物资全供应链大数据应用方法

洪健 曾雪芳 陈金玉

[摘要]分析了大数据的三个潜在应用方向，明确其应用路径和方法，并构建了物资全供应链大数据应用体系，选取了关键业务节点进行描述和分析。 [关键词]物资供应链；大数据；路径与方法 [中图分类号]TP311.13；F274 [文献标识码]A [文章编号]1005-152X（2018）02-0111-03

1 引言

大数据的概念由来已久，最初是对在一定时间内无法用传统方法进行抓取、管理和处理的数据的统称。电力大数据是以业务趋势预测、数据价值挖掘为目标，利用数据集成管理、数据存储、数据计算、分析挖掘等方面的核心关键技术，实现面向典型业务场景的模式创新及应用提升。

2 物资供应链大数据的潜在应用方向

专家调研显示，2020年，驱动供应链提升的三个主要关键词是：数据可视化（46%）、增强供应链的可视性（39%）和大数据（37%）。其中，增强供应链信息的可视性是当前物资供应链大数据应用的热点。从物资供应链全流程管理的角度出发，物资供应链大数据的应用主要有以下三个潜在方向：

（1）供应链效率分析。按照需求提报、招标采购、库存管理、物资配送、报废处置等不同供应链环节划分，基于物资供应链每个阶段的业务时效、资源利用情况等进行综合业务效率分析，根据分析结果得出供应链响应效率因素和提升建议。

（2）供應链效益分析。综合考虑采购成本、库存成本、管理成本和供应链信息化水平、物力集约化成效等多方面因素，分析供应链各业务阶段的成本和收益情况，根据分析结果找出降低供应链成本的业务提升关键点。

（3）供应链预警监控。分析供应链各业务环节的关键业务节点，制定供应链各业务环节的监控预警分析模型，多维度分析业务情况，从大数据角度重新审视各业务关节相关性，并依据分析模型提供各业务环节的预警监控功能。

3 物资全供应链大数据应用的方法

目前各行业物资供应链大数据应用较多，或收获较大的环节主要体现在需求预测、采购战略和业务规则的制定、采购业务的分析与改善、供应商的管理、库存占有量的降低、日常业务可视化监控和预警等方面。物资供应链数据遍布在需求预测、价格管理、库存管控等多个环节，因此可用于大数据分析的物资供应链数据种类也极为丰富。如图1所示，采购申请数据、物资出入库数据等均为大体量、快速变化数据，合同履约信息等复杂非结构化数据则增加了物资全供应链大数据的多样性；基于以上特征，多层次的大数据平台架构和新理念下的大数据计算、分析技术理应被应用到物资全供应链数据资产的分析管理中来。如图2所示，物资全供应链大数据应用体系大致可总结为五个主要步骤，这五个步骤相辅相成，组成了物资全供应链大数据应用的闭环体系。实际分析应用中，各步骤可根据大数据具体分析路径灵活组合，并使用其他步骤的成果检视和优化某一特定步骤的计算逻辑与输出成果。

（1）业务需求分析。理解物资全供应链业务优化需求，梳理可应用大数据分析思想和技术的业务环节。针对该业务环节，评估业务开展现状及存在问题，进一步细化明确大数据分析需求，确定分析主题及分析目标。

（2）分析路径确定。基于分析目标，锁定大数据应用场景，参考行业内外基于该场景的大数据应用典型实践，明确分析成功应用方式，选取可操作的分析路径，并建立分析模型。

（3）分析数据规划。基于分析目标、分析模型，设计符合逻辑的分析算法，合理选择公式。基于应用场景及分析模型，锁定分析所需数据的数据源、分析范围、有效性标准，完成数据溯源。

（4）数据挖掘分析。将非结构化数据、结构化数据等多源异构数据进行融合，评估数据质量，对数据进行异常值剔除、插值修正等预处理操作。而后，将处理后的合规数据依据分析模型进行分析步骤匹配，使用事先设计、确定的算法及公式完成数据分析计算过程。

（5）分析效果评估。得到大数据分析关键指标最终结果后，依据指标含义完成各项评价，结合专业背景撰写完整评估报告，提出业务优化、提升建议，并将分析过程巾形成的有价值的模型、指标体系应用于业务日常运营检测。

结合供应链大数据潜在应用方向，以战略层、管理层、执行层三个层级为视角，构建供应链大数据应用体系，如图3所示。

依照物资供应链各关键业务环节划分，可将物资全供应链大数据应用典型应用场景、相关应用路径、分析方法建}义和应用研究意义简要列举见表1。

5 结论

构建大数据平台，将内外部数据进行整合、充分挖掘数据相关性、观察并预测数据变化趋势，在增强数据存储、整合、计算、分析能力的基础上，开展物资全供应链大数据分析及其成果应用，定能成为预测供应趋势、提升响应效率、监控关键指标、降低运营成本的有效工具，从而进一步提升供应链上下游各环节的联动性，实现物资全供应链效益的最大化。