大数据升级制造企业供应链管理

　　大数据的制造业潜力

　　IBM将“大数据”定义为无法使用传统流程或工具进行处理或分析的信息。根据《中国大数据发展调查报告（2015年）》，2014年，中国大数据市场规模为84亿元，预计2015年接近116亿元，增速为38%。

　　一直以来，对大数据的关注主要集中于社交媒体、广告、销售和情感分析等领域，但实际上，大数据战略的商业应用特别在产品设计与制造领域拥有巨大的潜力。正如过去十年来媒体、通信和技术改变消费市场那样，聚集于产品生命周期管理（PLM）与企业资源计划系统（ERP）中的庞大数据，以及长期的产品数据，可能会改变整个企业经营和工业格局。

　　以典型的制造企业为例，原材料、劳动力及能源是其主要成本。就性质而言，企业的经营优化主要专注于物理层面，如精益化、供应链及卓越制造等领域。而利用大数据改善经营的过程，关系到对设计和制造流程中的各元素进行更深、更广、更智能的分析。

　　对大数据进行分析，并利用其结果为决策制定提供依据，可带来的关键效益包括：通过主动采用与市场同步的战略来实现企业目标，以及降低采购、转换及经销成本等有形价值。虽然各企业采用的方法在细节方面是根据各自的实际情况而设计，但他们所遵循的关键原则却是统一的，即关注所有数据源，分析和利用内外环境中的各种变化。

　　因此，在传统制造业中利用大数据的关键在于，企业不再单纯地仅以结构性数据为制定业务决策的依据，企业内部及其周边存在大量原始数据有待收集。这些原始数据中蕴藏着重大的业务机遇，但除非对之进行合理分析，否则无法揭示其隐含的价值。相对于其可能带来的潜在收益而言，捕捉此类数据所需的成本并不算高。对于决策制定而言，通过对非结构化数据进行分析所收集的信息同样具有重要意义。

　　力，首先必须解决多重挑战，才能说服所有相关的利害关系人。这包括大数据的所有权、问题的规模和复杂性、技术和业务流程的集成、以及解决问题所需的大量工具。事实上，所有企业都与大数据的增长存在千丝万缕的内在关联。不过令人欣慰的是，其潜在效益同样对企业有利。

　　虽然大数据的规模不可小觑，但其复杂性同样不容忽视。因此，要解决大数据挑战，不是简单地加大资源投入，而是要采用完全不同的思维方式。相应的，技术也只是解决方案的一部分而已。如果不能将结果融入业务，并不断反馈给流程和工作流，绝大部分潜在效益都将得不到实现。

　　因此，技术和流程的结合是不可或缺的，将大数据应用于PLM管理的挑战也绝非单一解决方案所能解决的，而是需要一个集成的方法，有效利用各种工具和资源。其中，关键是要确保在正确的应用场合部署适当的系统。最理想的情况是集成所有这些要素，以求实现最大效益——不只是实现单项应用的效益，而且要实现它们的综合效益以及综合搜索等支持功能。

　　除了上述难题之外，有关大数据的另一顾虑在于数据保护方面。造成这一顾虑的原因有很多，如IT环境的改变以及不断变化的业务举措和规则等。

　　在应对内部威胁的同时，企业还需对付越来越精明复杂的黑客技术，以及信息大爆炸现象，以至于任何大数据解决方案都必须具备稳健的数据安全保护机制，这一点不容置疑。这就意味着制造企业必须确保往常被视为比较脆弱的工具和应用的安全性，因为在与其它系统相集成、以及在与供应商和第三方合作伙伴进行数据共享时，这些工具和应用因其开放性容易成为新的被攻击点。

　　供应链管理升级

　　流入企业网络的庞大数据来自诸多源头，包括使用传感器自动监控各种环境条件并生成大量性能数据的所谓智能设备。处理大数据，就是要能够共享、集成、存储和搜索来自众多源头的庞大数据。就供应链管理而言，这意味着要能够接受来自第三方系统的数据，并加快反馈速度。其整体影响是增强协同性、加快决策制定和提高透明度，这对所有相关人员都有帮助。

　　1.优化库存。比如，SAS独有的功能强大的库存优化模型可以实现在保持很高的客户满意度基础上，把供应成本降到最低并提高供应链的反应速度。其库存成本第一年就可下降15%-30%，预测未来的准确性则会上升20%，由此带来的是其整体营收会上升7%-10%。当然还有一些其他的潜在好处，如提升市场份额等。

　　2.创造经营效益。供应链渠道，以及生产现场的仪器或传感器网络收集了大量数据，对它们进行更紧密的整合与分析，可以帮助改善库存管理、销售与分销流程的效率，以及对设备的连续监控。制造业要想发展，企业必须了解大数据可以产生的成本效益，并对设备进行预测性维护。制造业将是大数据营业收入的主要来源。

　　3.B2B电商供应链整合。强大的电商将引领上游下游生产计划与下游销售对接，这种对接趋势是上游制造业外包供应链管理，而制造企业只专注于生产。物流外包上升到供应链外包是一个巨大的飞跃，体现了电商的强大竞争力和整合能力，海量数据支持和跨平台、跨公司的对接成为可能。

　　4.物流平台规模发展。目前，多样产品的销售供应链的整合有很大的技术难题，制约物流平台发展，如供货周期、库存周期、配送时效、物流操作要求等，大数据平台建设将驱动整体销售供应链整合。

　　5.产品协同设计。在产品设计和开发过程中，相关人员相互协同，工厂与制造能力也在同步设计和开发中。当前的压力在于向市场交付更具竞争力、更高配置、更低价格、更高质量的产品，而同时满足所有这些要求，是制造和工程企业的下一个重大的价值所在。这也正是大数据的用武之地。

　　总结

　　目前，大数据可以分为两个独立的部分，分别针对其规模和信息的有效利用。第一部分针对的是对所生成、传输和存储的海量信息进行简单处理所带来的挑战。当前，数据量呈爆炸式增长，而随着M2M（机器对机器的通讯）的应用，此趋势仍将持续下去。但是，如能够解决这些挑战，将可以打开崭新的局面，这便是大数据的第二部分所对应的问题。

　　通过挖掘这些新数据集的潜力，并结合来源广泛的信息，就可能获得全新的洞见。如此，企业可以开发全新的流程，并与产品全生命周期的各个方面直接关联。与之集成的还有报告和分析功能，为流程提供反馈，从而创建一个良性的强化循环。

　　领先的制造企业利用大数据，可以培育出个性化定制产品市场，优化企业生产环节，制造出智能产品，实现经营优化。虽然目前只有少数企业可利用大数据来建立竞争优势，但预计未来几年，以大数据促进制造产业转型升级，帮助中国企业实现智能制造，将成为制造业必然的发展趋势。

　　文/Dr.Helmuth Ludwig

关注读览天下微信， 100万篇深度好文， 等你来看……