三个步骤帮助企业到达供应链可视化

最近几年来，关于企业内部供应链方面的数据和信息在不断增长，例如，来自网站流量、社交网站、软件和传感监控物流、提供商和客户资料的数据大量出现。而日趋增长的历史数据可以折射出库存的范围等级和销售情况，这一发展既是一个好事也是一件坏事。一方面，来自多方的数据资源使得公司能实实在在看到供应链并预测供应链流向；另外一方面，信息和数据量愈来愈多而且毫无规律可循。所以，企业不能不做出明智的选择，在特定的某一利用领域当选择对他们来讲有价值的数据。

当使用恰当的数据，并对这些数据进行分析，有益于企业增强对供应链可视性的需求。有许多关于供应链可视化的定义，但通常来讲，供应链可视化指对库存、定单、配送和本钱等多种数据的分析和控制。

如今，在时间和本钱的压力下，使人惊讶的是，为了从一个有效的、日趋更新的供应链活动中取得利润，企业几近不会采取一套周密的方法来管理系统化的数据。根据信息技术（IT）咨询公司eTURNING的首席履行官Adam Hamzawi说，只有20%的公司会完全利用他们掌握的数据，剩下80%的公司将错过一个机遇：将智能数据管理与供应链可视化相结合——这是一个相当有益的策略，使公司在供应链管理层面上超过竞争对手。

事实上，最近的很多商业报告都表明企业对供应链可视化的高度需求，同时也指出，如果缺少供应链可视性，会削弱全部公司的财务状态。这就能够解释为何在过去的五年中，企业把优化供应链的可视化并组织管理提到最高的管理议程上。不但如此，在瑞士的一些国际企业中，通过对111个负责供应链管理的领导者做的一项调查显示，其管理的企业供应链可视性是中等水平，在总分为7分的范围上，测得结果是3.9分，这一差距增进了领导者采取相应的行动。

企业如何取得他们所需要的供应链可视性？我们相信有三个方法步骤，包括数据搜集与分析，数据资源整合和信息共享。

1、聚集并分析正确的数据

全球每一年存储的数据量都会以40%到60%的速度增长，这一巨大而稳定的信息增长速度显示出企业还有巨大潜伏利益未被开发。企业老板不能不斟酌公司真实的需求。应用正确的数据作为信息基础，可以转化成值得利用的决策。事实上，企业采取以数据作为参考根据做出决策，要比同行企业产量高出5%，收益也高出6%。

为了在供应链方面得到改良，有许多经过分析、得出的正确的数据为信息企业提供所需。研发部门根据客户服务部门和大众媒体提供的数据，生产出消费者真正想要的产品。在许多配送人员看来获得数据是件浪费时间的事，但是事实证明，的确能提高配送效力。精准的、实时处理的库存信息，有益于管理人员提高定单的拣选效力和准确率。

在评估甚么样的数据能最有效地支持他们的决策进程中，企业领导需要构想出一个清晰地战略，如何获得这些数据并充分利用他们，这些策略应当包括IT平台的标准化体系。

2、在已有的数据中寻觅更多的意义

作为数据分析进程的第二步——重组数据资源和可视化需求——企业一定要有效地建立并分析数据资源，提炼出所需的数据资源。

在多数情况下，通过统计学得出的结果要比人的决策更准确，人们总会把不相关的信息综合斟酌。有一个例子可以说明这类现象——就是对未来葡萄酒价格的预测。这个实验的标准做法是在葡萄酒收获后，专家评估哪瓶葡萄酒最有价值。值得关注的是，对一个简单的线性回归曲线进行分析，研究人员发现，三种气候条件下的销量变化超越专家的预测。供应链专家对此解释说，人们应当抛弃对KPI指标的分析，应基于上下环境综合斟酌，而且也要依赖决策算法。

在许多情况下，其实不是非要靠不断搜集新的数据作出决策算法。从仓储数据中也许能发现很多商机，由于许多仓储信息都包括大量区别寻常却有潜伏用途的信息。人们通常将这些独立的数据片断保存起来，换句话说，或许是仅仅将这些数据采取描写级的分析，由于没有任何发现所以才不采取任何措施。

3、实时可见性的新时期

除传感器和移动装备可以为企业提供数据资源，企业也能够通过社交媒体或网站上搜索取得大量信息，这类信息流，能容纳史无前例的数据信息，具有快速、多变的特点，被人们称之为“大数据”。它给人们带来的经济效益是非常可观的。例如，麦肯锡咨询公司通过大数据为美国医疗保健行业创造出3000亿美元的价值。

我们描写了怎样使用经典的数据资源帮助企业下降本钱并适应环境的改变，如果企业捉住这些机会，他们会发现大数据分析能改良26%，根据Capgemini咨询公司分析。以下有三个方法步骤会帮助企业从高效管理方面取得供应链可视性。

设立目标，考察全公司可视化需求，第一步是需要高层管理人员的支持，获得全部公司范围的库存可视化需求和信息。是为了下降库存水平、增加销量并使供应链稳定，适应外界环境的动态变化。相比之下，在一定的决策条件下，当环境保持相对稳定，可视化需求是离散的。

根据可视性需求匹配搜集的数据，从最初的步骤中确认了各个功能的可视化需求，从而绘制出企业的决策图谱，这是从企业目标推断出来的。而第二步就需要采取行动：搜集数据一定要以这些可视化需求为基准。如图图一所概括的，当数据特点满足分析需求时，数据搜集也要合适可视化需求。预测相对来讲是可靠的，由于动态环境变化幅度小，历史数据是值得参照的。

如果搜集的数据与可视化需求匹配性不高，把他们放在“不适合”的区域模块儿中，企业会出现额外的本钱。但是，如果对外界环境的变化没有进行分析并采取措施，那末对供应链或客户满意度会产生显著的不利影响，所以，对信息系统的投资既公道又明智。

全部公司散布数据和再评估进程，终究，信息将以一个标准情势及时提供给决策者。数据访问不应当只允许主要接收者，而是应当使每个利益相关者都有访问权限，由于人们可以通过数据创造出新的利用。一旦公布出最新的信息系统，将定期对数据评估以确保搜集到的数据合适可视化需求。

总之，大数据分析能对供应链管理的改进有显著的增进作用，在付出昂贵实验代价之前，就已开始使用它了。组建一个结构化的方法，并且斟酌到受新兴和传统数据资源的限制，从企业供应链中可以取得一个最优水平的可视化并最大化利用从仓储数据中提取的价值。