上取走一瓶聯合利生產(chan) 的洗發水對聯合利華（中國）來說，就意味著它的1500家供應商、25.3萬(wan) 平方米的生產(chan) 基地、9個(ge) 區域分倉(cang) 、300個(ge) 超商和經銷商都因此而受到牽動。

這是構成公司供應鏈體(ti) 係的一些基本節點。它的一頭連接著來自全球的1500家供應商，另一頭則是包括沃爾瑪、樂(le) 購、屈臣氏和麥德龍等在內(nei) 的總共約300個(ge) 零售商與(yu) 經銷商所提供的超過8萬(wan) 個(ge) 銷售終端。此外是：清揚洗發水、力士香皂、中華牙膏、奧妙洗衣粉等16個(ge) 品牌將近3000多種規格（SKU）的產(chan) 品，以及在中國超過100億(yi) 元人民幣的年銷售額。每當消費者買(mai) 走一件產(chan) 品，聯合利華整條供應鏈的組織運轉就會(hui) 受到影響。

1.深度數據挖掘與(yu) 需求分析

不同於(yu) 家電、汽車等耐用消費品比較容易預測消費趨勢和周期，快速消費品行業(ye) 由於(yu) 其消費者的購買(mai) 頻次更高，消費結構更為(wei) 複雜，以及銷售過程中充滿許多不確定性，企業(ye) 較難對它做出需求預測。最頭疼的情況是大客戶采購，這種情況可能使超市的現有庫存頃刻間耗盡。為(wei) 了避免類似的手忙腳亂(luan) ，又不想增加庫存加大成本，更不想丟(diu) 失客戶，聯合利華需要準確地預測未來的銷售情況。每天，分散在全國各地的業(ye) 務人員巡店後，將銷售數據輸入到一個(ge) 手持終端，源源不斷地把銷售情況匯總到公司的中心數據庫裏。與(yu) 此同時，直接與(yu) 公司總部數據庫對接的諸如沃爾瑪POS機係統和經銷商的庫存係統等，將店裏的銷售和庫存數據及時反映到公司的中心數據庫中，使不論上海中國總部還是倫(lun) 敦全球總部的管理人員，都能了解到中國超過1萬(wan) 家的零售門店在任何一天內(nei) 的銷售情況和業(ye) 務數據。其餘(yu) 還有7萬(wan) 多個(ge) 銷售終端，數據更新以周為(wei) 單位，這些大樣本的數據來源，可以保證銷售預測的波動（例如令人頭疼和難以預料的團購情況）能被控製在合理的範圍水平內(nei) 。

但僅(jin) 僅(jin) 通過匯總購買(mai) 行為(wei) 這類數據，還不足以準確預測出未來一段時間內(nei) 的需求，那些代表預測銷量和實際銷量的分析曲線，隻是依賴數學模型和複雜的計算完成了理論上的工作，還需要做進一步的分析。這就需要其他的業(ye) 務數據，例如對某產(chan) 品製定的促銷方案是降價(jia) 還是買(mai) 贈、在某時段內(nei) 投入了多少宣傳(chuan) 力度、覆蓋了多少區域或渠道等，都會(hui) 影響到該產(chan) 品最終增加的銷量，同時還要與(yu) 其他業(ye) 務部門如生產(chan) 、采購、財務、市場等團隊進行協同，共同利用這些數據，預測和分析結果。

聯合利華按照16個(ge) 品牌的產(chan) 品形態劃分出四大業(ye) 務類別，每個(ge) 品類都有一個(ge) 團隊來預測產(chan) 品的銷售情況，並分析進一步影響采購、生產(chan) 環節的實際運作。當洗發水以瓶為(wei) 單位售出後，采購部門得到的信息則是原材料A和包裝材料B又將會(hui) 有新的需求，在係統裏一瓶洗發水會(hui) 被分解成40多種原材料，這些數據會(hui) 落實在其物料清單BOM上。

