What y big data tienen amplias aplicaciones en toda la cadena de suministro.
El what y el big data se utilizan ampliamente en toda la cadena de suministro. En la era digital, el análisis de datos se ha convertido poco a poco en una de las habilidades esenciales de los empleados. Así que preste atención al análisis de datos. Entonces, ¿qué y cómo se utiliza ampliamente el big data en toda la cadena de suministro?
¿Qué y big data se utilizan ampliamente en toda la cadena de suministro? 1Desafíos y oportunidades que la era del big data trae a las adquisiciones y la cadena de suministro.
1. La era del big data y sus características
Big data se refiere a la enorme cantidad de datos involucrados. Con el progreso continuo de los tiempos y el rápido desarrollo de la ciencia y la tecnología, tecnologías como Internet, Internet de las cosas, las comunicaciones móviles, la informatización de la gestión y el comercio electrónico continúan penetrándose entre sí, afectando todos los aspectos del país, las empresas. y el sustento de las personas. Hoy en día, la gente utiliza big data para describir y definir los datos masivos generados en la era de la explosión de la información, así como la información y el conocimiento que se pueden capturar, gestionar, procesar y organizar en un tiempo razonable para ayudar a las personas a afrontar los asuntos y tomar decisiones. decisiones.
Según el Centro de Datos de Internet de EE. UU., los datos en Internet crecerán un 50% cada año y se duplicarán cada dos años. Actualmente, más del 90% de los datos del mundo se generaron en los últimos años. En 2020, la escala de datos generados a nivel mundial alcanzará 44 veces la de hoy. A juzgar por la creciente cantidad de datos cada día, el mundo ha entrado en la era del big data.
La era del big data pone de relieve la importancia de los recursos de datos. En 2012, la administración Obama anunció una inversión de 200 millones de dólares para promover el desarrollo de industrias relacionadas con big data, elevó la "estrategia de big data" a estrategia nacional, definió big data como el "nuevo petróleo del futuro" y consideraba la posesión y el control de datos como otro activo nacional fundamental además de los derechos nacionales. En 2013, el gobierno francés publicó su "Hoja de ruta digital", que enumera cinco altas tecnologías estratégicas, y el "big data" es una de ellas.
En 2012, el Ministerio de Asuntos Internos y Comunicaciones de Japón emitió el Plan de Acción de 2013, que establecía claramente “abrir nuevos mercados a través de big data y datos abiertos”. El "Libro Blanco del Gobierno de Big Data" publicado por las Naciones Unidas en 2012 señaló que los big data son una oportunidad histórica para las Naciones Unidas y varios gobiernos. China también ha considerado la industria de big data como una industria estratégica y ha establecido un "Comité de Expertos en Big Data".
Las diez principales predicciones de tendencias de "big data" en 2014 incluyen la alianza entre la comercialización y el intercambio de datos y el desarrollo gradual del entorno ecológico de big data. Al mismo tiempo, el Comité de Expertos en Big Data predice que en 2014 los big data tendrán importantes aplicaciones en los campos de Internet y el comercio electrónico, las finanzas (predicción del mercado de valores, análisis financiero) y la atención sanitaria (seguimiento y predicción de epidemias, etc.). ), bioinformática, farmacia, etc.
La era del big data es una era en la que se aprovecha al máximo su valor. Según un informe de investigación de Symantec, la capacidad total de almacenamiento de información de las empresas globales ha alcanzado los 2,2 ZB (1ZB=1024EB, 1EB=1024PB), con una tasa de crecimiento anual del 67%. El mundo genera 1.700 terabytes de datos cada minuto, pero no son sólo las cifras lo que nos fascina, sino lo que hacemos con los datos.
El big data se puede aplicar a todos los ámbitos de la vida. En términos de macroeconomía, IBM Japón estableció un sistema de pronóstico de indicadores económicos, buscó 480 datos económicos que afectan a la industria manufacturera en noticias de Internet y calculó el valor de pronóstico del índice de gerentes de compras de la Universidad de Indiana utilizando la herramienta de análisis de sentimiento proporcionada por Google para resumir; 6 emociones de los comentarios de casi 10 millones de internautas y luego predice cambios en el Promedio Industrial Dow Jones con una precisión del 87%.
