如果我们回顾50年前的1973年石油危机,会发现那时发生了很多事情。全世界的反应多少是有缺陷的。当然,其中也包括了一些理性的反应。
积极的:
- 有了部分动机来研究一个以石油/能源为重心的议程,这使我们需要依赖不一定友好的外部贸易伙伴。
- 北美的汽车公司最终制造了更小的汽车。
消极的:
- 与能源相关的产品囤积,加油站排起了长队。
- 政府颁布了工资和价格控制措施,我们现在知道这是灾难性的政策理念。
我们可以(也应该)了解供应链世界如何应对这些类型的事件,并将我们的经验应用于管理供应链物流。正是通过这个镜头,我做出了以下预测。
但首先...
我们在疫情期间看到了什么。
- 对商品的需求发生了巨大变化:由于我们所做的事情变化了,所以我们需要的东西也变化了。
- 我们原计划的所有推动供应链运营的因素、价格、需求等都发生了巨大变化。简而言之,它们是错误的,因为我们不能再按过去的老办法来依赖未来。
- 作战室的一年!它在过去的18个月里意义非凡,因为公司争先恐后地执行B计划,但却并不总是有准备好的B计划,所以他们建立了作战室。他们临阵磨枪、整理数据来支持它。那些投资过这些项目的人能够更好地开展这项活动。
进入2022年时,我们将看到什么。
- 在作战室加倍努力:公司不再把它看作临时活动,而是将情景规划和风险评估作为战略和运营活动的核心。风险评估将侧重于金融脆弱领域(例如:供应商的可靠采购能力、能指出最有可能发生价格波动的“指向”)。因此,我们将看到重点放在构建支持作战室的数据系统上。这意味着供应链高管将需要投资于工业实力数据管理实践,以便为这些活动带来干净、精心策划的数据。
- 供应链可变性分析:我们将寻找能够实时扫描可变性热点的功能,作为中断的前沿。这将需要:
- 整个供应链的高度数据连接,也许更多的公司希望获得更多信息并与贸易伙伴共享(见#4)。
- 热点和异常的信号检测(多维跟踪)。
- 使用基于事件的AI处理中断:由于未来将包含越来越多的破坏性事件,而可预测性将越来越低,需求预测将从补充(一成不变、依赖于与过去非常相似的未来情况的建模型技术)转换到AI/ML,它将构建所谓的“因果框架”到视图中:基于事件的预测将成为快速计划我们对破坏事件反应的方式。
- 共享贸易伙伴数据平台:如上所述,将重点放在与贸易合作伙伴共享数据池上,以便访问“全世界正在发生的事情”。我不相信它会通过区块链实现,但可以肯定的是,这也是一种办法(很可能是效率最低的办法)。
连续 20 年:被公认为数据分析领域的领导者
随时了解情况
订阅 Teradata 的博客,获取每周向您提供的见解