《大数据对采购与供给链的影响.docx》由会员分享，可在线阅读，更多相关《大数据对采购与供给链的影响.docx（24页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、大数据对采购与供给链的影响大数据对采购与供给链的影响字号：T|T2021年01月06日11:45中物联采购委大数据(BigData)是指所涉及的规模宏大的数据。随着时代的不断进步以及科技的飞速发展，互联网、物联网、移动通讯、管理信息化、电子商务等技术不断互相浸透，并作用到国家、企业和民生的方方面面，今天，人们用大数据来描绘和定义信息爆炸时代产生的海量数据，以及在合理时间内到达撷取、管理、处理、并整理成为帮助人们处理事务和决策等更积极目的的资讯与知识。一、大数据时代对采购和供给链带来的挑战和机遇1.大数据时代及其特征大数据(BigData)是指所涉及的规模宏大的数据。随着时代的不断进步以及科技的
2、飞速发展，互联网、物联网、移动通讯、管理信息化、电子商务等技术不断互相浸透，并作用到国家、企业和民生的方方面面，今天，人们用大数据来描绘和定义信息爆炸时代产生的海量数据，以及在合理时间内到达撷取、管理、处理、并整理成为帮助人们处理事务和决策等更积极目的的资讯与知识。美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番，而目前世界上90%以上的数据都是近期几年才产生的。2020年，全世界所产生的数据规模将到达今天的44倍。从这些数据天天增加的数量来看，世界目前已进入大数据时代。大数据时代凸显了数据资源的重要意义。2021年奥巴马政府公布投资2亿美元拉动大数据相关产业的发展，将
3、“大数据战略上升为国家战略，将大数据定义为“将来的新石油，把对数据的占有和控制视为陆权、海权、空权之外的另一种国家核心资产。2021年，法国政府发布了其（数字化道路图），列出了将会大力支持的5项战略性高新技术，“大数据就是其中一项。2021年，日本总务省发布2021年行动计划，明确提出“通过大数据和开放数据创始新市场。联合国在2021年发布的大数据政务白皮书中指出，大数据对于联合国和各国政府来讲是一个历史性的机遇。我国也将大数据产业看作为战略性产业，成立了“大数据专家委员会。在“大数据2021年十大趋势预测中，包括了数据商品化与数据分享联盟化，大数据生态环境逐步发展等内容。同时，大数据专家委员
4、会预测，2021年大数据在互联网和电子商务、金融(股市预测、金融分析)、健康医疗(流行病监控和预测等)、生物信息、制药等方面将会有令人瞩目的应用。大数据时代是大数据价值充分发挥的时代。据赛门铁克公司的调研报告，全球企业的信息存储总量已达2.2ZB1ZB=1024EB，1EB=1024PB，年增67。世界上每分钟产生1700TB的数据，但是吸引我们的不仅仅是这个庞大的数字本身，而是我们怎样利用这些数据做些什么。大数据能够运用到各行各业，在宏观经济方面，IBM日本公司建立经济指标预测系统，从互联网新闻中搜索影响制造业的480项经济数据，计算采购经理人指数的预测值；印第安纳大学利用谷歌公司提供的心情
5、分析工具，从近千万条网民留言中归纳出六种心情，进而对道琼斯工业指数的变化进行预测，准确率到达87%；在制造业方面，华尔街对冲基金根据购物网站的顾客评论，分析企业产品销售状况；一些企业利用大数据分析实现对采购和合理库存量的管理，通过分析网上数据了解客户需求、把握市场动向，等等。据麦肯锡公司测算：大数据将给美国医疗服务业带来3000亿美元的价值，使美国零售业净利润增长到达60%，使制造业产品开发、组装成本下降50%，而大数据所带来的新需求，将推动整个信息产业的创新发展；根据经济与商业研究中心的最新研究，大数据将为英国经济增加2160亿英镑约合3467亿美元以上的潜在收益。2.大数据时代对采购和供给
