大数据是当下最火的词。互联网条件下,信息量呈爆炸式增长。如果我们不能获得、整理和应用这些信息和数据,我们可能会在短时间内落后甚至被抛弃。供应链金融服务领域更是如此。
了解什么是大数据。
随着新的信息技术和应用模式的出现,全球数据量呈现爆炸式增长趋势。在数据管理方面,存在多个维度的挑战,即数据量大、数据类型多、数据增长快。同时,也有专家认为,大数据应该是有价值的,也就是说,如果数据增长了但隐藏在数据背后的有用价值并没有成比例增长,那么就会增加我们挖掘数据价值的难度。另一些专家认为,大数据是真实可信的,这意味着数据分析应该建立在准确的数据基础上,以避免传输中的人为篡改或失真。虽然近年来大数据已经成为实践和理论研究的热点,但大数据的研究和预测分析功能大多集中在消费者数据分析、偏好预测分析等方面。,但对大数据在供应链中的应用研究相对缺乏。如今,供应链变得越来越复杂。企业要想保持竞争优势,就必须重视大数据的应用。产业研究咨询机构的研究指出,全球供应链大数据市场将从2012年的约4.3亿美元增长到2018年的约37亿美元,2013年至2018年的复合年增长率约为31.4%。科学、预测分析和大数据将改变供应链设计和管理的方式。从不同的数据库中获取信息来分析供应链,可以帮助供应链管理者提高供应链的运营绩效,大数据也可以促进企业之间的信息协作,这是企业的战略资源。要在供应链运营和决策中有效利用大数据,就要建立好的大数据库,具备大数据的分析和整合能力。这些能力应该侧重于数据类型、数据质量、大数据分析技术以及大数据分析的人力资源。1.数据类型数据类型涉及到大数据的数据形式以及获取的途径和方法。供应链中的大数据主要包括以下四种类型:结构化数据、非结构化数据、传感器数据和新型数据。结构是指存储在电子表格或关系数据库中的数据。这类数据只占总数据的5%左右,主要包括交易数据和时间段数据。现在大数据分析大部分都是基于这类数据,其中重要的结构化数据就包括ERP数据,因为ERP系统中存储的数据是运行多年的系统积累的大量行业数据,这些数据对企业的经营决策和预测有着重要的意义。非结构化数据主要包括库存数据、社会化数据、渠道数据和客服数据。虽然有大量的研究和报告讨论了数据和分析能力对供应链管理的重要性,但对于社会数据等非结构化数据对供应链的影响和作用的研究相对缺乏。然而,社交媒体数据在供应链运营和管理中的作用非常重要。如何利用社交媒体数据指导企业规划供应链活动,以及社交媒体数据对供应链绩效影响的具体机制将需要深入探讨。从丰富的非结构化数据中挖掘商业智能,需要使用不同的研究方法和度量方法,包括描述性分析、内容分析和网络分析。传感数据主要包括RFID数据、温度数据、二维码和位置数据,这些数据正在快速增长,可以为供应链金融带来巨大的商机。新型数据主要包括地图数据、视频数据、图像数据和声音数据等。这些数据多用于可视化领域,有助于提高数据质量,使数据实时化,提高数据分析的准确性。2.大数据的质量企业在分析大数据时需要考虑数据的质量。低质量的数据不仅会影响企业的决策,甚至可能导致亏损。事实上,数据的有用性取决于数据的质量。随着大数据重要性的提升,对高质量数据的需求也在增加。虽然目前数据质量评价还没有统一的标准,但是大家都认同数据质量评价应该包括多个维度。指出数据质量评价应包括数据内在要求和情境要求。内在要求是指数据本身的客观属性,包括数据的准确性、及时性、一致性和完整性。语境是指数据的质量取决于被观察和使用的数据的语境,包括相关性、增值性、总量、可信度、可访问性和数据声誉。3.大数据分析技术解析。分析是大数据分析的基础,大数据分析可以帮助企业基于事实做出更好的决策。定量技术和预测模型可以提高企业的盈利能力。此外,大数据分析不仅可以帮助我们获得新的见解,还可以提高预测的准确性,而所有这些好处都是建立在数据挖掘和统计分析的基础上的。甚至可以说,如果没有分析学来分析数据,大数据就只是一堆“数据”,毫无价值。大数据需要分析,但要让分析脱颖而出,光有数据是不够的,还要用到分析工具。当然,如果分析学没有大数据作为研究对象,只是数学和统计学的工具和应用方法,并不能发挥其对企业的价值。供应链分析。大数据分析技术也是目前供应链管理的一个研究热点。德勤2014年的行业研究报告认为,供应链分析需要首先从广泛的内部和外部来源获取数据,并借助相关的分析工具和技术对数据进行分析,从而通过数据获得洞察,从而帮助供应链降低成本和风险,提高运营敏捷性和服务质量。虽然很多企业已经利用大数据分析技术来优化运营决策和辅助商业营销决策,但是对于大数据在供应链中的应用研究相对较差,即使关于大数据分析和供应链管理的实用文章和咨询报告开始增多,但内容大多是重复的,缺乏严谨的科学调查。另一方面,即使一些企业已经开始采用大数据分析方法,但应用方法不仅混乱,而且无法触及分析的本质。大数据分析技术与企业的业务和运营流程相关。有专家从创新扩散理论和信息处理的角度分析了云计算技术在供应链中的应用。实证研究表明,当企业的业务流程复杂或者供应链中各组织的信息系统兼容性较好时,云计算对于供应链的价值会大打折扣。相反,对于那些创业型企业或者有特殊功能的信息系统,云计算对企业更有价值。可见,企业文化、业务流程和特点都会影响大数据分析技术的应用。4.大数据分析能力和人力资源因素在供应链中使用大数据的能力是企业利用分析进行供应链决策的关键驱动因素。目前一些企业放弃大数据分析技术的一个重要原因是缺乏相关人才。大数据不仅会改变供应链的设计和管理,也会给物流企业和供应链管理带来新的挑战。第一个问题是缺乏具有大数据分析能力和供应链管理相关专业知识的复合型人才。数据分析师应具备的技能包括预测、运营规划、统计和经济学。此外,数据操作、沟通和人际交往能力对于大数据分析的应用也是不可或缺的,因为数据操作技能不仅需要数据分析师从数据库和资料库中提取交易信息,还需要从社交网站中获取客户相关信息,并将其与企业内部数据整合,即数据分析师需要能够整合分析结构化数据和非结构化数据。当然,数据分析师不仅需要高效处理数据,还需要准确传达自己的分析见解。此外,大数据分析在供应链管理中的应用,也需要数据分析师具备供应链管理方面的知识。一般来说,数据分析师需要具备与业务流程和决策制定、数据管理、分析和建模相关的技能。整理自‘供应链金融’,陈晓华/吴家富,更多关注电子票干货!



