공급망 빅 데이터 분석 및 적용, 전통적인 모드에서 기업의 공급망은 "체인" 운영입니다. 경제가 발전함에 따라, 그것은 디지털 공급망이 되었다. 디지털 공급망의 본질은 "공급망 관리"+"디지털화" 입니다. 공급망 빅 데이터 분석 및 적용에 대해 자세히 살펴보겠습니다.
공급망 빅 데이터 분석 및 애플리케이션 1 빅 데이터 공급망은 실제로 데이터 관리 공급망입니다. 더 많은 것은 데이터를 통해 공급망의 각 업무 시스템을 꿰뚫어보고 그 데이터를 서로 연결시키는 것이다. (알버트 아인슈타인, 데이터명언)
그것들 사이의 관계를 찾아 생산 과정의 자재, 생산, 물류를 더 잘 통제함으로써 유통효율을 높이고 비용을 절감할 수 있다.
나는 Gree Electronics (Wuhu) 의 실제 응용 사례를 들었다.
그들의 데이터 분석에는 물류 분석, 운영 효율성 모니터링, 생산 라인 모니터링 및 품질 관리의 네 가지 응용이 있습니다.
첫째, 물류 분석
대형 화면과 분할 화면을 모니터링하여 비즈니스 운영을 실시간으로 모니터링함으로써 어떤 부분에 문제가 생기면 대시 보드 경보에서 가장 먼저 발생하고, 정보는 효과적이고 시기적절합니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 성공명언)
재고 내 각 위치의 자재 비율 및 재고를 모니터링합니다.
둘째, 운영 효율성 모니터링
주문 수량 완료율, 수거 진행 상황, 주문 완료 수량 및 비율을 모니터링합니다.
생산 공장의 각 생산 단위의 생산 효율과 오프라인 비율을 감시하다.
셋째, 생산 라인 모니터링
MES 와 MPR 에서 수집한 시스템 데이터는 영홍 Z-Suite 와 연결되어 실시간 다차원 분석을 수행합니다.
예를 들어, 이전에는 관계자에 대한 포인트 투 포인트 검사가 필요했는데, 현재 검사 결과가 분석 플랫폼에 실시간으로 표시되며, 지표 시스템은 상황에 따라 유연하게 조정되어 IT 직원의 생산성을 30% 이상 향상시킬 수 있습니다.
넷째, 품질 관리
현장 생산 프로세스 및 품질 관리에 대한 기존의 분석은 시스템 데이터를 수동으로 가져온 다음 EXCEL 에 내장된 차트를 사용하여 쉽게 처리할 수 있었습니다.
이제 그들은 더 많은 경영 분석 차원과 결합하여 탐색 분석, 분석 및 예측을 하기 시작했다. 대형 데이터 분석 플랫폼을 통해 생산 라인, 팀, 공장 등 여러 차원에서 회사의 전체 생산 및 운영 상황을 보여줄 수 있습니다.
데이터 분석 플랫폼을 통해 생산 프로세스의 핵심 경쟁력을 높이고 자재 및 생산 프로세스를 종합적으로 모니터링할 수 있어 생산성을 높일 수 있을 뿐 아니라 생산 라인의 불량률을 낮출 수 있습니다.
사실, Gree Electronics (Wuhu) 의 응용에서 우리는 데이터 분석이 공급망에 도움이 되는 두 가지 중요한 점을 가지고 있다고 결론을 내릴 수 있습니다.
1, BI 는 공급망의 모든 데이터를 완벽하게 모니터링했습니다.
2. 생산과정 각 단계의 자재 재고 대응은 제때에 조정되어 효율을 높일 수 있다.
공급망 관리가 어느 정도까지 할 수 있는지에 대해 여기서 말하는 것은 매우 형상적이다.
창고가 전혀 없다. 차량 (예: 차량) 과 같은 운송 수단은 창고를 계속 도로에 있게 하는 작은 이동 창고이다. 이것은 컨테이너 운송회사의 빈 상자 관리와 비슷하다. 빈 컨테이너 야드는 육지가 아니라 배 위에 놓아야 할 곳이다.
물론, 이것은 너무 이상적일 수도 있지만, 제조 기업에게는 한 푼을 줄일 때마다 거대한 액수를 곱하면 천문학적인 숫자이다.
따라서 데이터 플랫폼을 적용하여 공급망을 관리해야 합니다.
공급망 빅 데이터 분석과 2 대 데이터 분석을 적용하는 응용 분야는 무엇입니까?
첫째, 광고
예를 들어, 최근에 제품을 사고 싶어서 바이두, JD.COM 또는 타오바오에서 키워드를 찾고 있습니다. 사실, 이러한 행동 데이터는 이미 수집되었습니다. 사람의 행동 데이터가 많기 때문에 모든 배경에서는 대량의 데이터 분석을 하고, 사용자 초상화를 만들고, 추천 알고리즘을 사용하고, 개인 추천을 해야 합니다. 일부 사이트에 로그인하면 일부 광고를 찾을 수 있습니다. 그 중 일부는 구매하려는 제품일 뿐입니다.
둘째, 내용 소개
예를 들어, 오늘의 헤드라인을 칠하면, 헤드라인은 당신의 독서 행동 데이터를 수집한 다음, 당신의 취향에 따라 자신의 사용자 또는 한 부류의 사람의 초상화를 만들어서, 당신이 좋아하는 뉴스를 소개한다. (조지 버나드 쇼, 자기관리명언) 예를 들어 제임스 관련 뉴스를 클릭하면 NAB 관련 뉴스에 소개됩니다. 헤드 라인 사용자가 많기 때문에 분석 할 데이터의 양이 매우 커서 모든 것을 큰 데이터로 처리해야합니다.
