为什么数据和上下文对于供应链可见性至关重要？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-05-25
供应链管理中的基本挑战之一是缺乏可见性
这会导致预测不准确，计划不佳，发货延迟，决策不正确，风险更高和业务损失，甚至在大流行发生之前，公司就在争先恐后地在其扩展的供应链网络中获得足够的可见性，以发现潜在的风险，实际上全球21％的供应链高管认为供应链可见性是他们的挑战，当灾难性事件（例如COVID-19）导致需求和生产水平发生重大变化时，此问题就变得至关重要，幸运的是可以使用新技术来帮助组织衡量其供应链中的可见性，从而使他们可以更快地对中断做出响应，较高的可见性可导致更好的决策制定，从而使运营更高效，企业更获利。
识别供应链中的基本跟踪属性以实现全面可见性时，有两种主要方法
通过将它们分为基于硬属性和软属性的跟踪，可以对组织的供应链有更全面的了解，实施基于硬性和软性的基于属性的跟踪对于获得近乎的可见性以及高效且高利润的供应链至关重要，大多数公司陷入只能跟踪传统属性的陷阱，例如可以使用传感器捕获的位置，温度，条件，时间戳和计数等传统属性，基于属性的硬性跟踪提供了地面真实性（实时传感器数据），其中传感器实时收集来自原材料，组件和制成品的信息，基本事实包括各种实时数据，可帮助回答重要的业务问题。
运送中的材料或产品是否保持在所需的环境条件范围内（温度，湿度等）？
仓库中的物料或产品是否完好或损坏？
接收托架中的物料或产品在坞站上存放了多长时间？
在这一点上，订单的确切位置是组装线中的哪个变电站？
有许多类似的业务问题可以完全确定地回答，但前提是必须跟踪硬属性。
软属性跟踪为组织提供了更多的粒度
并帮助利益相关者更快地做出决策，两种不同的上下文适用于软属性，业务流程上下文，例如采购订单和付款条件；和环境方面，例如天气和交通状况，假设企业的组件在供应商处可见（如位置传感器通过硬属性跟踪所指示），但尚未将它们带到物流中（否则传感器将指示送货卡车上存在组件） ），就硬的基于属性的跟踪而言，状态不会改变，直到将组件交付给后勤部门为止，系统可能会暂时处于此状态，从而造成组件丢失的印象，因此不清楚要与谁联系以使系统进展，这是纯硬的基于属性的可见性的主要缺点。
显而易见，硬属性与价值和后果相关联
但软属性也可以在这里发挥作用，因为它们会影响产品的成功发货，例如如果付款条件已更改（软属性），使得仓库中的产品没有更改所有权，则可能对潜在所有者的资产负债表或负债风险产生负面影响，通过跟踪硬属性和软属性，企业可以做出更准确的预测，更好地计划，做出更快的决策，降低风险并增加收入，这样做还可以消除供应链中的盲点，并且可以清楚地看到价值的增加。
一旦企业可以实时跟踪硬属性和软属性
就可以收集相关数据并将其叠加到所有供应链组件的数字模型上，从而形成所谓的数字双胞胎，可以将其视为由多个资产，仓库，物料流和库存信息组成的供应链“副本”，捕获数据以实时描述供应链的状态，这使企业能够查看其环境中的数据点，识别历史模式，分析根本原因并优化流程，有了如此详细的数据，企业可以模拟，预测并获得有关其供应链各个层次的宝贵见解。
整个供应链可以看作是许多相互关联的流程的复杂工作流程
这会导致预测不准确，计划不佳，发货延迟，决策不正确，风险更高和业务损失，甚至在大流行发生之前，公司就在争先恐后地在其扩展的供应链网络中获得足够的可见性，以发现潜在的风险，实际上全球21％的供应链高管认为供应链可见性是他们的挑战，当灾难性事件（例如COVID-19）导致需求和生产水平发生重大变化时，此问题就变得至关重要，幸运的是可以使用新技术来帮助组织衡量其供应链中的可见性，从而使他们可以更快地对中断做出响应，较高的可见性可导致更好的决策制定，从而使运营更高效，企业更获利。
识别供应链中的基本跟踪属性以实现全面可见性时，有两种主要方法
通过将它们分为基于硬属性和软属性的跟踪，可以对组织的供应链有更全面的了解，实施基于硬性和软性的基于属性的跟踪对于获得近乎的可见性以及高效且高利润的供应链至关重要，大多数公司陷入只能跟踪传统属性的陷阱，例如可以使用传感器捕获的位置，温度，条件，时间戳和计数等传统属性，基于属性的硬性跟踪提供了地面真实性（实时传感器数据），其中传感器实时收集来自原材料，组件和制成品的信息，基本事实包括各种实时数据，可帮助回答重要的业务问题。
运送中的材料或产品是否保持在所需的环境条件范围内（温度，湿度等）？
仓库中的物料或产品是否完好或损坏？
接收托架中的物料或产品在坞站上存放了多长时间？
在这一点上，订单的确切位置是组装线中的哪个变电站？
有许多类似的业务问题可以完全确定地回答，但前提是必须跟踪硬属性。
软属性跟踪为组织提供了更多的粒度
并帮助利益相关者更快地做出决策，两种不同的上下文适用于软属性，业务流程上下文，例如采购订单和付款条件；和环境方面，例如天气和交通状况，假设企业的组件在供应商处可见（如位置传感器通过硬属性跟踪所指示），但尚未将它们带到物流中（否则传感器将指示送货卡车上存在组件） ），就硬的基于属性的跟踪而言，状态不会改变，直到将组件交付给后勤部门为止，系统可能会暂时处于此状态，从而造成组件丢失的印象，因此不清楚要与谁联系以使系统进展，这是纯硬的基于属性的可见性的主要缺点。
显而易见，硬属性与价值和后果相关联
但软属性也可以在这里发挥作用，因为它们会影响产品的成功发货，例如如果付款条件已更改（软属性），使得仓库中的产品没有更改所有权，则可能对潜在所有者的资产负债表或负债风险产生负面影响，通过跟踪硬属性和软属性，企业可以做出更准确的预测，更好地计划，做出更快的决策，降低风险并增加收入，这样做还可以消除供应链中的盲点，并且可以清楚地看到价值的增加。
一旦企业可以实时跟踪硬属性和软属性
就可以收集相关数据并将其叠加到所有供应链组件的数字模型上，从而形成所谓的数字双胞胎，可以将其视为由多个资产，仓库，物料流和库存信息组成的供应链“副本”，捕获数据以实时描述供应链的状态，这使企业能够查看其环境中的数据点，识别历史模式，分析根本原因并优化流程，有了如此详细的数据，企业可以模拟，预测并获得有关其供应链各个层次的宝贵见解。
整个供应链可以看作是许多相互关联的流程的复杂工作流程
可见性有助于理解各种替代决策中的权衡取舍，从而为减轻业务风险提供了选择，跟踪硬属性和软属性将导致基于事实的细粒度和地面可见性，这是下一代智能供应链的基石，在竞争日益激烈的数据驱动世界中，跟踪硬属性和软属性将有助于组织实时做出正确的决策，避免中断并在当今快速发展的业务环境中蓬勃发展。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