6、链带来的挑战和机遇首先，商务环境和商务形式变得越来越复杂，且愈加动乱、多样和个性化。其二，电子商务业务形式的飞速发展打破了国家疆界，使得跨境业务速增、商业活动频繁，同时伴随着数据量的剧增。其三，大数据应用途理成为企业和社会竞争发展的重要焦点。其四，有效挖掘大数据成为时代面临的重要课题。最后，很多企业对大数据的重要性认识缺乏，没有充分了解其价值。下面是一些机构对大数据的调研、认知和应用研究，从不同的方面展示了其发展现状。1Gartner公司2021年一份名为（2021年大数据普及程度背后的炒作）的报告见图1指出：在受访企业中，有64%正在或是即将进行大数据工作，但实际的状况却不尽人意，其中很多企
7、业并不知道他们能够使用大数据做些什么。2021年，有27%的企业开场从事大数据相关的工作，有31%计划于两年内展开大数据项目。而2021年，有30%的企业已经引入了大数据，计划介入的企业比例也增至34%。造成这一现象的原因是不少企业都以为大数据能够帮助他们提升用户体验、改良企业效率或是发现新的商业形式或产品。56%的企业不知道怎样从数据中获取价值；41%的企业无法将这项技术与公司战略结合起来；34%的企业缺乏大数据的处理能力；33%的企业难以整合多样的数据资源；29%企业的基础架构遭遇挑战；27%的企业面临隐私和数据安全问题；26%的企业在对大数据项目投资上存在疑惑；甚至还有23%的公司不知大
8、数据究竟为何物。2SupplyChainInsightsResearchFirm2021年对有关大数据与供给链管理的研究表明：企业已经意识到对大数据及其技术缺乏理解。调查发现：正在进行的大数据项目中，有36%的组织目前有一个跨职能的团队来为其供给链评估大数据的潜在价值；项目通常由首席信息官CIO负责。评估供给链大数据使用和分析技术的团队领导是CIO的占47%，是业务部门领导的占21%，具有一个跨业务职能管理团队的占21%。企业的信息管理系统的复杂度高，通常有多个系统支持他们的供给链，因而数据量宏大并且整合困难。见图2。数据增长快。8%的受访者在单个数据库里具有PB千万亿字节级别的数据，47%的
9、受访者估计将来五年内在其数据库里具有PB级别的数据。而且在那些正在进行大数据项目的企业中,有68%估计在五年内其数据库里具有PB级别的数据。在企业自我评价使用不同的数据类型的能力方面，应用最好的数据;于传统供给链的事务处理数据有58%的受访者使用该类型数据，讲明该类数据还是企业最熟悉的、新型的地理与地图数据有47%的受访者使用该类型数据和产品的可追溯性数据有42%的受访者使用该类型数据；其次是物联网上的各种设备数据有28%的受访者使用该类型数据和运动应用数据有26%的受访者使用该类型数据。调研显示受访者对构造化数据类型的把握程度更高。见图3大数据举措当前的重点是对供给链的可视性，但将来却是投向
10、需求数据。预期的收益越大，现行绩效评级就越低，这一点体如今需求数据的领域。由于愈加熟悉交易数据和供给系统，具有较长供给链和跨多个边界的零售商表示，着重于供给链的可视性被以为是最为重要的。2021年7月，SupplyChainInsightsResearchFirm又做了进一步的量化研究，目的是了解和研究供给链的领导者们正在构建的驾驭大数据的能力。这个研究是基于123家制造商占受访企业的59%，零售商占受访企业的26%，批发商/分销商/合作商占受访企业的12%和第三方物流提供商占受访企业的2%的一项在线调查。受访者中31%是供给链团队是团队成员的占15%，是负责人的占12%，是其他岗位的占2%，