셋째, 외식업
패스트푸드 업계의 영상 분석. 회사는 비디오 분석을 통해 대기열 길이를 분석한 다음 전자 메뉴의 내용을 적극적으로 변경합니다. 대오가 길면 빨리 공급할 수 있는 음식이 나타납니다. 순위가 짧으면 이윤은 높지만 준비 시간이 비교적 긴 식품이 표시됩니다.
넷째, 교육 범주의 적용
Baidu 뇌 PK 인간 두뇌: 큰 데이터 베팅 대학 입학 시험 작문 문제. 수험생이 시험을 더 잘 준비할 수 있도록 바이두 수능 수능 작문 추측 문제, 범문 등 원시 데이터를 깊이 발굴하고 분석하여, 여러 해 동안의 뜨거운 단어, 역년 뉴스 핫스팟, 실시간으로 업데이트되는' 라이브 데이터' 를 찾아내며,' 확률 주제 모델' 을 이용해 인간의 뇌사고를 흉내내고, 작문 주제와 관련 어휘를 역추론하고, 수험생을 위해 수능 작문의 명제 방향을 추측한다.
동사 (verb 의 약자) 의료 범주
지혜와 지혜. 이안 () 은 IBM 메인프레임을 회안 () 지역 위생 정보 채널의 인프라 지원으로 선정하여 시급 지역 위생 정보 채널과 주민 건강 정보 시스템 인프라 채널 건설 과정의 요구를 충족시켰다. 회안 시급 데이터 센터, 주민 건강 기록 데이터베이스 등 일련의 회안 위생 정보 애플리케이션을 지원하고 회안 () 을 지탱하는 것은 전국의' 스마트 의료' 패러다임이 되었다.
공급망 빅 데이터의 분석 및 적용 3 공급망 빅 데이터는 주로 구조화 데이터, 구조화되지 않은 데이터, 센서 데이터 및 새로운 데이터의 네 가지 유형으로 구성됩니다.
1, 구조화된 데이터란 스프레드시트나 관계형 데이터베이스에 저장된 데이터로, 총 데이터의 약 5% 를 차지하며 주로 거래 데이터와 기간 데이터를 포함합니다.
오늘날 빅 데이터 분석은 주로 이러한 데이터를 기반으로 하며, 중요한 구조화된 데이터에는 ERP 데이터가 포함됩니다. ERP 시스템에 저장된 데이터는 여러 해 동안 기업을 운영해 온 시스템에 축적된 대량의 산업 데이터이기 때문에 기업의 경영 의사 결정과 예측에 큰 의미가 있습니다.
2. 구조화되지 않은 데이터에는 주로 재고 데이터, 소셜 데이터, 채널 데이터 및 고객 서비스 데이터가 포함됩니다. 대량의 연구와 보고에서 데이터 및 분석 능력이 공급망 관리에 미치는 중요성에 대해 논의했지만, 사회 데이터 등 구조화되지 않은 데이터가 공급망에 미치는 영향과 역할에 대한 연구는 상대적으로 부족하다.
그러나 소셜 미디어 데이터는 공급망 운영 및 관리에 매우 중요합니다. 소셜 미디어 데이터를 사용하여 기업이 신제품 개발, 이해 관계자 참여, 공급망 위험 관리, 시장 개발 등 공급망 활동을 계획하는 방법을 안내합니다. ) 및 소셜 미디어 데이터가 공급망 성과에 영향을 미치는 구체적인 메커니즘은 심도 있는 논의가 필요합니다.
내용이 풍부한 비정형 데이터에서 비즈니스 인텔리전스를 발굴하기 위해서는 설명 분석, 컨텐츠 분석, 네트워크 분석 등 다양한 연구 방법과 측정 방법을 사용해야 합니다.
3. 센서 데이터에는 주로 RFID 데이터, 온도 데이터, 큐알（QR）코드 및 위치 데이터가 포함됩니다. 이러한 데이터는 빠르게 증가하고 있으며 공급망 금융에 막대한 영업 기회를 가져다 줄 수 있습니다.
4. 새로운 데이터 유형에는 주로 지도 데이터, 비디오 데이터, 이미지 데이터 및 사운드 데이터가 포함됩니다. 이러한 데이터는 대부분 시각화 분야에서 사용되며 데이터 품질을 향상시키고, 데이터를 실시간으로 만들고, 데이터 분석의 정확성을 높이는 데 도움이 됩니다.
빅 데이터의 품질
기업은 큰 데이터 분석을 할 때 데이터의 품질을 고려해야 한다. 저품질 데이터는 기업의 의사결정에 영향을 줄 뿐만 아니라 기업에 손해를 끼칠 수도 있다. 실제로 데이터의 유용성은 데이터의 품질에 따라 달라집니다. 빅데이터의 중요성이 높아짐에 따라 고품질의 데이터에 대한 수요도 증가하고 있다.
데이터 품질 평가에는 통일된 기준이 없지만 데이터 품질 평가에는 여러 차원이 포함되어야 한다는 데 모두 동의합니다. 데이터 품질에 대한 평가에는 데이터 내부 요구 사항 및 시나리오 요구 사항이 포함되어야 합니다. 내부 요구 사항은 데이터의 정확성, 적시성, 일관성 및 무결성을 포함한 데이터 자체의 객관적인 속성입니다.
환경이란 데이터의 품질이 데이터의 관련성, 부가 가치, 수량, 신뢰성, 접근성, 명성 등 데이터의 관찰 및 사용에 따라 결정되는 상황을 말합니다.