大数据时代,供应链管理将面临深刻变革
供应链是一个系统,是由很多的公司或者实体、人和各类资源组成的有机系统。这个系统的目的是以可接受的成本将产品或服务提供给终端客户——这是供应链的基本定义。
在供应链管理中有三个要点:第一是物流,第二是信息流,第三是资金流。其中,物流是生产原料或产品在公司之间的传递以及在公司内部的转换。在优秀企业的供应链管理中,物流、信息流和现金流一定是协同整合在一起的。
供应链管理核心思想有两点——
首先,供应链中通常会有很多企业参与产品和服务的供给,因此企业之间的协同与合作非常重要。第二,供应链是跨学科跨部门的。从福布斯公布的经济数据上可以得知,世界前一百最大的经济实体中,51个是公司,49个是国家。这些“富可敌国”的企业有一个共同的特征,其所在的供应链网络中时刻发生着物流、信息流和资金流的密切交互,决定了供应链管理对于跨部门以及跨地区协同的要求远高于其他商业职能领域。
由此可见,整个供应链管理变得更加重要,跨地域之间的协同不仅是公司之间的协同,还有不同地域之间和不同文化之间的协同。另一方面,这些百强公司所属的行业几乎都是制造业,也就是说目前整个世界的经济很大程度上依赖实体经济增长。
企业要管理好供应链,最重要的是要了解如何运作。在福布斯的一项名为“通往财富500强CEO路径”的调查数据显示,500强企业中的CEO50%以上是从COO职位上晋升的,这主要是因为COO的职责是保证企业价值创造流程的效率和效果,这使得该岗位上的高管对于供应链全过程有清晰的认知。
供应链管理具有复杂性特征
供应链管理的首要职能是采购管理。如今大多数公司都把采购提高到战略层面,因此许多公司的供应商不但来自全球多个国家,而且数量巨大。例如,波音是美国公司,但是飞机零部件来自全球供应商企业,而沃尔玛仅在美国就有6000多个供应商。公司需要实时监测供应商是不是能够按照计划生产,以及是不是有健康的资金流和物流信息流,这是非常大的工作量。
在信息网络发达的今天,公司除了直接的物流和现金流的管理之外,还要考虑其他的许多因素,如果知名企业的供应商犯了什么错误,那么它会直接影响到该企业的市场收益。因此,企业需要实时掌握供应商的状态。管理好采购成为企业是否盈利的最关键因素之一。
第二个职能是物流管理。在企业层面,什么样的产品选择什么样的形式运输非常重要。在具体物品运输时,通常的做法是第三方物流介入。而这个过程中,大量的实时信息对决策产生影响。比如,共享单车公司需要决策怎么调配单车才能够保证最大化地给用户提供方便;再如,亚马逊的很多仓库都是自动化的,能够很快地追踪到每一个客户需要的产品,然后把这个产品贴上正确的标签、按正确的地址运送给这个客户。还有一个层面的物流是从公司到客户的物流,从公司到个人的物流管理实际上是很多企业成败的关键。
此外,关于生产制造的决策还包括资源管理、人员管理和质量控制。生产企业很重要的因素是生产量,因为产量越大的话,单位的生产成本就越低,如果产品多样化程度比较高的话,会降低生产效果。现在生产技术的创新使得能够达到生产多样化,从供应链的角度来讲,它带来的是个性化的供应链,也就是说,供应链的组织形式可能对每一个个体客户来说都是不一样的,这是供应链管理的一个大趋势。
最后一个职能是需求预测和计划。所有公司在资源和运作上的计划都是随着需求预测来做的,从公司的角度来讲,如何做好需求预测管理是一个永远的难题。作为供应链管理层面,第一就是决定什么样的产品和服务提供给什么样的客户,第二个很重要的因素是价格,因为需求走势和产品价格有关系的,而市场对于货物价格的反应是供应链管理核心的问题。
工业4.0到来促使供应链管理求变
在大数据时代,工业4.0的到来对供应链管理产生深远影响。首先,公司市场需求预测不再是基于历史销售数据了,大数据会帮助厂商作出智能预测。其次,个性化的服务成为可能,使得市场需求预测从综合预测向个体预测转变,为企业提供更精准的产品级预测指导。同时,大数据对生产领域产生的影响将导致供应链的物流、信息流和资金流的管理方式发生改变,机器设备、人员以及产品之间的信息交互将带来生产方式的深刻变革。机器由于数据的汇集与分析,智能化程度进一步提升,比如自我规划、自我维护的设备逐渐应用于生产,传感器触发的调度适配也有可能实现。这些因素都将引起供应链管理的改变。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21