2. 全球協同采購

按照公司實行的全球化範圍的采購與(yu) 生產(chan) 體(ti) 係，消費者購買(mai) 行為(wei) 對采購、生產(chan) 的影響就是全球性的。目前，公司旗下400多個(ge) 品牌的產(chan) 品在六大洲270個(ge) 生產(chan) 基地生產(chan) ，所有涉及原料和包裝材料的采購問題，包括采購地和供應商的選擇，以及采購規模與(yu) 頻次的安排，都是由全球統一進行調配。這種全球化的操作將在成本集約上體(ti) 現出規模效應，但同時也對公司的供應商管理水平提出了挑戰。

2002年，公司在上海成立了全球采購中心，從(cong) 中國向全球出口原料及成品，這裏生產(chan) 的牙膏最遠銷售到智利，中國的供應商總數規模在1500家左右。利用大數據與(yu) 業(ye) 務分析，一些能夠同時提高合作方效率的合作會(hui) 在這裏開展：一些在內(nei) 部被評定為(wei) A級的供應商被視作戰略合作夥(huo) 伴，它們(men) 會(hui) 為(wei) 生產(chan) 提供定製化的材料，而自己的設計與(yu) 研發人員也會(hui) 對供應商的設備、流程等十分熟悉，雙方會(hui) 針對一款新產(chan) 品在很早期就開始合作，聯合利華會(hui) 從(cong) 技術方麵對供應商提供指導。

聯合利華利用大數據對供應商進行管理，有一套全球共同執行的標準。一個(ge) 跨部門的管理團隊每年會(hui) 重新審核供應商等級，對A級供應商更是到場審計兩(liang) 次，不僅(jin) 是技術水平、產(chan) 品質量、資金規模等常規指標，還包括綠色、環保、用工條件等社會(hui) 責任方麵的情況，如果在其中哪個(ge) 方麵沒能達到要求，就將麵臨(lin) 從(cong) 采購名單裏消失的風險。

3. 高效協同生產(chan)

每當商品售出時，生產(chan) 部門就要和計劃部門對接對售出產(chan) 品的數據做出響應。根據售出產(chan) 品的相關(guan) 數據，生產(chan) 計劃經理進行分析並做出決(jue) 策。除了通過需求計劃經理得到需求預測，他還必須獲得其他業(ye) 務信息，例如通過采購團隊掌握所有供應商的交貨能力，通過工廠負責人了解目前生產(chan) 線上的實際產(chan) 能，等等。然後，將這些信息匯聚在一起統籌分析，做出下一段時期內(nei) 的產(chan) 能供應水平。

根據這些大數據，工廠最終製定出生產(chan) 安排，指揮一個(ge) 年產(chan) 值為(wei) 140億(yi) 元的生產(chan) 係統在每一周、每一天裏如何調度它的每一家工廠、每一條生產(chan) 線、按照速度和專(zhuan) 長的不同安排生產(chan) （洗發水生產(chan) 線就有十多條），完成300多個(ge) 規格(SKU)的洗發水生產(chan) ，以盡可能達到產(chan) 能最大化，以滿足那些分散在全國各地甚至世界其他地區不斷增長的購買(mai) 需求。關(guan) 於(yu) 消費者打算在何時何地購買(mai) 這瓶洗發水的行為(wei) ，將給聯合利華的分析人員帶來一道複雜的統籌學問題。

4. 渠道供應鏈管理，贏在貨架

聯合利華在全國設有9個(ge) 銷售大區，首先成品從(cong) 合肥生產(chan) 基地的總倉(cang) 發往上海、廣州、北京、沈陽、成都等9個(ge) 城市的區域分倉(cang) 。為(wei) 了保證這瓶洗發水能夠準時到達最終的貨架，分銷資源計劃員既要規劃路線，又要考慮庫存成本和各條運輸線上波動的運輸能力。比如，春節將是聯合利華產(chan) 品的銷售旺季，而臨(lin) 近春節時往西方向的鐵路線會(hui) 很擁擠，公路運輸也比較忙，這還考慮很多發生在路上的臨(lin) 時突發的狀況。因此，必須有充足的數據進行詳細周密的分析，並與(yu) 其他業(ye) 務部門協商，做出例如“規劃如何在西區提前建立庫存”等的決(jue) 策。

