科技行者如何让供应链更敏捷?数据清洗难题交给AI

如何让供应链更敏捷?数据清洗难题交给AI

如何让供应链更敏捷?数据清洗难题交给AI

如何让供应链更敏捷?数据清洗难题交给AI

2021年3月17日 19:02:00 科技行者
  • 分享文章到微信

    扫一扫
    分享文章到微信

  • 关注官方公众号-科技行者

    扫一扫
    关注官方公众号
    科技行者

如果你长期身陷数据清洗的泥潭,现在是时候体验AI的力量了。

来源:科技行者 2021年3月17日 19:02:00

关键字:供应链 人工智能

在去年新冠疫情全面爆发之前,“供应链”还不是什么热门词汇。但直到人们发现自己再也没法轻松买到自己喜欢的酵母、面包甚至是特定品牌的厕纸,群众才开始认真反思这三个字背后的深刻含义。

在这期间,大家通过社交媒体意识到意想不到的需求暴涨以及因为物资短缺传言所引发的抢购风潮,如何歇斯底里地冲击涵盖生产规划、产出与物流配送在内的整个供应链体系。作为反面教材,我们也亲身见证了供应链跟不上需求变化、特别是无法及时应对实时趋势时出现的种种乱象。

2020年,新冠疫情给全球消费者上了重要的一课,也让供应链真正走到聚光灯之下。

在理想情况下,组织应该通过数据对整个供应链拥有充分了解,借此保证在正确的时间将正确的产品与材料运送至正确的位置。但这个世界没那么理想,供应链中的大数据(通常已经在企业内部积累了几十年)已经过于臃肿、无法有效使用,由此引发的数据信心缺失甚至导致其事实沦为垃圾资产。

为了解决这个难题,企业在传统上习惯于使用数据清洗项目,即修复或删除语法错误或无效文件的过程,确保将原有数据精简为仅包含可操作及/或可使用信息的形式。这个清洗过程通常涵盖一系列需要不断重复的汇总、组织、分析与集成环节。在单一工厂或车间内进行数据清洗已经极为困难,更遑论对互不相通的工业网络数据进行统筹规划。

总而言之,数据清洗过程极为昂贵,需要耗费大量时间、资源以及外部支持,而海量投资并不一定能带来有效回报。而且事实证明,大多数企业根本负担不了持续不断的数据清洗操作。这种可行性难题与数据清洗必要性的交织,令运营者们头痛不已,但又无法坐视不理——因为如果没有数据,业务增强、流程改进乃至成本节约都将无从谈起。

不幸中的万幸在于,新冠疫情的蔓延已经成为技术发展与实际部署的重要助力。供应链也因此迎来重大的积极影响,企业开始利用AI与ML的力量突破传统数据清洗设下的重重包围。

无需传统数据清洗,也可提升业务产出

长期以来,制造业供应链一直面临着数据需求旺盛、但数据供给匮乏,而且新技术采用难度极大的困境。COVID-19的不期而至带来新的紧迫性,推动其深入研究改进方法。我们无法预测疫情变化,但却可以提供供应链体系的弹性与敏捷性。在经历几个月的实践摸索之后,事实证明只要向供应链中注入敏捷性因素,它就能够针对实时动态做出灵活响应。

疫情背景下的运营经验告诉我们,供应链数据永远处于混乱状态。供应链部门不可能耗费几个月时间清洗数据,毕竟这种完成即过时的状态不足以支撑当前的生产与交付需求。但如果放弃数据控制,制造商将无法快速转变以配合店面与仓库的实际需求,也无法有针对性地优化库存与配送流程。

通过总结,我们发现这类负面影响主要体现在三个层面。首先是数据质量问题,即数据“肮脏”、冗余且质量低下。另外,存放数据的设施往往彼此孤立,无法彼此“通话”。而且由于灵活性太差,其往往严重拖累实际生产效率。

其次,传统数据往往只能手动清洗,因此不可能跟得上实时变化。也正是由于供应链技术的更新迭代速度太慢,导致库存成本不断增长,且库存效能跟不上当前需求。各个业务部门之间往往具有彼此隔离的目标与动机,导致各方在如何简化供应流程、需要哪些数据方面存在严重脱节。

由此带来第三个问题——高昂的成本。糟糕的供应链数据管理每年可能导致数百万美元的运营损失。

新冠疫情不仅让我们深刻意识到完善供应链流程的重要意义,同时也唤醒了人们增强数据清洗能力的渴望。面对现实难题,我们必须求助于两股新生力量——AI与ML。

AI有望“消灭”数据清洗需求:将速度与规模提升至新水平

Gartner方面预计:“截至2024年底,将有74%的企业由试验性AI转变为可操作AI,由此将数据流与分析基础设施的规模提升达5倍。”

但我们不可能坐等2024年“革命胜利日”的自然降临。COVID-19疫情已经证明,压力会持续存在,直到我们愿意积极行动、真正完成数字化转型。而供应链落后带来的严重影响,导致任何一家企业都承担不起这种现实风险。

AI与ML的价值正在于此。尽管制造业与供应链行业一直将AI视为新鲜事物,但这方面成果早已有之,而且已经开始提供相对易于上手及使用的解决方案。在供应链当中,AI与机器学习能够消除大数据中包含的种种“噪音”。AI现在可以对接收到的需求信号进行检查与分类,并根据实时信息进行自我完善。数据分析流程则随时保持主动执行,积极切入数据管道并响应即时需求。以往的数据清洗周期往往长达9到18个月,而且可能需要将数据插入电子表格;但如今在AI的帮助下,清洗时间有望从2年缩短为2个月。由此,浩如烟海的数据将第一次变得易于理解、易于使用、智能且极具可操作性。

如果您长期身陷数据清洗的泥潭,现在是时候体验AI的力量了。事实也已经反复证明,AI技术在数据可见性、除重、库存优化以及数据驱动决策等领域拥有无可比拟的优势。如今,在供应链体系内引入AI数据清洗能力已经成为一种必要,任何“顽固不化”的组织都必然被历史的大潮所吞没。

    久久vs国产综合色_视频一区中文字幕日韩专区_香蕉视频在线观看视频入口_色偷偷亚洲男人本色