有效的供应链规划全在数据中

由柏拉图重新发布

关注： 0

那是一个美丽、阳光明媚的下午，我们前往我们最喜欢的周末度假目的地之一。我到达那里的计划非常简单；我知道最佳路线和所有常见的交通模式，所以我们出发了，本来应该是两个小时的车程。四小时后，我们终于到达了，疲惫而沮丧——这不是开始轻松周末的好方法。反思我的计划哪里出了问题，我几乎完全依赖于我个人对路线和交通模式的了解——只有内部和历史数据。当然，我接收了一些外部数据，比如天气状况。然而，我仍然面临着外部干扰带来的风险，例如大型音乐会带来的额外交通、道路施工以及高速公路堵塞的多起车祸。

你可以通过看后视镜来驾驶汽车
只要你前面没有任何东西。 ——比尔·乔伊

供应链规划的方式大致相同。人们倾向于严重依赖历史趋势数据来寻找季节性和购买模式，以帮助预测未来的结果。不要误会我的意思，历史数据对于需求预测至关重要。然而，绝大多数波动性和不确定性来自外部——来自供应、物流、渠道和全球贸易伙伴的扩展网络。如果这些数据没有包含在你的近期规划计算中，那么无论你使用什么闪亮的新人工智能工具都没有关系；古老的格言仍然适用——垃圾进来，垃圾出去。

打开数据闸门

因此，创建全面、准确、可行的供应链计划的最有效方法是创建数字孪生。数字孪生需要来自各种内部和外部来源的大量数据来为支持人工智能的洞察引擎提供支持。

首先，您需要考虑来自所有内部系统和数据源的数据，包括企业资源管理系统 (ERP)、客户关系管理系统 (CRM)、制造执行系统 (MES)、仓库管理 (WMS)、运输管理(TMS)、产品生命周期管理 (PLM)、财务和会计、其他规划系统等等。

然后在所有层添加外部合作伙伴数据 - 不仅仅是第一层（POS、商店库存、配送中心库存、材料库存、供应商产能和优势、供应承诺/退役、提前发货通知）、第三方数据（天气、社会情绪、风险事件、进出口关税和关税、限制方名单、强迫劳动法规、市场数据等）以及物联网传感器数据（生产线、车辆、仓储单元等）。

到目前为止，您可能认为这在理论上听起来是合理的，但没有足够的时间和预算来建立所有这些联系。更不用说您如何开始清理和协调来自许多不同来源的数据。

快速、大规模地建立多企业连接

与 LinkedIn 如何让您与数百或数千名同事、同事和同事建立联系并维持关系类似，供应链业务网络简化并扩展了与生态系统合作伙伴的连接流程。网络已与数十万个供应、渠道、物流和全球贸易合作伙伴建立了预先建立的连接，从而加快了价值实现的时间。

谨慎评估供应链业务网络；他们并非生而平等。它们在范围、规模和能力方面有所不同。从完整的可见性（供应、渠道、物流和全球贸易）寻找涵盖所有四个生态系统范围的供应链业务网络。另一个考虑因素是连接企业数量和层级深度方面的网络规模。有些可能只连接到第一层或第二层。相比之下，有效的网络可以连接所有层级的上下游合作伙伴。

最后，一流的供应链网络提供全套连接和集成功能。当您迈向全面数字化转型时，您的合作伙伴可能没有资源跟上。您的网络提供商应该满足合作伙伴技术成熟度的要求，而不是强迫他们采用成本高昂的集成方法。当然，这包括最新的 Rest API 和 EDI，并且还包括针对长尾供应商和合作伙伴的 Web 门户和基于电子邮件的集成。

将肮脏、分散的数据变成有价值的资产

虽然网络将缩短建立连接和收集数据以改进规划流程的时间，但这还不够。数据本质上是脏的，包含缺失值、错误值和空值。通常，甚至跨内部系统也会采用不同的主数据管理 (MDM) 策略和实践。从企业外部引入数据使这一挑战变得更加困难。

多企业供应链网络需要多企业 MDM (ME-MDM) 将不同的数据转换为有价值的决策级资产。将其视为通用翻译器，可以理解来自每个系统和合作伙伴的信息并将其解释为单一、清晰的语言。要实现 ME-MDM，请寻找位于具有规范数据模型的平台上的网络，以管理来自所有来源（包括内部和生态系统合作伙伴系统）的每个资源的上下文属性。该系统必须大规模地清除错误值并协调来自不同的多企业来源的数据。

正如比尔·乔伊所说：“只要前方没有任何东西，你就可以通过看后视镜来驾驶汽车；”只要需求或供应没有变化，您就可以仅使用历史数据来规划供应链。