聯合利華用活了數據，從(cong) 超市貨架上每個(ge) 產(chan) 品的變化，一直到自己的供應商，這是一條能產(chan) 生出高價(jia) 值的數據鏈路，而利用鏈路上每一節點的數據來優(you) 化和改進業(ye) 務，使得業(ye) 務運營獲得了驕人的好成績。例如通過對缺貨的分析，找出導致一瓶洗發水在貨架上缺貨的真正原因：是門店方麵沒有及時下單，還是係統虛庫存，又或者是因為(wei) 庫存堆放問題等，找到了真正的原因改進了缺貨率，使其重點門店的貨架滿足率提高到了98%，上升了8%（貨架有貨率每提高3%，就會(hui) 帶動產(chan) 品銷售提高1%）；又如與(yu) 超商啟動了回程車項目優(you) 化，在聯合利華合肥總倉(cang) 、樂(le) 購嘉善總倉(cang) 、樂(le) 購合肥門店之間，把雙方的取貨、發貨和運輸線路放在一起進行分析和優(you) 化設計，減少了返程時的空車率，節約了10%左右的物流成本，同時也完成了公司對碳排放降低的要求；再如，通過分析與(yu) 優(you) 化，提升了服務效率和客戶的投資回報率。2011年聯合利華的這一排名從(cong) 2004年的20名之外上升至第二名，實現了它“贏在客戶”的目標規劃，無論在它的銷售、采購、庫存、生產(chan) ，還是在物流等方麵的業(ye) 務都有了很大的提升。

 

三、大數據環境下采購和供應鏈管理的優(you) 化與(yu) 決(jue) 策

日益複雜的商業(ye) 環境使供應鏈網絡結構的合理性問題成為(wei) 當前供應鏈管理的一個(ge) 重要難題，也是企業(ye) 供應鏈管理麵臨(lin) 的一個(ge) 全新挑戰。企業(ye) 與(yu) 供應鏈管理人員麵臨(lin) 著不斷提升客戶滿意度、迎接全球化經營的挑戰，他們(men) 希望能不斷地擴張業(ye) 務並占領更多的市場，能開發和生產(chan) 更多更好的產(chan) 品，在最恰當的時間和地點、以最低廉的成本、最優(you) 惠的價(jia) 格、最好的狀態與(yu) 質量為(wei) 最合適的客戶提供最佳的商品和服務，能有效地識別和確定供應鏈策略來實現成本與(yu) 服務的平衡，並以此獲得自身的利益最大化。

長期以來，企業(ye) 與(yu) 供應鏈的管理者苦於(yu) 缺乏有效的管理方法和技術手段，無法實現科學與(yu) 正確的決(jue) 策與(yu) 優(you) 化，來指導業(ye) 務實現最佳運營，比如：

在原有的服務水平基礎上，原料/零部件應從(cong) 何處獲得成本最低？如何在保持該成本基本不變的情況下提升服務水平?

應采取什麽(me) 采購策略來平衡既定的成本與(yu) 服務？

是自行建立倉(cang) 庫還是由供應商建立倉(cang) 庫？設在何處最合適？

倉(cang) 庫裏的貨物應該為(wei) 哪些生產(chan) 或經營點供貨？供應多少並以什麽(me) 方式供給為(wei) 最佳？

如果投入新品或開拓新市場，如何整合現有/新供應商的能力支持目標生產(chan) 產(chan) 能？

在季節性需求將增加時應提前儲(chu) 備多少庫存存貨？

當供給能力出現不足時是開拓現有供應商供貨能力還是尋求新供應商？

應該在哪些工廠（DC、倉(cang) 庫等）生產(chan) （配送、存儲(chu) 等）哪些產(chan) 品？分別生產(chan) （配送、存儲(chu) ）多少能夠實現價(jia) 值最大化？

