了解如何正确使用供应链中的数据

当前的消费模式以数字化模式为基础，产生了越来越多需要处理的数据。这些数据对企业来说是一座真正的金矿：它将业务和供应链模式从交易型（仅在需求时刻触发交易）转变为预测型，使企业能够通过信息交流更好地诊断异常情况。

为什么要使用供应链数据？

在我们的消费社会中，客户比以往任何时候都更加多变，因此，利用您所掌握的数据是非常重要和必要的。竞争越来越激烈，客户的要求也越来越高。因此，您必须掌握您的数据，以便能够分析您在面对竞争产品时对客户需求做出的回应。

在使用数据时，应遵循 3 个主要目标：

• 监控供应链的活动：

通过对数据的使用和分析，您可以确保对 S&OP（销售与运营计划）业务的重要指标进行持续诊断和全面跟踪。您将能够根据公司的内部能力，更好地协调采购和销售决策。

• 检测异常并限制故障的影响：

通过对供应链的数据进行分析，您将能够迅速获知妨碍其最佳运行的问题，从而尽快解决这些问题，从而限制故障的影响。

• 获得预测能力：

当您掌握了数据分析方法后，您将拥有足够的历史数据来准确预测未来的库存变动（季节性较强的产品等），从而提高供应链管理的准确性和绩效。

使用前如何准备数据？

在以最佳方式使用数据之前，您必须准备好数据和工作环境，以便能够使用可靠和安全的数据进行所有分析。

• 收集所有可获取的数据

公司的每个部门都有不同类型的数据，这些数据可能对您的分析有用。因此，您应从收集不同员工的数据开始。一旦收集到这些数据，您就必须将其标准化：事实上，每个部门的数据处理流程并不相同。因此，您必须创建标准化流程并将其分发给员工，这样您随后收集的数据就会采用正确的格式，从而节省您的时间。

• 奠定坚实的技术基础

一旦确定了要收集的数据，您就会很快意识到需要存储的数据量有多大。然后，你就必须在足够强大的结构中选择一种存储方法，以容纳你的所有数据，同时还能对你的各种数据库进行频繁的更新。例如，您可能需要考虑将数据存储在多个地点，以避免在发生技术或自然灾害而破坏存储设备时出现问题。

• 确保数据安全

拥有大容量存储服务器并不是选择存储方式的唯一标准。数据的安全性应该是首要标准。您确实需要处理有关贵公司和客户的机密数据（联系方式甚至付款信息），这些数据必须完全安全，以便其他人无法访问。为了获得最佳的安全性，您可以使用云中的远程服务器。选择不在公司内部存储数据，也就是选择了无需管理服务器维护操作或不稳定性风险，只需求助于专业人员。他们会在多个服务器上复制数据，以降低自然和技术风险，确保数据处理的连续性。

• 评估数据质量

一旦收集了所有要处理的数据，选择了存储方法并确保了数据安全，就必须着手评估数据质量。事实上，高质量的数据是与实际情况相一致的、独特的、可理解的、结构化的和记录在案的数据。您必须持续开展这项评估工作，以便将其应用于此后手动或自动收集的新数据。

应收集哪些类型的数据？

在您所掌握的所有数据中，您必须学会如何选择最相关的信息进行收集，以优化您的分析和预测，从而更轻松、更快速地调整您的供应链。

• 供应链数据

首先要收集的数据是与整个供应链相关的数据。您必须使用提供典型指标的数据来建立高质量的数据历史，这是加快投资回报率的标准。要建立供应链数据库，您必须选择以下信息：

o 物品库：品牌、价格、寿命、数量等、

o 供应商资料库：名称、采购条件、目录、订单频率等、

客户资料库：联系信息、购买历史等、

o 物流网络信息：仓库、枢纽、商店等、

o 有关库存业务的信息：销售、订单、收据、库存等。

这些信息将根据贵公司的类型进行调整：根据贵公司的活动领域，信息可能会有所不同（例如，如果贵公司有流动干预单位，则可能需要从流动干预单位收集数据）。

• 已有数据

在实施数据管理之前，您就已经掌握了大量数据。这些分布在各个部门的数据弥足珍贵：它们将帮助您建立数据历史，从而增强您预测与供应链相关的各种风险的能力。收集和处理这些数据的最佳方法是任命一名数据项目经理，负责绘制、收集和提供贵公司过去可能产生的所有数据。

• 外生数据

除了处理公司内部数据外，您还需要整合外源数据，即并非由公司生成但在环境中产生的数据。这些数据将帮助您提高分析的相关性。根据您的业务领域，您可能需要汇总影响您业务的不同类型的经济和人口数据。

如何维护数据库？

建立数据库后，您需要不断对其进行维护，以保持其相关性。

• 分析数据，找出错误

首先，您需要全面分析您的数据库，以确保不会遇到两种最常见的数据错误：

o 不切实际的数据：不切实际的数据是指不能准确反映现实的数据。例如，在库存管理中，不切实际的数据可能是负库存或远高于库存水平的销售数量。

o 非结构化数据：非结构化数据是指没有与其他数据正确链接的数据。例如，可能是产品与其供应商没有正确链接。非结构化数据不仅会在数据分析过程中产生问题，在自动化流程（本例中为产品补货）中也会产生问题。

• 清理数据

一旦发现数据中的错误，就需要清理数据库，消除错误，以获得可靠、真实和详细的数据。您需要防止这些错误再次发生：重要的是要确定错误的来源：它们是来自数据共享、数据处理还是数据收集？在大多数情况下，都是人为错误造成的：因此，有必要建立新的精确、详细的数据处理流程，并将其传递给所有合作者。

如何诊断您的供应链？

收集并准备处理所有数据后，就可以进入分析阶段，对供应链进行诊断。

• 确定关键绩效指标

KPI（关键绩效指标）是分析系统整体效率的标准。设定关键绩效指标非常重要，可以根据精确的标准进行诊断。这些标准可以是多种多样的，而且必须与供应链的各个阶段相适应：库存周转率、服务率、满意度百分比、交付周期等。通过监控关键绩效指标的变化，可以在供应链出现故障时发出警报。

• 供应链专家

要想获得最佳诊断结果，您必须向供应链专家求助：他从内部角度了解您的整个供应链。他能够利用数据这一强大工具进行分析，更容易找到可能干扰供应链的各种问题的根源。

数据采集源的倍增和物联网（IoT）技术的发展将在未来几年产生越来越多的数据。这些越来越相关的数据对于供应链的持续改进，特别是对于人工智能等新技术的安装，将是必不可少的。

因此，数据的使用将成为确保供应链效率的重要标准，它可以发现异常并预测活动，从而始终更好地满足客户的需求。