11、是支持人员的占1%；25%是IT团队是IT总监的占15%，是首席信息官的占3%，是负责人的占3%，是经理的占2%，是系统管理员的占1%；44%为其他团队是销售团队的占16%，跨职能业务领导的占10%，是财务的占7%，是BI分析员的占3%，是市场人员的占2%，是其他的占6%，(见图4)。调研显示出大数据的应用更多的是一个时机，而不是一个问题。以为有时机的占76，毫无概念的为11%，而在大数据方面存在问题的有12%(见图5)。尽管数据库在不断增长，但能够被管理，然而，最大的数据库不是企业资源规划ERP数据库，而是在产品的可追溯性数据的领域。受访者中已经启动一个大数据应用项目的占28，另外37的受访
12、者有计划开展大数据项目，其余20%没有开展大数据活动的计划见图6。那些以为有时机应用大数据的受访者以为，大数据应用的最大时机在于对相关新型数据的管理，而不是对数据的体量或速度的管理。在那些打算开展大数据项目的受访者中，准备当年就开展的占9%，1-2年内开展的占53%，3-5年内开展的占31%，不知道何时开展的占7%。关于供给链重点要素中，目前排在前3位的分别是：需求与供应的易变性51%，应用大数据的能力43%，人才问题34%与业务增长速度34%。见图7。到2020年，驱动供给链成为卓越的前3个趋势的分别是：数据可视化46%，加强供给链的可视性39%和大数据37%见图8。目前大数据的应用还是处于
13、起步阶段，将来更多的时机与应用是出如今“需求领域。需求计划、订单管理和价格管理位列前3位，是目前从大数据中获益最高的领域，见图9。深蓝色的柱形代表数据类型的价值，浅蓝色的柱形代表数据类型绩效，白色柱形里的数据是二者的差距，数值越大讲明企业在该数据类型上远没有到达应该获得的价值，还存在着很大的空间去努力获取该类型数据的最大价值。从图10中能够看出，在供给链可视性与产品的可追溯性数据源方面，无论是价值还是差距都排列在前2位，有较大的潜力能够挖掘。目前在供给链上应用大数据的重心更多的是靠近市场的需求端和营销领域，相对于采购与供给领域，市场需求领域更多地首先开展了大数据的应用，很多企业也已经收获颇丰。
14、因而，在采购与供给领域应该努力迎头赶上时代的步伐，利用大数据为企业和供给链的供给做出更大的奉献。有了充足的数据，若将其转变为价值还必须有好的方法和先进的工具。在供给链上，大数据最突出和最能转化价值的应用是借助于商务智能BI软件系统和供给链管理SCM软件系统来实现。二、大数据环境下采购和供给链管理中的商务智能技术应用今天，客户需求的个性化特征越来越突出，电子商务和互联网营销已全面普及，多样化的营销方式随之不断涌现，移动互联网与社交已逐步进入社会生活与工作的不同层面，而传统的管理形式和手段却已很难把握和管控需求的变化。大数据时代，消费者能够选择购买完全客户化的商品，或从一个可供选择的环境下自行定制
15、商品，例如在网上购买计算机商品时，消费者能够根据本人的需要和爱好定制化购买；对于商家来讲，为了扩大销售范围、增加市场份额，他们通常采用特殊的促销策略，将多种相关联的商品实行深度捆绑和关联销售。个性化驱使商品的生命周期越来越短、淘汰率不断增大，迫使新品推出越来越快、越来越多；在某些特定的时间点，电商们会采取大面积的降价销售手段，例如双十一、圣诞节等，引发消费者大规模的购买行为。通常，在社会与市场的新环境、新形式下会涌现出新的商业业态、形式和行为等，这些都为供给链上的需求与供应平衡匹配带来新的难题，使得企业更难以把握市场需求与资源整合，导致需求与供应失衡，预测不准。当需求信号传递滞后使得采购与供应
16、计划赶不上需求变化时，就会造成库存大量积压的同时还经常出现库存短缺的现象。这样一来，成本的上升吞噬了盈利。对于这些难题，企业能够充分利用大数据技术，基于已有的业务数据，运用商务智能BI和供给链管理SCM等信息化技术，对各项关键业务进行深度的挖掘与分析，把握其特性与特征，发现改良的时机并对其进行优化，进而实现由粗放管理到精细管理的转变。对于改良的业务能够落实在采购与供应业务的各项工作和各个方面，目前应用较多或收获较大的环节主要表如今需求预测、采购战略和业务规则的制定、采购业务的分析与改善、供给商的管理、库存占有量的降低、日常业务可视化监控和预警等方面。案例分析：大数据驱动联合利华供给链消费者从超