En el sector manufacturero, los fondos de cobertura de Wall Street analizan las ventas de productos de las empresas basándose en las opiniones de los clientes en los sitios de compras. Algunas empresas utilizan el análisis de big data para lograr adquisiciones y una gestión razonable del inventario, y analizan datos en línea para comprender las necesidades de los clientes y captar las tendencias del mercado, etc.
Según McKinsey & Company, el big data aportará un valor de 300.000 millones de dólares a la industria de servicios médicos de EE. UU., aumentará el beneficio neto de la industria minorista de EE. UU. en un 60 % y reducirá los costes de desarrollo y montaje de productos. en la industria manufacturera. Las nuevas demandas generadas por los big data promoverán el desarrollo innovador de toda la industria de la información; según las últimas investigaciones del Centro de Investigación Económica y Empresarial, los big data agregarán más de 21,6 mil millones de libras (aproximadamente 346,7 mil millones de dólares estadounidenses) en potencial. beneficios para la economía británica.
2. Retos y oportunidades que trae la era del big data a las adquisiciones y la cadena de suministro.
En primer lugar, el entorno empresarial y los modelos de negocio son cada vez más complejos, turbulentos, diversos y personalizados. En segundo lugar, el rápido desarrollo de los modelos de negocio del comercio electrónico rompe las fronteras nacionales, lo que lleva a un rápido aumento de los negocios transfronterizos y a actividades comerciales frecuentes, acompañadas de un fuerte aumento del volumen de datos. . En tercer lugar, el procesamiento de aplicaciones de big data se ha convertido en un foco importante del desarrollo de la competencia empresarial y social. En cuarto lugar, la extracción eficaz de big data se ha convertido en una cuestión importante que afrontamos en estos tiempos. Por último, muchas empresas no comprenden plenamente la importancia del big data y su valor.
¿Qué y big data se utilizan ampliamente en toda la cadena de suministro? 2¿Por qué son tan importantes los datos oportunos y precisos en la gestión de la cadena de suministro?
1. Tipos de datos en la cadena de suministro
Existen muchos tipos de datos, uno de los cuales es dividirlos en datos estáticos y datos dinámicos. El primero incluye información relativamente fija, como información básica de la empresa, modelo de producto, precio de compra, lista de materiales, etc.
Esta última es principalmente información transaccional, como la producción diaria de la línea de producción, el número de pedidos de los clientes, la cantidad real recibida del almacén, la ubicación del transporte, etc.
Mientras los datos estáticos sean precisos, no existe ningún requisito de tiempo real. Por ejemplo, el nombre de la empresa generalmente no se cambiará, siempre que la dirección de la empresa, la persona jurídica y el número de cuenta bancaria sean correctos.
Los requisitos para los datos dinámicos son muy altos y no sólo deben ser precisos, sino que también deben reflejar la situación real en cada momento.
Todo el mundo tiene experiencia en compras online. Una vez que la mercancía sale del almacén, la empresa de mensajería actualizará la ubicación del paquete a intervalos regulares. Esto se logra mediante el posicionamiento GPS en el vehículo y luego, según el plan de entrega del camión, se puede indicar el tiempo de entrega aproximadamente. A través del GPS de un camión, se puede rastrear la carga de todo el camión, que es la relación entre 1 y N, por lo que el costo de obtener datos dinámicos no es alto.
La situación en la fabricación discreta es mucho más compleja. Es necesario rastrear un artículo hasta el proveedor de la materia prima. Después de ingresar a la fábrica, debe pasar por varios centros de producción y procesamiento diferentes y luego completar el ensamblaje y la inspección antes de que pueda almacenarse y distribuirse a distribuidores o minoristas posteriores.
Rara vez colocamos dispositivos de seguimiento y posicionamiento en materias primas a menos que las mercancías sean de alto valor o existan requisitos reglamentarios obligatorios al respecto, como los productos farmacéuticos.
Si desea realizar un seguimiento del progreso de la producción, debe utilizar la tecnología Industria 4 y 0 para instalar sensores en cada dispositivo, y el sistema cargará automáticamente los datos después del procesamiento. Si se instalaran sensores en todos los equipos de producción y manipulación interna, sería demasiado pesado para una fábrica y no sería rentable. A excepción de algunas empresas de referencia de la industria, para la mayoría de las fábricas, la idea de producir datos en tiempo real no es sólida.
