如何做供应链数据分析
如何做供应链数据分析，供应链就是指围绕核心企业，从配件到最终产品的整个过程，只有深入分析供应链本身的特性和表达形式，才能让供应链系统成为竞争的优势，那么如何做供应链数据分析呢？
如何做供应链数据分析1
关键指标跟进
不同的企业、不同的供应商、不同的采购过程，采购数据分析的目标也是不同的。有的分析统计维度是金额、有的分析统计维度是产品，还有的分析维度是供应商……不同的分析维度所呈现的最终结果有很大差距。而我在做供应链管理进行数据分析时，还是主张从供应链管理的基本内容出发，确定分析对象，划分分析维度。
供应链管理中需要数据分析的主要包括计划、采购、制造、配送、退货五大基本内容。
围绕这五项基本工作内容，企业可以充分利用供应链管理系统来对关键数据进行在线分析与管理，划分出以下几个供应链管理数据分析的维度：
供应商准入数据分析
采供需求数据分析
采购报价数据分析
订单发货数据管理
交货、对账数据管理与分析
供应商到货数据分析
分析过程
确定了数据分析的维度后，我们可以正式进入具体的数据分析阶段，可以将数据分析工作拆分成两个方面来进行，分别是收集数据和呈现数据，我们可以在具体的业务场景中具体来看。
一、供应商准入数据分析
收集数据
采购方可以对不同领域的供应商设置准入条例，并基于条例在提交的潜在供应商名单中筛选出审核合格的供应商进行准入。
呈现数据
根据统计上来的数据，供应商可自主查看修改自己的企业信息：营业执照、产品合格证书、供应商产品信息等。同时，采购方也可以对各个供应商提供的数据信息进行比对与选择。
二、采购需求数据分析
收集数据
利用系统中的统一入口去管理公司内部采购需求，不用再一个部门一个部门的用Excel统计再统计了，可以直接在SRM供应商管理软件中上传采购需求，再集中收集与汇总采购信息。 呈现数据
通过清晰的数据看板来呈现采购需求，并利用大数据进行分析，不仅能够提升采购需求申请的效率，还能够实现采购申请流程化管理，历史记录的数据也随时可查。
三、采购报价、比价数据分析
收集数据
采购方根据公司采购业务的需要制定出报价单模版，选择需要发起报价的供应商，系统一键生成报价单，系统批量群发报价并自动通知到对应供应商。
呈现数据
全部供应商报价完成后，采购方根据报价自动汇总生成比价单，无需人工统计汇总，比价结果公开透明。
四、采购发货、入库、退货数据管理
收集数据
供应商发货时需要在线填写发货单，便于对订单动态进行跟踪和管理，采购方收货时数据也可以自动传递过来，无需手动录入，核对数量后确认即可。双方发货、入库、退货数据实时同步，以避免信息出现滞后与遗漏。
呈现数据
双方发货、入库、退货数据实时同步，到货明细在表中一目了然，以避免信息出现滞后与遗漏。
五、采购对账、发票、付款数据分析
收集数据
发货、入库后都有电子表单一一对应，采供双方还可以实时在线对账。
如何做供应链数据分析2
如何看待供应链数据分析的三种经典思路？
（一）数学公式
“数学”在许多朋友听来好像有点头疼，但它是现代商业（也包括相关的各种数字化系统）运行的基础。我们日常用到的各种KPI计算也都是数学公式。而一些经典的公式则渗透到供应链运作的各个环节，例如Littles law：
平均排队长度 = 平均吞吐速率 * 平均排队时间
这个公式可以应用于各种场合，例如：如果某商超柜台在一段时间内的客户平均排队时间是1分钟，平均吞吐速率（服务能力）是每分钟可以为三名客户完成服务，则我们可以通过两者相乘，计算出这个柜台处的平均队列长度是三人（当然，实时的队列长度会有所波动。但时间越长，平均值估计越准确）。
数学公式的优点是：类似littles law这样的经典公式，可以透过纷繁复杂的现象直击问题本质。无论外界环境如何变动、人员工作方式如何、应用了什么信息系统，类似的定律都成立。
由此我们可以更好地理解一些知名企业的管理实践。例如，许多车企要求“尽可能缩短造车过程在厂内所耗的时间”，实质上就是要求缩短排队时间，从而可以降低排队长度（压缩库存），减少对企业资金的消耗和对场地的占用。
数学公式的主要缺点是：供应链各个环节涉及的场景纷繁复杂，能够用精确公式来测算的并不多，许多时候最多只能用一个近似公式来估计。随着现代供应链涉及的人员、设备、系统等要素越来越复杂，我们就不能只靠数学公式了。
（二）计算机算法
如果说数学公式的计算更多给人一种手工时代的“亲切感”，那么在数字化时代，我们会更多依赖算法的运行来解决问题。例如，对于全国范围内电商物流的库存布置、每天跨区调动货物的物流流向等，这种问题可能会涉及成千上万个变量，最优的决策绝对不是靠人脑所能够做出来的。