17、市货架上取走一瓶联合利生产的洗发水对联合利华中国来讲，就意味着它的1500家供给商、25.3万平方米的生产基地、9个区域分仓、300个超商和经销商都因而而遭到牵动。这是构成公司供给链体系的一些基本节点。它的一头连接着来自全球的1500家供给商，另一头则是包括沃尔玛、乐购、屈臣氏和麦德龙等在内的总共约300个零售商与经销商所提供的超过8万个销售终端。此外是：清扬洗发水、力士香皂、中华牙膏、微妙洗衣粉等16个品牌将近3000多种规格SKU的产品，以及在中国超过100亿元人民币的年销售额。每当消费者买走一件产品，联合利华整条供给链的组织运转就会遭到影响。1.深度数据挖掘与需求分析不同于家电、汽车等耐
18、用消费品比拟容易预测消费趋势和周期，快速消费操行业由于其消费者的购买频次更高，消费构造更为复杂，以及销售经过中充满很多不确定性，企业较难对它做出需求预测。最头疼的情况是大客户采购，这种情况可能使超市的现有库存顷刻间耗尽。为了避免类似的手忙脚乱，又不想增加库存加大成本，更不想丢失客户，联合利华需要准确地预测将来的销售情况。天天，分散在全国各地的业务人员巡店后，将销售数据输入到一个手持终端，源源不断地把销售情况汇总到公司的中心数据库里。与此同时，直接与公司总部数据库对接的诸如沃尔玛POS机系统和经销商的库存系统等，将店里的销售和库存数据及时反映到公司的中心数据库中，使不管上海中国总部还是伦敦全球总
19、部的管理人员，都能了解到中国超过1万家的零售门店在任何一天内的销售情况和业务数据。其余还有7万多个销售终端，数据更新以周为单位，这些大样本的数据;，能够保证销售预测的波动例如令人头疼和难以意料的团购情况能被控制在合理的范围水平内。但仅仅通过汇总购买行为这类数据，还缺乏以准确预测出将来一段时间内的需求，那些代表预测销量和实际销量的分析曲线，只是依靠数学模型和复杂的计算完成了理论上的工作，还需要做进一步的分析。这就需要其他的业务数据，例如对某产品制定的促销方案是降价还是买赠、在某时段内投入了多少宣传力度、覆盖了多少区域或渠道等，都会影响到该产品最终增加的销量，同时还要与其他业务部门如生产、采购、财
20、务、市场等团队进行协同，共同利用这些数据，预测和分析结果。联合利华根据16个品牌的产品形态划分出四大业务类别，每个品类都有一个团队来预测产品的销售情况，并分析进一步影响采购、生产环节的实际运作。当洗发水以瓶为单位售出后，采购部门得到的信息则是原材料A和包装材料B又将会有新的需求，在系统里一瓶洗发水会被分解成40多种原材料，这些数据会落实在其物料清单BOM上。2.全球协同采购根据公司实行的全球化范围的采购与生产体系，消费者购买行为对采购、生产的影响就是全球性的。目前，公司旗下400多个品牌的产品在六大洲270个生产基地生产，所有涉及原料和包装材料的采购问题，包括采购地和供给商的选择，以及采购规模
21、与频次的安排，都是由全球统一进行调配。这种全球化的操作将在成本集约上体现出规模效应，但同时也对公司的供给商管理水平提出了挑战。2002年，公司在上海成立了全球采购中心，从中国向全球出口原料及成品，这里生产的牙膏最远销售到智利，中国的供给商总数规模在1500家左右。利用大数据与业务分析，一些能够同时提高合作方效率的合作会在这里开展：一些在内部被评定为A级的供给商被视作战略合作伙伴，它们会为生产提供定制化的材料，而本人的设计与研发人员也会对供给商的设备、流程等特别熟悉，双方会针对一款新产品在很早期就开场合作，联合利华会从技术方面对供给商提供指导。联合利华利用大数据对供给商进行管理，有一套全球共同执