是否要增加（或減少）經營設施（工廠、倉(cang) 庫、DC、服務中心、門店等）？

倉(cang) 庫（DC）裏各種物資的庫存策略怎樣製定才能最大限度地降低庫存和減少缺貨？

某個(ge) 供應商（工廠、DC、倉(cang) 庫）應該給下遊哪些節點提供供給？供給什麽(me) ？分別供給多少利潤最大？

整個(ge) 分銷與(yu) 配送網絡應該設置幾級庫存？分別是怎樣的庫存量設置才能即時滿足市場需求，又同時實現網絡庫存最小化？

應該怎樣定價(jia) 和用什麽(me) 方式的促銷才能以最低的成本增加銷售額？

上述問題的複雜性在於(yu) 其涉及到極多因素和這些因素之間的平衡，想要通過“拍腦門”的人工方式或簡單的計算根本無法解決(jue) 。要想對這些問題做出最優(you) 化的決(jue) 策，必須有大數據為(wei) 基礎，用BI分析提煉數據，有供應鏈管理係統的模擬優(you) 化功能對整個(ge) 供應鏈網絡或某些局部環節進行模擬優(you) 化。模擬優(you) 化的對象可以是事件、設施、路徑、流程、產(chan) 品、運輸、節點等，也可以是這些元素組成的網絡以及相關(guan) 的業(ye) 務，既可以是單目標優(you) 化，也可以是多目標優(you) 化。一般情況下，供應鏈的優(you) 化決(jue) 策工作原理與(yu) 流程圖如圖11所示。

 

 

 

 

 

 

案例：供應鏈優(you) 化案例―福特公司供應鏈供給業(ye) 務的優(you) 化

為(wei) 了增強競爭(zheng) 力，福特公司采用業(ye) 務數據和優(you) 化工具成功地與(yu) 它的數千個(ge) 供應商和服務商實現了緊密的業(ye) 務連接。

福特公司在全球有4000多個(ge) 供應商，為(wei) 它分布於(yu) 全球的100多個(ge) 製造工廠供貨。福特的目標是渴望能有一種好的方法來優(you) 化其複雜的、覆蓋全球的供應與(yu) 生產(chan) 網絡，采用互聯網將其汽車生產(chan) 的供給業(ye) 務、供應商和服務商連接在一起，直接與(yu) 供應商和物流服務商交換並共享發送物料與(yu) 生產(chan) 計劃的信息。它采用供應鏈優(you) 化建模的方法，可以同時對一個(ge) 接近無限元素的數據類組進行篩選和評估，在此基礎上進行優(you) 化，為(wei) 福特提供一個(ge) 可選擇的基於(yu) 排序的決(jue) 策流程。

優(you) 化係統在獲得與(yu) 部件和生產(chan) 業(ye) 務相關(guan) 的數據後，產(chan) 生一個(ge) 優(you) 化的、與(yu) 福特預定的供給業(ye) 務優(you) 先權相吻合的優(you) 化供給流程。這些優(you) 先權因素可以很容易地被引入到每一次的模擬運行中，這使福特能夠平衡供應鏈網絡中的元素和細微的差異，從(cong) 而提供了具有“what if” 的高級分析功能。

例如，某些生產(chan) 計劃經理可能打算在他們(men) 的工廠裏實施特殊的策略和處理過程來接收和管理庫存與(yu) 部件，如在自己的倉(cang) 庫裏保持少於(yu) 2個(ge) 小時的庫存量這樣的策略。在實施這些業(ye) 務變革前，可以在優(you) 化係統中插入約束因素，然後通過該係統觀察約束因素對供給成本和網絡中其它因素產(chan) 生的影響。運用這種優(you) 化方法，福特公司就可以做出優(you) 化的決(jue) 策。例如，“如果花費了X去做某事，是否能夠得到大於(yu) X的價(jia) 值呢？”“在供給網絡中，這是一個(ge) 正確的業(ye) 務決(jue) 策嗎？”。

