后疫情时代的供应链弹性

供应链数字中心如何推动疫情后的供应链弹性

Cheryl Wiebe
Cheryl Wiebe
2021年8月2日 4 min read
我们将如何将数据平台、数据中心和数据网格的新概念应用于供应链等特定领域?我将在下面详述。

我的同事Rajnesh Tangri分享了一些关于疫情后如何利用我们刚刚学到的宝贵经验来改变供应链和供应链分析的见解。简而言之:大流行后的供应链需要更新旧的SCOR模型,增加更广泛的利益相关者需求。它不仅需要具有响应性、可靠性、灵活性、成本效益和资产效率,而且其能力还需要超越对精益原则的狭隘解释(在精益原则中,我们对最小化库存和风险管理进行了过度轮换)并满足更广泛利益相关者的要求。我们需要在等式中添加弹性、可持续性、道德行为和简化。他还列出了支持这些新业务需求所需的一些关键的新分析功能:
  • 持续优化
  • 场景规划
  • 自适应预测
  • 能见度
  • 异常警报
  • 自主操作
Cheryl-Blog-image-1.png
我不是算命先生,但我可以预测整整一代新的供应链分析应用程序的产生。数据组织将面临新的要求,即启动许多新的数据管道和数据产品,以支持疫情后供应链中的决策。数据组织将面临快速部署这些功能的压力。关于如何管理数据以支持这些功能的意见随处可见,但没有一个意见专门涉及供应链。因此,作为一名供应链分析从业者,在阅读了很多这些观点之后(包括最近Martin Willcox关于数据网格的13个想法)我想深入研究他触及的一个领域,并将其专门应用于供应链领域:领域驱动设计(DDD)原则和有界上下文的概念。好吧,什么?

让我解释一下。

DOMAIN是指我们在某些数据区域周围绘制线条的能力,因为它们彼此之间具有很强的亲和力,例如销售或支持(请参阅下面的Thoughtworks中的图表)。数据亲和力分组功能强大,因为它允许组织分离出一部分数据,并将其置于一个小组主题专家的管理和责任之下,他们出于自身的利益可以很好地策划和管理这些数据。
Cheryl-Blog-image-2.png
正如现在正在讨论的那样,围绕数据网格的所有炒作(以及数据湖、数据湖等),让我们不要过多地陷入这些嗡嗡作响的话题中。基于Rajnesh的“回归基础”博客文章,我们如何管理云架构的旅程,同时支持企业、创新和特定领域的中心的概念。我们所说的“基础知识”是什么意思?它带来了数据集成和重用的核心原则,其基础设施使我们能够实现一组特定于领域的数据产品,利用连接的多云数据和分析平台(如Teradata Vantage)的共享基础架构,以封装和构建特定领域的知识和模型的方式,使数据消费者受益。要了解更多信息,这篇博客文章将详细介绍现代云平台需要考虑的六个关键功能。集成数据管理是这六项功能之一,它直接影响敏捷性、响应能力和安全性。
Cheryl-Blog-image-3.png现在,回到供应链领域。供应链是一个可以从这些最新发展以及我们带来的数十年供应链数据经验中受益的领域。我建议它可以作为特定领域的数字中心来实现。碰巧的是,通过这样做,我们还可以实现未来数字供应链中的关键理想属性之一:弹性。

原因如下。

在供应链中,弹性是关于对变化和中断的适应性响应。除了灵活性之外,它还意味着您有选择:您已经内置了合同和运营灵活性。您没有以最低的短期成本过度轮换。您已经为最坏情况和最佳情况做好了计划,并量化了这些风险。您不仅在合同上安排了计划A,还安排了B计划、C计划等。

您的数据和分析平台也需要具有弹性。它需要通过以下方式满足您的供应链组织适应的需求:
  • 频繁的重新配置:关闭和开放新轨道、新的运营中心,新的供应商;增加新的产品线、新的配送中心。
  • 感知行为变化:随着供应链交货时间、可变性和服务水平承诺的变化,监控和更改供应链计划参数。
  • 了解新的和不断变化的成本和替代方案:中断的影响和合同承诺,如费用、罚款和服务成本,以及这如何影响替代方案的选择。
  • 政策和治理发生变化,因为组织了解到从替代方案中选择哪些效果最好和最差,以及哪些决策可以自主做出。
整合这些适应必须是自动的,而不会引起技术债务:数据和分析必须能够适应这些适应,而不会对数据结构、数据管道和分析计算进行重大更改。这是供应链组织的弹性数据和分析平台。

供应链数字中心的概念将数据集成和重用的“回归基础”方法与最新的数据生态系统现代架构相结合,并专门应用于供应链组织和支持数据组织的需求。这种平衡的方法为供应链数据和分析消费者带来了快速的上市时间,同时减少了数据运营团队维护它的大量技术债务。这种方法内置了数据和分析弹性,减少了对数据和分析本身的干扰。我在本系列的下一篇博客文章将更详细地讨论这个问题。

关于我们 Cheryl Wiebe

Cheryl Wiebe is an industry consultant and subject matter expert at Teradata. Ms. Wiebe helps industrial companies pursue strategic digitization through analytics, a theme that has been central to her work over the past 20 years.  She consults with top 500 clients who are embedding and operationalizing analytics at scale into industrial internet, connected assets, connected mobility, connected factory, connected supply chain, and other emerging settings such as smart cities. She is deeply involved in painting the vision for the use of artificial intelligence and machine learning in emerging digital businesses in the various industrial sectors. She focuses on industrial companies who leverage IoT and intelligent, connected devices, as well as finding and engineering the repeatable solutions.  She holds an MBA and a BSc. (Hons) Computer Science

查看所有帖子 Cheryl Wiebe

随时了解情况

订阅 Teradata 的博客,获取每周向您提供的见解



我同意作为本网站提供商的Teradata天睿公司可能偶尔向我发送Teradata市场沟通电子邮件,其中包含有关产品、数据分析、活动和网络研讨会邀请的信息。我了解我可以随时通过点击我收到的任何电子邮件底部的取消订阅链接取消订阅。

您的隐私很重要。您的个人信息将根据Teradata全球隐私政策收集、存储和处理,您可以通过单击此隐私链接阅读和打印。

从 Teradata 查看更多信息