22、行的标准。一个跨部门的管理团队每年会重新审核供给商等级，对A级供给商更是到场审计两次，不仅是技术水平、产品质量、资金规模等常规指标，还包括绿色、环保、用工条件等社会责任方面的情况，假如在其中哪个方面没能到达要求，就将面临从采购名单里消失的风险。3.高效协同生产每当商品售出时，生产部门就要和计划部门对接对售出产品的数据做出响应。根据售出产品的相关数据，生产计划经理进行分析并做出决策。除了通过需求计划经理得到需求预测，他还必须获得其他业务信息，例如通过采购团队把握所有供给商的交货能力，通过工厂负责人了解目前生产线上的实际产能，等等。然后，将这些信息会聚在一起统筹分析，做出下一段时期内的产能供给水平
23、。根据这些大数据，工厂最终制定出生产安排，指挥一个年产值为140亿元的生产系统在每一周、每一天里怎样调度它的每一家工厂、每一条生产线、根据速度和特长的不同安排生产洗发水生产线就有十多条，完成300多个规格(SKU)的洗发水生产，以尽可能到达产能最大化，以知足那些分散在全国各地甚至世界其他地区不断增长的购买需求。关于消费者打算在何时何地购买这瓶洗发水的行为，将给联合利华的分析人员带来一道复杂的统筹学问题。4.渠道供给链管理，赢在货架联合利华在全国设有9个销售大区，首先成品从合肥生产基地的总仓发往上海、广州、北京、沈阳、成都等9个城市的区域分仓。为了保证这瓶洗发水能够准时到达最终的货架，分销资源计
24、划员既要规划道路，又要考虑库存成本和各条运输线上波动的运输能力。比方，春节将是联合利华产品的销售旺季，而邻近春节时往西方向的铁道路会很拥挤，公路运输也比拟忙，这还考虑很多发生在路上的临时突发的状况。因而，必须有充足的数据进行具体周密的分析，并与其他业务部门协商，做出例如“规划怎样在西区提早建立库存等的决策。联合利华用活了数据，从超市货架上每个产品的变化，一直到本人的供给商，这是一条能产生出高价值的数据链路，而利用链路上每一节点的数据来优化和改良业务，使得业务运营获得了骄人的好成绩。例如通过对缺货的分析，找出导致一瓶洗发水在货架上缺货的真正原因：是门店方面没有及时下单，还是系统虚库存，又或者是由
25、于库存堆放问题等，找到了真正的原因改良了缺货率，使其重点门店的货架知足率提高到了98%，上升了8%货架有货率每提高3%，就会带动产品销售提高1%；又如与超商启动了回程车项目优化，在联合利华合肥总仓、乐购嘉善总仓、乐购合肥门店之间，把双方的取货、发货和运输线路放在一起进行分析和优化设计，减少了返程时的空车率，节约了10%左右的物流成本，同时也完成了公司对碳排放降低的要求；再如，通过分析与优化，提升了服务效率和客户的投资回报率。2020年联合利华的这一排名从2004年的20名之外上升至第二名，实现了它“赢在客户的目的规划，无论在它的销售、采购、库存、生产，还是在物流等方面的业务都有了很大的提升。三
26、、大数据环境下采购和供给链管理的优化与决策日益复杂的商业环境使供给链网络构造的合理性问题成为当前供给链管理的一个重要难题，也是企业供给链管理面临的一个全新挑战。企业与供给链管理人员面临着不断提升客户满意度、迎接全球化经营的挑战，他们希望能不断地扩张业务并占领更多的市场，能开发和生产更多更好的产品，在最恰当的时间和地点、以最低廉的成本、最优惠的价格、最好的状态与质量为最适宜的客户提供最佳的商品和服务，能有效地识别和确定供给链策略来实现成本与服务的平衡，并以此获得本身的利益最大化。长期以来，企业与供给链的管理者苦于缺乏有效的管理方法和技术手段，无法实现科学与正确的决策与优化，来指导业务实现最佳运营
