供应链管理中的大数据运用.doc

《供应链管理中的大数据运用.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、供应链管理中的大数据运用摘要：随着供应链运营全球化、互联网化以及信息化的发展，数据己经渗透到每一个行业和业务职能领域，业己成为一个重要的生产因素，并且海量数据可以通过多种方式产生价值，因此，对于大数裾的运用，就成为了企业获得竞争力以及获得供应链长远发展的战略。在这一背景下，企业在供应链运营过程中如何运用大数据，以及人数据如何帮助企业实现有效的供应链决策成为了目前供应链实践以及理论研究的重要趋势。基于此，文章系统介绍分析了影响大数据在供应链运用中的影响因素和具体作用。关键词：人数据；供应链管理；研宂展望一、引言随着新兴信息技术以及应用模式的涌现，全球的数据量也呈爆发增长趋势。在数

2、据管理中，存在三个维度的挑战，即数据量大（Volume）、数据类型繁多（Variety）以及数据增长快（Velocity）。另一些学者在3V的基础上发展了4V，但对第4个V却有不同的理解。国际数据公司（InternationalDataCorporation,IDC,2011）认为，大数据应该具有价值性（Value）,即指数据价值密度相对较低，这也就意味着如果数据增长但隐藏在数据背后的有用价值却没有呈比例增长，就会增加我们挖掘数据价值的难度。IBM则认为大数据还具有真实性（Veracity）,也就意味着数据分析应建立在准确的数据之上，避免人为篡改或在传输中失真。虽然大数据成了近

3、年来实践和理论研宄的热点话题，但以往对于大数据的研究和预测性分析功能大多聚焦在对消费者数据分析、偏好预测分析等，而“大数据”在供应链中应用的研究却相对缺乏。如今供应链变得越来越复杂，企业要想保持自己的竞争优势，必须重视对于“大数据”的应用，工业研究咨询机构(IndustryARC)进行的研究指出，2018年全球供应链大数据市场将从2012年的大约4.3亿美元增长到37亿美元左右，2013年〜2018年的年度复合增长率约为31.4%。Waller和Fawcett(2013)也指出，数据科学、预测性分析和大数据将会改变供应链的设计和管理方式，从不同的数据库获取信息來对供应链进行分析

4、能够帮助供应链管理经理提高供应链的运营绩效，并且大数据还能促进企业间的信息协同，是企业的一种战略性资源。二、大数据在供应链运用中的影响因素要在供应链运营和决策屮有效的运用大数据，首先需要建立良好的大数据库，具备分析、整合大数据的能力。从研究的主要维度看，冇关的研究和探索的问题主耍围绕大数据的数裾类型、数据质量、大数椐分析技术以及大数据分析的人力资源等几个方面展幵。1.人数据的数据类型。数据类型涉及到大数据的数据形态和获取的途径和方法，供应链中的大数据主要包括以下四种类型：(1)结构数据;(2)非结构数据；(3)传感器数据；(4)新类型数据。结构数裾指那些在电子表格或是关系型数据

5、库屮储存的数据，这一类型的数据只占数据总量的5%左右(Cukicr,2010),主要包括交易数据和时间段数据。现在的大数据分析大多以这一类数据为主，其中重要的结构数据包括ERP数据，因为ERP系统中存储的数据是企业运转多年的系统积累的大量的行业数据，这些数据对于企业的经营决策和预测来说意义非常重大。非?Y构数据主要包括库存数据、社会化数据、渠道数据以及客户服务数据。尽管现在有大量的研究和报告在探讨数据和分析能力对供应链管理的重要性，但对于非结构数据，例如社会化数据对供应链的影响和作用的研宂却相对缺乏。Natoli在2013年进行的行业调查中发现，尽管物流供应商、生产者以及零售商

6、们都在借力于传统的供应链数据进行供应链的管理，但是参与调查的企业中，只有1%的企业参考了社交媒体数据。然而，社会媒体数据对子供应链运营管理的作用是十分重要的，如何利用社交媒体数据来指导企业进行供应链活动的规划(包括新产品的开发、利益相关者的参与、供应链风险管理以及市场探查等)以及社交媒体数据对供应链绩效产生影响的具体机制是我们下一步需要深入探讨的。而要想从内容丰富的非结构化数据中挖掘出商业智慧，就需要使用不同的研宄方法和度量方式，包括描述性分析、内容分析以及网络分析等。除了上述两种主要的大数据类型外，还有传感器数据和新类型数据。传感数据主要包括RFID数据、温度数据、QR码以及

7、位置数据，这类数据增长很快，并能为供应链金融带来巨大商机；新类型数据主要有地图数据、视频数据、影像数据以及声音数据等，这类数据多用于可视化领域，并能够帮助提高数据质量，使数据的实时性更强、提高了数据分析的精准度。1.供应链大数据的质量。Dey和Kumar(2010)指出企业在进行大数据分析时，需要考虑数据的质量问题。低质量的数据不仅会影响企业的决策，甚至还可能导致企业产生损失。事实上，数据的有用性取决于数据质量，随着大数据重要性的跃升，对高质量数据的需求也增加了。虽然现在对于数据质量评价还没