2. ¿Por qué la cadena de suministro necesita datos oportunos y precisos?
Hablando de eso, la cadena de suministro tiene una fuerte demanda de datos precisos y oportunos, porque necesitamos establecer vínculos fluidos entre todos los servicios de producción, distribución, adquisiciones y posventa. Además, hay dos factores clave que hacen necesario que obtengamos puntualidad y precisión.
2.1 Mejorar la visibilidad de la cadena de suministro.
Para los actores de la cadena de suministro, las cuestiones clave de visibilidad incluyen los tiempos esperados de producción y entrega de los bienes. Por ejemplo, un proveedor promete la entrega en 30 días, pero en realidad tarda 45 días. Debido a que el precio de algunas materias primas ha aumentado, el proveedor necesita más tiempo para encontrar fuentes de suministro en el mercado. No está dispuesto a comprar materias primas más caras porque esto aumentará los costos a menos que el cliente esté dispuesto a aceptar los requisitos de ajuste de precios del proveedor. .
La ubicación del inventario de materias primas y repuestos también pertenece a la visibilidad. Los clientes deben organizar planes posteriores de producción y ventas basados en esta información, lo que depende en gran medida de la precisión de la información. Cuando un proveedor se compromete a entregar productos a la fábrica de un cliente en un día determinado, la cadena de suministro introduce esta información en el sistema y la utiliza como base para un plan de producción. Ventas notificará a los clientes según la fecha de finalización de la producción, que está estrechamente relacionada.
Una vez que la información del proveedor es incorrecta y los productos llegan más tarde del tiempo prometido, afectará los arreglos posteriores de la cadena de suministro, lo que conducirá a la llamada situación de "el plan no puede mantenerse al día con los cambios".
El seguimiento de las fechas de entrega y las ubicaciones del inventario es solo una visibilidad rudimentaria. Una necesidad más profunda es poder proporcionar una alerta temprana del riesgo de interrupción de la cadena de suministro. Con base en la información disponible, debemos determinar cuándo y dónde ocurrirá la escasez y qué impacto tendrá en la producción y las ventas.
Por ejemplo, si a la línea de producción le faltan algunas piezas, dejará de funcionar durante 4 horas. Si la producción por hora es de 100 juegos de productos y el precio de cada juego es de 200 yuanes, entonces la pérdida es igual a 4*100*200=80.000 yuanes.
Por supuesto, en el mundo real, el método de cálculo es más complicado. La escasez de una determinada materia prima implicará más de N productos y más de N clientes. Si se mejora la visibilidad, se pueden anticipar posibles escaseces de suministro futuras y responder a ellas lo más rápido posible.
Para lograr esto, es necesario transferir automáticamente datos entre el upstream y el downstream de la cadena de suministro de manera oportuna y precisa, minimizando la intervención humana.
2.2 Mejorar la eficacia del plan.
Un elemento importante para la planificación de previsiones son los registros históricos de ventas. A partir de datos y combinados con modelos de previsión, se realizan previsiones a medio y largo plazo.
Para las empresas manufactureras, las finanzas requieren aportaciones de la cadena de suministro para formular planes de negocio futuros y diversos presupuestos, como inventario, volumen de compra, flete, etc.
La precisión de los datos subyacentes es muy importante. Todos los planes se basan en estos datos, hacen coincidir el modelo de datos y luego lo "procesan". La cadena de suministro dedicará algún tiempo al mantenimiento de los datos para garantizar la precisión de los datos básicos.
Sabemos que las predicciones siguen reglas y son más precisas en el futuro próximo que en el largo plazo. Al igual que pronosticar el tiempo, el pronóstico del tiempo es más preciso para el tiempo de mañana y cuanto más tarde es, menos preciso es.
Para mejorar la precisión de los pronósticos, la cadena de suministro necesita obtener los datos más recientes, por lo que la precisión del plan es mayor. Las fluctuaciones de la demanda son cada vez más frecuentes, posiblemente cada día. Para poder hacer juicios más precisos, debemos utilizar los datos más recientes.
3. Cuestiones clave para obtener datos oportunos y precisos
Considerando las dos motivaciones anteriores, la cadena de suministro se ha esforzado por obtener los datos más oportunos y precisos. Hay algunas cosas a las que prestar especial atención aquí.