27、，比方：在原有的服务水平基础上，原料/零部件应从何处获得成本最低？怎样在保持该成本基本不变的情况下提升服务水平?应采取什么采购策略来平衡既定的成本与服务？是自行建立仓库还是由供给商建立仓库？设在何处最适宜？仓库里的货物应该为哪些生产或经营点供货？供给多少并以什么方式供应为最佳？假如投入新品或开拓新市场，怎样整合现有/新供给商的能力支持目的生产产能？在季节性需求将增加时应提早储备多少库存存货？当供应能力出现缺乏时是开拓现有供给商供货能力还是寻求新供给商？应该在哪些工厂DC、仓库等生产配送、存储等哪些产品？分别生产配送、存储多少能够实现价值最大化？能否要增加或减少经营设施工厂、仓库、DC、服务中心
28、、门店等？仓库DC里各种物资的库存策略如何制定才能最大限度地降低库存和减少缺货？某个供给商工厂、DC、仓库应该给下游哪些节点提供供应？供应什么？分别供给多少利润最大？整个分销与配送网络应该设置几级库存？分别是如何的库存量设置才能即时知足市场需求，又同时实现网络库存最小化？应该如何定价和用什么方式的促销才能以最低的成本增加销售额？上述问题的复杂性在于其涉及到极多因素和这些因素之间的平衡，想要通过“拍脑门的人工方式或简单的计算根本无法解决。要想对这些问题做出最优化的决策，必须有大数据为基础，用BI分析提炼数据，有供给链管理系统的模拟优化功能对整个供给链网络或某些局部环节进行模拟优化。模拟优化的对象
29、能够是事件、设施、途径、流程、产品、运输、节点等，可以以是这些元素组成的网络以及相关的业务，既能够是单目的优化，可以以是多目的优化。一般情况下，供给链的优化决策工作原理与流程图如图11所示。案例：供给链优化案例福特公司供给链供应业务的优化为了加强竞争力，福特公司采用业务数据和优化工具成功地与它的数千个供给商和服务商实现了严密的业务连接。福特公司在全球有4000多个供给商，为它分布于全球的100多个制造工厂供货。福特的目的是渴望能有一种好的方法来优化其复杂的、覆盖全球的供给与生产网络，采用互联网将其汽车生产的供应业务、供给商和服务商连接在一起，直接与供给商和物流服务商交换并分享发送物料与生产计划
30、的信息。它采用供给链优化建模的方法，能够同时对一个接近无限元素的数据类组进行挑选和评估，在此基础上进行优化，为福特提供一个可选择的基于排序的决策流程。优化系统在获得与部件和生产业务相关的数据后，产生一个优化的、与福特预定的供给业务优先权相吻合的优化供应流程。这些优先权因素能够很容易地被引入到每一次的模拟运行中，这使福特能够平衡供给链网络中的元素和细微的差异，进而提供了具有“whatif的高级分析功能。例如，某些生产计划经理可能打算在他们的工厂里施行特殊的策略和处理经过来接收和管理库存与部件，如在本人的仓库里保持少于2个小时的库存量这样的策略。在施行这些业务变革前，能够在优化系统中插入约束因素，
31、然后通过该系统观察约束因素对供应成本和网络中其它因素产生的影响。运用这种优化方法，福特公司就能够做出优化的决策。例如，“假如花费了X去做某事，能否能够得到大于X的价值呢？“在供应网络中，这是一个正确的业务决策吗？。福特公司的网络相当复杂，全球供应部门雇佣了300名左右的物流专业人员从事将进货物料运送到装配点，将汽车从工厂送给经销商和全球客户等业务。总装厂的整车平均需要大约2500个部件。接近4000个全球供给商运送零部件和组件到31个生产发动机和转速器的工厂、13个冲压厂和54个装配厂。从那些装配厂，整车被运往200多个国家的20000多个经销商处。福特每年65亿美元的运输费用实际上包含了所有
32、现有的当代化的运输形式。为了更靠近客户，福特转向了面向定单的生产，由消费者驱动业务环境和采用精益制造的生产方式，它希望物流部门能提供一个建立在潜在资源基础上的“完善的、及时的和可重复的物流成本评估方案。另一个期望是在计划中，实现将进货物流与同步化的物料流集成在一起的目的和策略。这样做面临的挑战是美国铁路系统在服务方面的欠缺，运输形式需要转向公路运输。然而，工厂一级的阻碍经常毁坏了计划的执行，例如进货卡车无法在预定的地点卸货，无法直接将部件和组件运送到各个装配线上的问题常有发生，等等。福特清楚地了解到，它必须将本人的物流流程与物流伙伴的流程严密集成在一起，才能实现这一目的。福特的物流服务商包括P