阿尔法狗打败人类围棋高手，就是一个最形象的例子：将来，我们在各行各业都会需要“阿尔法狗”，因此也会越来越需要（懂得行业知识的）算法工程师。
在算法的帮助下，供应链系统能够发掘出的潜力是十分巨大的。例如，某农产品公司基于数字化系统和AI优化现有的供应体系，可以为农业供应链带来10%-15%的成本节约。某大型制造业企业应用算法来求解现有生产线资源的最优配置，实现了20%以上的效率提升。有个“不成文”的经验说：如果一个供应链系统以前从未做过整体效率优化工作，那么发掘出20%以上的降本增效空间是不难的。
计算机算法的优点是：能够适应更加复杂、更加大规模的问题，在脑力劳动的层面实现“机器换人”。
其缺点在于：
1）受目前发展阶段的制约，算法在很多场合还不能确保计算出结果。比如说，一个物流路径优化算法，在80%的情况下能够求出解，在20%的情况下求不出来 。 如果是这样的话，离实战应用的要求往往就有较大距离了，尤其是工业场景往往要求（接近）100%的可用性。
2）算法计算出结果的“可解释性”往往较差。许多时候，我们只看到一个冷冰冰的数字，而不清楚背后的逻辑。这也是导致很多一线员工抵制算法工具的原因。所以，近年来供应链领域的一个趋势是算法的“白盒化”，要让用户理解算法是怎么计算出结果的，以及结果究竟好在哪儿（可以体现在一些关键的KPI）。
（三）仿真工具
仿真是比数学公式、算法更加直观的一种思路。即：无论供应链实际场景是什么样，我们都尽可能将这个场景在计算机中模拟出来。现场有多少仓库设施，我们就在数字世界里描绘多少仓储设施。现场的货物分拣是什么顺序，我们就在数字世界里按一模一样的顺序来分拣。最终，我们实现物理世界和数字世界的一一对应。
这样，我们可以达到的效果是：只需要在电脑中对各种元素作排列组合，就可以预知实际世界会产生什么效果。试错的成本被大大降低了。
和供应链管理相关的仿真工具，至少包括下列一些类型：
- 模拟离散或连续流程制造的生产线。
- 模拟整个工厂内部的设备运行，包括设备和CAD, ERP等软件的通信。
- 模拟AGV、自动化立体库等智能装备；
- 模拟长途物流网络运行，包括相关的.财务指标；
- 模拟短途配送物流，以及厂内/场地内物流。
仿真工具的优点是：
1）比较直观和图形化，在电脑屏幕上能直接看到各种方案及其运行的效果；
2）现代的计算机仿真工具也在与时俱进，能够把越来越多的元素都包括进来。例如：可以模拟AGV小车的充电过程、以及模拟最新的自动化立体库运作的各种细节。
其缺点是：商业化的仿真软件，价格往往较为昂贵，并且能够模拟的场景总的来说还是比较标准化的，各家公司的个性化特征不一定能模拟得出来。
总的来说，仿真软件的功能会越来越强大，以至于可以在数字世界“元宇宙”里面真的复制出一条完整的供应链。到那个时候，也许我们不需要再去刻意“分析”供应链的性能，只要“观察”就够了。
因为，所见即所得。
如何做供应链数据分析3
供应链有哪些特征？
1、协调性、整合性
协调性和整合性应该说是供应链的特点之一。供应链本身就是一个整体合作、协调一致的系统，它有多个合作者，像链条似的环环连接在一起，大家为了一个共同的目的或目标，协调动作，紧密配合。每个供应链成员企业都是“链”中的一个环节，都要与整个链的动作一致，绝对服从于全局，做到方向一致、动作也一致。
2、选择性和动态性
供应链中的企业都是在众多企业中筛选出的合作伙伴，合作关系是非固定性的，也是在动态中调整的。因为供应链需要随目标的转变而转变，随服务方式的变化而变化，它随时处在一个动态调整过程中。
3、复杂性和虚拟性
不少供应链是跨国、跨地区和跨行业的组合。各国的国情、政体、法律、人文、地理、习惯、风俗都有很大差异，经济发达程度、物流基础设施、物流管理水平和技术能力等也有很大不同；而供应链操作又必须保证其目的的准确性、行动的快速反应性和高质量服务性，这便不难看出供应链复杂性的特点。在供应链的虚拟性方面，主要表现在它是一个协作组织，而并不一定是一个集团企业或托拉斯企业。
这种协作组织以协作的方式组合在一起，依靠信息网络的支撑和相互信任关系，为了共同的利益，强强联合，优势互补，协调运转。由于供应链需要永远保持高度竞争力，必须是优势企业之间的连接，所以组织内的吐故纳新、优胜劣汰是然的。供应链犹如一个虚拟的强势企业群体，在不断地优化组合。