福特公司的網絡相當複雜，全球供給部門雇傭(yong) 了300名左右的物流專(zhuan) 業(ye) 人員從(cong) 事將進貨物料運送到裝配點，將汽車從(cong) 工廠送給經銷商和全球客戶等業(ye) 務。總裝廠的整車平均需要大約2500個(ge) 部件。接近4000個(ge) 全球供應商運送零部件和組件到31個(ge) 生產(chan) 發動機和轉速器的工廠、13個(ge) 衝(chong) 壓廠和54個(ge) 裝配廠。從(cong) 那些裝配廠，整車被運往200多個(ge) 國家的20000多個(ge) 經銷商處。福特每年65億(yi) 美元的運輸費用實際上包含了所有現有的現代化的運輸模式。

為(wei) 了更靠近客戶，福特轉向了麵向定單的生產(chan) ，由消費者驅動業(ye) 務環境和采用精益製造的生產(chan) 方式，它希望物流部門能提供一個(ge) 建立在潛在資源基礎上的“完善的、及時的和可重複的物流成本評估方案”。另一個(ge) 期望是在計劃中，實現將進貨物流與(yu) 同步化的物料流集成在一起的目標和策略。這樣做麵臨(lin) 的挑戰是美國鐵路係統在服務方麵的欠缺，運輸形式需要轉向公路運輸。

然而，工廠一級的阻礙經常破壞了計劃的執行，例如進貨卡車無法在預定的地點卸貨，無法直接將部件和組件運送到各個(ge) 裝配線上的問題常有發生，等等。福特清楚地了解到，它必須將自己的物流流程與(yu) 物流夥(huo) 伴的流程緊密集成在一起，才能實現這一目標。福特的物流服務商包括Penske、Worldwide Logistics、FedEx 和Autogistics（ UPS的一個(ge) 分公司）等，福特認為(wei) 與(yu) 這些服務商無縫集成業(ye) 務的基礎是信息的集成與(yu) 共享。

福特在三個(ge) 階段上對縮短新車型項目的供給進貨周期做了優(you) 化，即：戰略階段、戰術階段和運作階段。戰略階段包括資源決(jue) 策，例如，由一個(ge) 工廠變化而產(chan) 生的多種資源方案、貨幣與(yu) 貿易問題、市場問題等。然後，這些信息被輸入到一個(ge) 策略模擬製定方案中，供應與(yu) 物流成本在這一模擬過程中被評估後，再反饋到戰略優(you) 化過程。當資源決(jue) 策方案確定後，運作計劃過程就開始了。福特將其物流需求提供給那些領先的物流服務商，由它們(men) 通過設計物流網絡來支持該計劃。這個(ge) 係統不僅(jin) 使福特能快速、靈活地適應變化的情況，還增加了對供給策略的可預見性。

最具影響的是以最小的總成本優(you) 化北美裝配廠的物料進貨越庫作業(ye) （cross -docking）的數量和理想位置，福特對相關(guan) 成本因素和供應鏈網絡的影響與(yu) 約束進行了建模分析。對於(yu) 21個(ge) 裝配廠、1500個(ge) 供應商和46000個(ge) 不同的進貨零部件和組件，優(you) 化係統在特定的假設下進行模擬。根據需求量檢查了供應商的位置和需求點後，福特原準備在供應鏈網絡上設置45個(ge) 配送中心作為(wei) 越庫作業(ye) 的場所，經過近2個(ge) 月時間的建模和模擬分析，優(you) 化方案隻要求15個(ge) 越庫作業(ye) 場所，大大節約了成本。

隨後，進入了“what if”分析階段，需要考慮在什麽(me) 地方引入其它的資源，例如來自於(yu) 福特企業(ye) 內(nei) 部其它地方和外包商的資源。全球供應鏈技術部門在改變成本、數量、頻率和其它因素的情況下，運行了40 多個(ge) 模擬方案並進行求解。對每一個(ge) 方案，從(cong) 模擬變化到生成適應業(ye) 務環境的結果，大約需要一小時的時間。