33、enske、WorldwideLogistics、FedEx和AutogisticsUPS的一个分公司等，福特以为与这些服务商无缝集成业务的基础是信息的集成与分享。福特在三个阶段上对缩短新车型项目的供应进货周期做了优化，即：战略阶段、战术阶段和运作阶段。战略阶段包括资源决策，例如，由一个工厂变化而产生的多种资源方案、货币与贸易问题、市场问题等。然后，这些信息被输入到一个策略模拟制定方案中，供给与物流成本在这一模拟经过中被评估后，再反应到战略优化经过。当资源决策方案确定后，运作计划经过就开场了。福特将其物流需求提供应那些领先的物流服务商，由它们通过设计物流网络来支持该计划。这个系统不仅使福特能快
34、速、灵敏地适应变化的情况，还增加了对供应策略的可预见性。最具影响的是以最小的总成本优化北美装配厂的物料进货越库作业cross-docking的数量和理想位置，福特对相关成本因素和供给链网络的影响与约束进行了建模分析。对于21个装配厂、1500个供给商和46000个不同的进货零部件和组件，优化系统在特定的假设下进行模拟。根据需求量检查了供给商的位置和需求点后，福特原准备在供给链网络上设置45个配送中心作为越库作业的场所，经过近2个月时间的建模和模拟分析，优化方案只要求15个越库作业场所，大大节约了成本。随后，进入了“whatif分析阶段，需要考虑在什么地方引入其它的资源，例如来自于福特企业内部其
35、它地方和外包商的资源。全球供给链技术部门在改变成本、数量、频率和其它因素的情况下，运行了40多个模拟方案并进行求解。对每一个方案，从模拟变化到生成适应业务环境的结果，大约需要一小时的时间。同时，数据收集与优化也是一项关键工作，供给链网络中点与点直接平滑顺畅的数据流对于优化经过是非常重要的。最初，由于缺乏对大数据进行采集存储与分析处理的工具与能力，传统的优化工作中所花费的时间比例为：90%的努力是用于采集和输入数据，5%用于经过分析，其它5%用在输出结果。但采用优化系统后，这一比例发生了显著的变化：优化工作的5%用在数据的处理与输入、5%用在经过分析、5%用在输出结果、75%用在对结果进行分析。
36、其余时间被用于回首优化经过和对方案进行选择。正如Koenigbauer评论讲：“如今，我们用75%的时间分析来自优化系统的输出，考虑下一个方案对我们的业务真正意味着什么。我们还具有与其它业务部分集成的能力，能与我们内部的同事协调解决物料送到达工厂的问题。“假如你有一个相当好的供给链网络，简单地利用优化系统，就能将效率提高2030%。在进货物料项目中，我们不仅节约了运输成本，而且在交货频率明显增加的情况下保持运输成本不变。我们从天天平均22%的零部件进货率增加到天天97%的进货率。这对福特来讲是一个宏大的效益。四、结束语中国地大物博人众，是一个天然的大数据市场。易观智库EnfoDesk研究发现，
37、2021年将是中国供给链大数据快速发展的一年，29亿元的市场规模，增长率到达42%。供给链大数据应用企业必须提早布局占据有力地位，到2021年，中国供给链大数据市场规模将到达59.6亿元。如图12所示。从国内数据中心的发展历程来看，国内数据大集中从银行业开场，逐步发展到保险、电信、电力等国有大型企业。目前为止，国内实现大数据集中的行业包括公共事业、金融、电力等；将来实现大数据集中的行业包括医疗、汽车、零售、制造等；能够率先实现大数据增值的行业主要包括电子商务、物流等。目前我国供给链大数据产业正处于起步期，将来几年将快速发展。有深度行业积累的供给链协同数据平台将是将来若干年资本主要进入的领域。第三产业供给链协同应用市场的进入空间较大，尤其以医疗、金融、电子商务等细分领域需求较高。第二产业供给链协同市