【呐喊517】供应链管理大数据的赛道上，运营商，你是蜗牛么?

供应链管理大数据的赛道上，我真是无力吐槽啊~...

Powered by Huaxin Consulting

赛道快讯：

亚马逊（Amazon）利用大数据来监控、追踪、确保其15亿库存商品准确的存放于全球200个订单履行中心（fulfilment centers）当中。亚马逊利用预测分析(PredictiveAnalytics)技术可以实现“预期发货(anticipatory shipping)”的情景，即，当客户打算购买一件商品的时候（注意是打算购买尚未正式下单），亚马逊就将货物提前发运(pre-ship)到离客户最近的仓储中心。这种对供应链管理的优化极大的提升了其客户的体验。

不得不承认，无论是政府办公、企业运转，还是车间生产、物流运输，每天都有大量的数据生成。当各行各业的数据累积到一定规模，数据存储、管理、挖掘、应用等新技术，就能帮助我们“把握现在，预知未来”。Apttus分析师、韦伯斯特大学教授Louis Columbus指出，大数据在十大方面改变着供应链管理：

举头望世界、低头思工作……大数据作为关键词出现在移动、电信各省供应链规划中已然不是什么新鲜事。然而，最近有个新员工问我，很多省的规划都提出了利用大数据优化供应链管理，可是我还是完全不知道是怎么优化的。对于这个问题，其实我也挺困惑，只能粗浅地回答，大数据是供应链信息化的一个目标。只是，回头一想，有目标也得有那个基础，今天就来扒一扒运营商供应链管理在大数据这条赛道上是何等的龟速。

供应链管理基本分为采购、物流、质量、供应商几大模块，今天小编以亲身经历的两件事先吐槽下采购、物流这两大模块的数据管理吧。

采购合同数据梳理：心累

采购往往与前端需求有着千丝万缕的关系，然而需求不确定、紧急需求等一系列“不可控”因素让采购员焦头烂额。试想，如果能发挥大数据的预知作用，通过历史采购数据、结合一定的大数据分析方法，对需求进行预测、规律总结分析，这样的问题不是可以得到化解？可是，骨感的现实是，我们有这样的预测基础么？需求预测，呵呵，不说什么神经网络、回归模型这么高大上的方法了，来看看我们基础数据的情况。小编曾经给某省做过产品标准化分析，在梳理各种合同、订单数据中可谓惊讶至极，在分析该省采购产品类别的时候，我不知道他们到底买了什么！集团每年下发了采购目录，规范了各种产品类别、名称、物料编码等，然而，在整理合同数据的时候，没有一个字段记录了这个合同具体采购了什么产品，订单数据中虽然有这样的字段，但所填内容却是五花八门、错漏百出，另外，七万多条订单中的43%无法匹配到相应合同！怎么办？凉拌肯定不行，猜呗！小编花了几天时间猜了五万多个合同的采购产品。不要问我猜的准不准，呵呵呵。这种我猜我猜我猜猜猜的事情后来在别的省也没少干！想想，如此基础的数据都无法提供，何来的预测可言？

物流库存物资分类：头疼

同样是基础数据的问题！以周转率分析为例，仓库物资堆积如山，采购依然买买买，而库存周转率的计算采用大锅饭平均模式，难以反映各类物资的实际周转情况（据最终分析结论，仅工程物资大类之间的周转率差距就接近30倍）。试想，如果能按物资类别理一理周转特征，合理控制各类物资采购、库存水平，那堆积如山的实物库存是不是可以变为现金流？然而实际数据分析中又是让小编头疼得厉害啊！库存明细表很详实，半年的库存数据就导了一个星期，物料名称、编码一一在录，在采购分析中我想要的内容在这里得到了，可惜库存明细表跟合同是没有半毛钱关系的，我没法做映射。好，回归库存周转率分析，我希望按采购目录的中类或小类来分别做周转率分析，然而，面对库存明细，我分不出来这些类别。第一个方法试了库存明细表与采购目录Vlookup，但是库存明细表中物料编码如此好的字段却无用武之地，最直接可以区分物资类别的采购目录是不包含物料编码这个字段的，所以此路不通；第二个方法针对市场营销库存物资，与Boss系统进销存明细进行Vlookup，但进销存明细中对物资的分类与采购目录的分类并不一致，我还是被K.O.了。最后试了种种办法，我还是只能勉强按采购目录大类区分，然而，以大类维度做这个分析的意义就大打折扣了。

以上仅仅是我接触到的两个小案例，我只想说，这种明明可以靠上世纪的伟大发明——计算机来干的活最好就不要让手工来做了。此外，在我近两年所接触的类似项目中，关于供应链信息化的槽点依旧居高不下（实在太多、难以一一列举），由此可见，在大数据奔跑的赛道上，运营商供应链管理确实还要再打打鸡血。简单总结一下运营商供应链管理大数据化的关键步骤：