3.1 Recopilación automática de datos
Si es posible, debemos hacer todo lo posible para recopilar y transmitir datos en tiempo real. Los datos se almacenan en todos los nodos dentro y fuera de la cadena de suministro. Para mejorar la confiabilidad y puntualidad de los datos, el mejor método es la recopilación automática.
Lograr esto internamente es relativamente fácil y se puede lograr invirtiendo en herramientas digitales e implementando proyectos de TI.
Es más difícil de implementar en socios externos, y el mayor obstáculo es * * * el miedo a la filtración de secretos comerciales después de disfrutar de los datos.
Al proveedor le preocupa que si el cliente conoce la información de su proveedor ascendente, pueda saltarse al intermediario y evitar que siga ganando la diferencia de precio. Por lo tanto, al acoplar el sistema, asegúrese de compartir solo datos que se puedan compartir, como las especificaciones de embalaje.
3.2 Controlar el acceso a datos relevantes
Otorgar a los usuarios derechos de acceso a datos específicos en función de sus funciones en la empresa. Por ejemplo, las órdenes de compra solo pueden ser creadas y modificadas por los planificadores de compras, y otras personas de la empresa solo tienen derechos de visualización.
Lo mismo ocurre con los socios externos. Los clientes pueden ver la información del inventario de proveedores, pero no tienen acceso a secretos comerciales, como el análisis de costos de los productos básicos.
3.3 Esforzarse por mejorar y mantener la precisión de los datos.
Necesitamos mejorar continuamente la precisión de los datos, cuya clave es la recopilación y el ingreso de datos. Necesitamos mantener los datos con regularidad. Por ejemplo, si hay números negativos en el inventario o en la cuenta de retrolavado del sistema, significa que hay un problema con los datos en algunos lugares y puede haber lagunas en el proceso. Necesitamos encontrar el problema y solucionarlo lo más rápido posible.
Los datos son la base de la cadena de suministro y nos proporcionan la base para formular varios planes. Si bien lograr datos precisos y oportunos es un poco costoso, en una época de gran interrupción en la cadena de suministro, la inversión ciertamente dará sus frutos.
Qué y big data se utilizan ampliamente en toda la cadena de suministro, y 3 big data se han convertido en un arma en la cadena de suministro.
Las industrias minorista, manufacturera, de servicios (no financiera) y médica representan la mayor parte del big data de la cadena de suministro de China, representando aproximadamente el 83 % de la cuota de mercado, mientras que la energía solo representa el 1 %. . Según las previsiones de Analysys Think Tank, el tamaño del mercado de big data de la cadena de suministro de China alcanzará unos 6.000 millones en 2016 (excluyendo la financiación de la cadena de suministro).
El informe divide los big data de la cadena de suministro en cuatro tipos: datos estructurados, datos no estructurados, datos de sensores y datos nuevos, que cubren datos de transacciones, datos de períodos de tiempo, datos de inventario, datos de servicio al cliente y datos de ubicación. El informe muestra que actualmente los macrodatos se han utilizado ampliamente en los eslabones de la cadena de suministro, incluidos la logística, los servicios y las finanzas.
Impulsar eficazmente la reforma del modelo logístico
En la cadena de suministro, el papel del big data se refleja primero en la logística.
Los datos publicados por el Centro de Información de Logística de China el 26 de diciembre de 2014 mostraron que de enero a noviembre, el volumen total de logística social a nivel nacional fue de 196,9 billones de yuanes, un aumento del 8,3% basado en precios comparables y una disminución del 1% con respecto al mismo período del año pasado. A juzgar por la situación de los últimos cinco años, la tasa de crecimiento de los activos de las empresas de logística se ha desacelerado gradualmente y la eficiencia operativa de las empresas de logística ha sido débil.
En este caso, las empresas de logística necesitan brindar servicios que superen las expectativas del cliente desde la perspectiva de la extensión de valor y desarrollarse con la idea de una logística eficiente y servicios de valor agregado, y el big data es el elemento básico. para que las empresas de logística brinden servicios de valor agregado. Además, con el surgimiento de muchos modelos logísticos especializados, el núcleo de la reducción de los costos de la cadena de suministro será el uso de activos de datos. Los macrodatos pueden promover eficazmente la transformación de modelos logísticos eficientes y son un medio eficaz para reducir los costos logísticos.
