供应链数字中心

供应链数字中心是什么样的?

Cheryl Wiebe
Cheryl Wiebe
2021年8月9日 4 最小阅读

在我之前的文章“供应链数字中心如何推动大流行后的供应链弹性?”中,我概述了供应链分析平台必须完成哪些数据才能在供应链运营以及基础数据和分析中实现更高的弹性。在本章中,我将概述用于解决复原能力问题的组件。在您的组织中,您可能不会将其称为数字中心,但出于本博客的目的,我将它称为供应链数字中心。在这篇文章中,我将概述供应链数字中心的主要组成部分,这种方法避免的问题,以及这种方法带来的好处。

以下是供应链数字中心的主要组成部分:

  1. 供应链业务元模型:模型驱动供应链领域的基础是元模型,以及用于(可视化地)映射企业端到端供应链(或选定范围)的相关方法。这种元模型提供了一种将物理世界的结构转换为数字世界的方法。它驱动数据结构和应用程序行为的自动生成,并且可以自动重新生成以重构和适应物理世界中的变化。

  1. 供应链对象模型:一种用于指定每个对象的数据/数据结构和分析行为的方法,允许在微服务环境中管理供应链分析行为(KPI、指标、预测模型和其他分析应用程序行为的计算)。

  1. 供应链数据对象和分析模型实例化对象:实际数据、来源和策划的物料移动、订单、计划、产品转换和所有相关信息(数量、日期、成本、收入、能源)。

  1. 供应链数据连接器工具集:允许从运营源(区块链网络、外部贸易伙伴系统、公司内部系统)连接和流式传输供应链业务事件数据采集。

  1. 供应链数据源转换规则:允许在获取和整理数据时对数据进行融合、质量保证和控制。

  1. 即服务:允许供应链组织选择如何或是否投资基础设施,或者只是随用随付。

Cheryl-Blog-image-4.png

现在,将这项技术与业务问题联系起来,如弹性、成本、质量和复杂性。供应链和供应链分析必须能够承受变化和中断。但是,为什么供应链应用程序(如可见性、警报和编排)首先会中断呢?当供应链运营发生变化(我们更改了运输路线、添加新的供应商或新的处理中心、或者历史交货时间发生了变化),我们的分析假设,我们的方案和我们的计划模型需要自动改变以适应。如果我们的系统变化缓慢,我们就无法使用宝贵的数据来推动我们的决策。这导致决策不理想,并可能增加成本、客户服务不佳、库存短缺或变质。

我们如何解决这些问题?几种方法:

  1. 控制应用程序蠕变:今天,我们看到供应链应用程序的激增:计划应用程序、控制塔、警报和可见性应用程序。每个应用都有自己的冗余应用程序特定的数据存储。应用蠕变的影响是支持业务的应用程序开发成本较高、维护这些应用的成本较高,以及由于应用之间数据未协调而导致的结果冲突而导致的潜在错误。

    解决方案:使用融合的托管域数据存储库区域,公司可以构建可重用的数据产品:每个产品都可以为多个供应链可见性应用程序和其他分析用途提供支持。

    结果:减少了冗余。我们一次性投入了精力来管理数据。每个应用程序的增量成本以及上市时间都降低了。
     

  2. 减少冗余/重复的工作:每次创建新的供应链应用程序时,它都可能创建一部分冗余数据,更糟糕的是,可能会产生不匹配和错误的结果。

    解决方案:供应链的数字中心方法支持可重用的数据产品。使用经过预认证的数据产品构建和实现应用程序,使分析应用程序工程师能够快速生成与现实世界不同步的供应链应用程序,并且通过标准化通用对象/数据模型来完成数据繁重的工作。

    结果:减少技术债务并提高质量/准确性。
     

  3. 减少破损/脆性:我们如何应对系统和数据结构的持续“破损”,即系统和数据结构会随着供应链的变化和重新配置(位置、产品、供应商、运输方式等)而过时和不同步?这种情况带来的技术债务以及无法准确了解供应链活动对业务的风险亟待解决。

    解决方案:如上所述的特定领域的数字中心是模型驱动的:它允许真实供应链和供应链模型之间的动态映射(当世界发生变化时发生变化),从而允许自动重新配置数据组织并相应地进行分析计算。

    结果:提高业务的准确性/质量/可见性。

结论:

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。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。它使数据组织能够以经济高效的方式做出响应,以帮助运营团队以最小的延迟和摩擦适应外部世界的变化。Teradata用于企业分析的互联多云数据平台Vantage也为它提供了极好的支持。

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