第1章 大数据时代的供应链管理

第1章大数据时代的供应链管理目录01供应链管理基础大数据基础知识大数据时代供应链管理的新要求0203

学习目标掌握供应链、供应链管理的基本内容了解供应链、供应链管理面临的挑战和机遇了解大数据管理的基本内容学习如何满足大数据时代供应链管理的新要求

导入案例66云链科技（宁波）有限公司（简称“66云链”）于2017年成立，专注于为能源化工行业提供数字化基础设施。利用物联网、区块链、大数据和云计算技术，66云链成功构建了集成化、智能化的“能化供应链数字基础设施”平台。该平台覆盖从原材料采购到产品交付的全过程，实现全过程数字化管理，提升了物流信息的透明度，减少了信息滞后和错误。这一数字化应用提高了物流效率，降低了成本，促进了企业间协作。此外，66云链的平台还为中小企业融资、化工园区安全管理等带来了积极影响。随着技术进步，66云链将继续推动能源化工行业向智慧、高效、安全方向发展。66云链：建设能化供应链数字基础设施01供应链管理基础

供应链概述供应链的定义供应链的参与主体供应链中的“四流”供应链面临的挑战供应链管理概述供应链管理基础供应链管理的定义供应链管理的环节供应链管理面临的挑战供应链管理的意义供应链概述供应链（SupplyChain）是从“扩大生产”（ExtendedProduction）这一理念发展而来的。传统的生产观念通常局限于企业内部的生产过程，关注如何在工厂内提高效率和产出。而“扩大生产”则在此基础上实现了视野的延展，将企业的关注点从内部生产拓展到整个价值链。这一理念向前覆盖到原材料的采购环节，向后延伸至产品的销售与售后服务，从而强调了企业与外部环境的连接与协作。通过这一转变，企业开始关注产品从起点到终点的完整生命周期，以及各个环节之间的高效衔接与协同。1、供应链的定义供应链概述狭义：生产及流通过程中，围绕核心企业的核心产品或服务，由所涉及的原材料供应商、制造商、分销商、零售商直到最终用户等形成的网链结构。这一链条上涉及原材料采购、生产、加工、分销等多个环节。广义：供应链是一个复杂而全面的概念，它涵盖了生产及流通过程中，将产品或服务提供给最终用户的所有上游与下游企业所形成的网链结构。供应链概述2、供应链的参与主体供应商制造商分销商零售商消费者3、供应链中的“四流”商流物流信息流资金流供应链概述4、供应链面临的挑战市场变化与不确定性多方服务与合作依赖性技术与数字化转型效率与成本压力环保与可持续发展压力供应链管理概述1、供应链管理定义供应链管理是指企业从供应链整体出发，对供应链中采购、生产、销售各环节的商流、物流、信息流、资金流进行统一计划、组织、协调、控制的活动和过程。2、供应链管理的环节供应链管理概述3、供应链管理面临的挑战4、供应链管理的意义提升运营效率降低成本提高客户满意度提升供应链韧性提升企业竞争力供应链衔接效率低下供应链整合技术落后供应链管理人才短缺02大数据基础知识

大数据的定义及特征大数据的定义大数据的特征大数据下的思维变革大数据基础知识从样本思维向总体思维转变从精确思维向容错思维转变从因果思维向相关思维转变从自然思维向智能思维转变大数据在供应链管理中的应用价值大数据提升供应链透明度大数据优化供应链配置大数据提升供应链响应速度大数据降低供应链管理成本大数据的定义及特征1、大数据的定义麦肯锡：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。大数据的定义及特征2、大数据的特征“5v”（1）数据量大：大数据的最显著特征，数据量远超出传统数据库软件的处理能力。（2）高速：大数据要求快速处理和分析，以满足实时决策的需要。（3）多样：包括传统的结构化数据和大量非结构化数据，应用场景更广泛。（4）价值密度低：大数据中单个数据价值可能很低，但大量数据聚合可产生巨大商业价值。（5）真实性：真实性是大数据质量的重要体现，它涉及到数据的准确度、可信度和一致性。大数据下的思维变革从样本思维向总体思维转变从精确思维向容错思维转变从因果思维向相关思维转变从自然思维向智能思维转变大数据在供应链管理中的应用价值大数据提升供应链透明度大数据优化供应链配置大数据提升供应链响应速度大数据降低供应链管理成本03大数据时代供应链管理的新要求

数量和质量的一致性数据数量的关键作用数据质量的核心价值实现数量与质量一致性的策略多维度数据整合大数据时代供应链管理的新要求多维数据的来源与特点多维数据整合的重要性多维数据整合的实现决策灵活性与灵敏性决策灵活性与灵敏性的含义决策灵活性与灵敏性实现准确可靠完整时效数据数量的充足性是供应链管理优化的基础。通过收集大量的数据，企业更全面地了解供应链的各个环节和各个方面，寻找潜在的优化空间。包括市场行情变化、物流货物的运输及质量信息、上游供应商的信息等。1、质量2、数量数量和质量的一致性数量和质量的一致性3、数量与质量一致性的实现建立完善的数据收集机制。建立数据质量监控和管理机制建设专业数据分析团队强化跨部门的协作与沟通1、多维数据的来源与特点2、多维数据整合的重要性形成统一的数据视图发现潜在问题和机遇支持精准决策多维度数据整合①碎片化②异构化③时效性在供应链管理中，数据来源包括但不限于生产、采购、物流、销售等环节，以及财务、人资等部门。这些数据往往呈现出以下特点：3、多维度数据整合的实现多维度数据整合建立数据治理体系：制定数据标准、数据质量和数据安全等方面的规范，确保数据的准确性、可靠性和安全性。采用数据集成技术：利用ETL（Extract,Transform,Load）工具、数据仓库等技术，将来自不同系统、不同格式的数据进行抽取、转换和加载，形成统一的数据视图。应用大数据分析工具：利用大数据分析工具对整合后的数据进行深入分析和挖掘，发现数据之间的关联性和规律，为供应链管理提供有价值的洞察。加强数据安全管理：在数据整合过程中，企业需要加强数据安全管理，确保数据的机密性、完整性和可用性，防止数据泄露和滥用。1、决策灵活性，意味着企业能够迅速调整供应链策略，以适应市场的快速变化。2、决策灵敏性则要求企业在面对复杂多变的市场环境时，能够迅速做出科学、准确的决策。构建实时数据监控与分析体系优化供应链网络结构应用人工智能与自动化技术加强数据治理与安全