Utilizando big data, las empresas pueden cooperar con el Centro de Servicios Meteorológicos de China para recopilar información relacionada con las carreteras, proporcionar pronósticos meteorológicos en las carreteras y servicios en vivo, optimizar las rutas de conducción y realizar monitoreo, evaluación y gestión en tiempo real. de vehículos y mercancías. Alerta temprana y trazabilidad inteligente del transporte de productos.
A través de big data, las empresas pueden predecir y evaluar riesgos de manera efectiva basándose en factores de toma de decisiones como el tiempo de logística, el costo, el servicio, los datos de logística y las necesidades del cliente, y tomar decisiones razonables, precisas y científicas. Utilizando datos de logística, las empresas pueden hacer predicciones detalladas de tiendas regionales y en línea para ayudar a las plataformas de comercio electrónico y a las empresas de entrega urgente a tomar decisiones rápidas.
Por ejemplo, la “logística predictiva” patentada por Amazon es un modelo que utiliza big data para obtener información sobre las necesidades de los usuarios. La "logística predictiva" detectará el tiempo que el usuario pasa el mouse sobre el producto y luego considerará de manera integral el historial de compras, el historial de búsqueda, la lista de deseos, etc.
Por lo tanto, basándose en estos datos masivos, se puede predecir el comportamiento de compra de los usuarios y estos productos pueden enviarse fuera del almacén con anticipación y almacenarse en el centro de consignación. Cuando el usuario realmente realiza un pedido, se puede enviar inmediatamente. Al utilizar big data, Amazon ha acortado considerablemente el tiempo de entrega de los productos.
Crear modelos de pronóstico para mejorar los efectos de sinergia
Las empresas de logística pueden crear modelos de pronóstico basados en análisis de big data para lograr pronósticos precisos de las ventas de productos y luego lograr cálculos precisos del inventario futuro. La asignación de inventario en fábricas, mercados regionales y mercados locales es más razonable, mejorando así la sinergia. Al dominar completamente todos los datos básicos del proceso logístico de la cadena de suministro y combinar sus propios recursos y capacidades, las empresas pueden controlar y supervisar toda la cadena de suministro.
Por ejemplo, la tarifa de alquiler de automóviles de CAR Inc. una vez alcanzó un cierto nivel y algunos automóviles estaban vacíos. Al utilizar SAPHana, una plataforma de base de datos lanzada por SAP, CAR Inc. optimizó el proceso y una vez más aumentó la utilización de vehículos en un 65.438+05 %.
Proporcionar servicios financieros precisos
Utilizar tecnología de big data para realizar análisis de la industria y de fluctuación de precios, proporcionar alertas tempranas, evitar riesgos crediticios, realizar evaluaciones crediticias de clientes objetivo y aprobar transacciones a corto plazo. Pequeños préstamos a plazo, brindando préstamos con servicios financieros y logísticos precisos.
Por ejemplo, para lograr la conexión entre los bancos y las pequeñas y medianas empresas de comercio exterior y romper la asimetría de la información, Yitong Company, una subsidiaria de Alibaba, utiliza sus propias capacidades de procesamiento de sistemas para integrar la supervisión. , solicitud, entrega, reembolso, préstamos y otros trabajos financieros relacionados se integran en una plataforma de procesamiento de red de información unificada y se controla todo el proceso de transacción.
Adquiera datos e información detallada sobre el proceso de transacción, utilice la función de plataformas de servicios de terceros para verificar la autenticidad del comercio corporativo, logre interacción de información, colaboración comercial y transparencia de transacciones entre todas las partes, y encuentre soluciones viables a los problemas de financiación de las pequeñas y medianas empresas.
En la financiación de la cadena de suministro, los macrodatos también pueden proporcionar muchos servicios de valor añadido. Utilice big data para obtener información sobre la demanda de los usuarios de la fuente, obtener información sobre las necesidades potenciales y proporcionar consultas de información para la cadena de suministro; puede realizar una gestión de crédito integral para los clientes ascendentes y descendentes de las finanzas de la cadena de suministro, formar una supervisión interactiva y mecanismo de control, y reducir los costos y riesgos de transacción, analizar y predecir el desempeño de la cadena de suministro, guiando la gestión de la cadena de suministro, especialmente la operación de los datos colaborativos de la cadena de suministro.