同時，數據采集與(yu) 優(you) 化也是一項關(guan) 鍵工作，供應鏈網絡中點與(yu) 點直接平滑順暢的數據流對於(yu) 優(you) 化過程是非常重要的。最初，由於(yu) 缺乏對大數據進行收集存儲(chu) 與(yu) 分析處理的工具與(yu) 能力，傳(chuan) 統的優(you) 化工作中所花費的時間比例為(wei) ：90%的努力是用於(yu) 收集和輸入數據，5%用於(yu) 過程分析，其它5%用在輸出結果。但采用優(you) 化係統後，這一比例發生了顯著的變化：優(you) 化工作的5 %用在數據的處理與(yu) 輸入、5%用在過程分析、5%用在輸出結果、75%用在對結果進行分析。其餘(yu) 時間被用於(yu) 回顧優(you) 化過程和對方案進行選擇。正如Koenigbauer評論說：“現在，我們(men) 用75%的時間分析來自優(you) 化係統的輸出，思考下一個(ge) 方案對我們(men) 的業(ye) 務真正意味著什麽(me) 。我們(men) 還具有與(yu) 其它業(ye) 務部分集成的能力，能與(yu) 我們(men) 內(nei) 部的同事協調解決(jue) 物料送達到工廠的問題。”“如果你有一個(ge) 相當好的供應鏈網絡，簡單地利用優(you) 化係統，就能將效率提高20－30%。在進貨物料項目中，我們(men) 不僅(jin) 節約了運輸成本，而且在交貨頻率明顯增加的情況下保持運輸成本不變。我們(men) 從(cong) 每天平均22%的零部件進貨率增加到每天97%的進貨率。這對福特來說是一個(ge) 巨大的效益。”

四、結束語

中國地大物博人眾(zhong) ，是一個(ge) 天然的大數據市場。易觀智庫（EnfoDesk）研究發現，2014年將是中國供應鏈大數據快速發展的一年，29億(yi) 元的市場規模，增長率達到42%。供應鏈大數據應用企業(ye) 必須提前布局占據有力地位，到2016年，中國供應鏈大數據市場規模將達到59.6億(yi) 元。如圖12所示。

從(cong) 國內(nei) 數據中心的發展曆程來看，國內(nei) 數據大集中從(cong) 銀行業(ye) 開始，逐步發展到保險、電信、電力等國有大型企業(ye) 。目前為(wei) 止，國內(nei) 實現大數據集中的行業(ye) 包括公共事業(ye) 、金融、電力等；未來實現大數據集中的行業(ye) 包括醫療、汽車、零售、製造等；能夠率先實現大數據增值的行業(ye) 主要包括電子商務、物流等。

目前我國供應鏈大數據產(chan) 業(ye) 正處於(yu) 起步期，未來幾年將快速發展。有深度行業(ye) 積累的供應鏈協同數據平台將是未來若幹年資本主要進入的領域。第三產(chan) 業(ye) 供應鏈協同應用市場的進入空間較大，尤其以醫療、金融、電子商務等細分領域需求較高。第二產(chan) 業(ye) 供應鏈協同市場成熟度逐步提高，尤其以物流、汽車、零售、公共事業(ye) 為(wei) 主要領域，供應鏈協同數據將起到市場升級的核心驅動作用。

 

 

IDC公司預計，大數據技術和服務市場的增長在去年同期以27％的速度增長，在2017年金額達32.4十億(yi) 。這些都說明大數據的應用具有十分廣闊的前景。麵對大數據的浪潮，我國的企業(ye) 應該快速迎接挑戰，緊緊抓住機會(hui) ，特別是采購與(yu) 供應鏈的管理人員，必須充分認識數據的重要價(jia) 值，積極利用大數據和其他相關(guan) 信息化管理工具，在采購供給業(ye) 務中

開展應用，把握業(ye) 務規律，發現業(ye) 務機會(hui) ，對各項業(ye) 務快速做出科學正確的優(you) 化決(jue) 策，並指導采購業(ye) 務的執行，為(wei) 企業(ye) 和供應鏈的經營保駕護航，充分利用大數據應用的價(jia) 值實現企業(ye) 和供應鏈管理的利潤最大化和價(jia) 值最大化。