Análisis y aplicación de big data de la cadena de suministro
Análisis y aplicación de big data en la cadena de suministro Bajo el modelo tradicional, la cadena de suministro de las empresas opera en forma de "cadena". A medida que la economía se desarrolla, se convierte en una cadena de suministro digital. La esencia de la cadena de suministro digital es la "gestión de la cadena de suministro" y la "digitalización". Echemos un vistazo más de cerca al análisis y las aplicaciones de big data de la cadena de suministro.
Análisis y aplicación de big data de la cadena de suministro 1 La cadena de suministro de big data en realidad utiliza datos para gestionar la cadena de suministro. Lo que es más importante es utilizar datos para conectar varios sistemas comerciales en la cadena de suministro y luego correlacionar estos datos entre sí.
Puede encontrar la relación entre ellos para controlar mejor los materiales, la producción y la logística en el proceso de producción, mejorando así la eficiencia de la circulación y reduciendo los costos.
Déjame exponerte un caso práctico de aplicación de Gree Electric Appliances (Wuhu).
Su análisis de datos tiene cuatro aplicaciones: análisis logístico, seguimiento de la eficiencia operativa, seguimiento de la línea de producción y control de calidad.
1. Análisis logístico
Monitorear la operación del negocio en tiempo real mediante el monitoreo de pantallas grandes y pantallas divididas. Los problemas en cualquier enlace serán advertidos en el tablero lo antes posible. la información es efectiva y oportuna;
p>
Monitorear las proporciones de materiales y el inventario en cada ubicación del inventario.
En segundo lugar, monitoreo de la eficiencia operativa
Monitorear la tasa de finalización de la cantidad del pedido, el progreso de la entrega, la cantidad y la proporción de finalización del pedido;
Monitorear la producción de cada unidad de producción en el taller de producción Eficiencia y tasa fuera de línea.
En tercer lugar, monitoreo de la línea de producción
Los datos del sistema recopilados por MES y MPR están conectados a Yonghong Z-Suite para un análisis multidimensional en tiempo real.
Por ejemplo, en el pasado, era necesario realizar inspecciones punto a punto al personal relevante, pero ahora los resultados de la inspección se muestran en tiempo real en la plataforma de análisis y el sistema de indicadores puede ser ajustado de manera flexible según la situación, mejorando la eficiencia laboral del personal de TI en más del 30%.
Cuarto, control de calidad
En el pasado, el análisis de los procesos de producción in situ y la gestión de calidad se realizaba simplemente importando manualmente los datos del sistema y luego utilizando el procesamiento de gráficos integrado de EXCEL.
Ahora están empezando a combinar más dimensiones de análisis operativo para el análisis exploratorio, el análisis y la predicción. Con la ayuda de la plataforma de análisis de big data, pueden mostrar el estado general de producción y operación de la empresa desde múltiples dimensiones, como líneas de producción, equipos y sucursales.
A través de la plataforma de análisis de datos, se puede mejorar la competitividad central en el proceso de producción, y el monitoreo integral de los materiales y los procesos de producción no solo puede mejorar la eficiencia del trabajo, sino también reducir la tasa de defectos de la producción. línea.
De hecho, a partir de la aplicación de Gree Electric Appliances (Wuhu), podemos concluir que el análisis de datos ayuda a la cadena de suministro de dos maneras importantes:
1. en la cadena de suministro se monitorean exhaustivamente;
2. La coincidencia del inventario de materiales en cada paso del proceso de producción se puede ajustar a tiempo para mejorar la eficiencia.
Esta es una descripción muy vívida de hasta qué punto se puede lograr la gestión de la cadena de suministro.
Sin ningún tipo de almacenamiento. Una herramienta de transporte (como un vehículo) es un pequeño almacén móvil que lo mantiene en la carretera. Esto es un poco como la gestión de contenedores vacíos por parte de las empresas navieras de contenedores. El patio de contenedores vacíos no está en tierra, sino en el barco, donde es necesario colocarlos.
Por supuesto, esto puede ser demasiado ideal, pero para las empresas manufactureras, cada centavo reducido multiplicado por una cantidad enorme es una cifra astronómica.
Por lo tanto, es muy necesario aplicar una plataforma de datos para gestionar la cadena de suministro.
Análisis y aplicación de Big Data en la cadena de suministro 2 ¿Cuáles son los campos de aplicación del análisis de Big Data?
1. Industria de la publicidad
Por ejemplo, desea comprar un producto recientemente y luego busca una palabra clave en Baidu, JD.COM o Taobao. De hecho, se han recopilado todos estos datos de comportamiento. Debido a que hay muchos datos de comportamiento humano, todos los backends deben realizar muchos análisis de datos, establecer retratos de usuarios y utilizar algunos algoritmos de recomendación, y luego hacer recomendaciones personalizadas. Cuando inicia sesión en algunos sitios web, encontrará algunos anuncios, algunos de los cuales presentan solo algunos productos que desea comprar.
2. Introducción al contenido
Por ejemplo, si navegas por Toutiao hoy, Toutiao recopilará tus datos de comportamiento de lectura y luego creará tu propio retrato de usuario o tipo de persona según tus preferencias. Luego presentarte las noticias que te gusten. Por ejemplo, si hace clic en noticias relacionadas con James, se le presentarán noticias relacionadas con NAB. Debido a que Toutiao tiene tantos usuarios, la cantidad de datos a analizar es muy grande y todo debe procesarse utilizando big data.
En tercer lugar, la industria de la restauración
Video análisis de la industria de la comida rápida. La empresa analiza la duración de las colas a través de vídeo y luego cambia de forma proactiva el contenido de los menús electrónicos. Si la cola es larga, aparecerán alimentos que se pueden servir rápidamente; si la cola es corta, se mostrarán alimentos con mayores ganancias pero con tiempos de preparación relativamente largos.
Cuarto, aplicación en el campo de la educación
Baidu Brain PK Human Brain: apuestas de big data en preguntas de ensayo del examen de ingreso a la universidad. Para ayudar a los candidatos a prepararse mejor para el examen, las preguntas de adivinación del ensayo de ingreso a la universidad de Baidu extrajeron y analizaron en profundidad datos originales, como preguntas de ensayo y ensayos de muestra, en los últimos ocho años, y descubrieron una gran cantidad de palabras candentes del año. puntos calientes de noticias a lo largo de los años y "datos vivos" actualizados en tiempo real El "modelo de tema probabilístico" simula el pensamiento del cerebro humano, deduce de manera inversa el tema de composición y el vocabulario relacionado, y ayuda a los candidatos a adivinar la dirección de la proposición de la composición del examen de ingreso a la universidad.
Verbo (abreviatura de verbo) categoría médica
Sabiduría y sabiduría. Huai'an eligió la computadora central IBM como soporte de infraestructura para el canal de información de salud regional de Huai'an, lo que satisfizo las necesidades de Huai'an en el proceso de construcción del canal de información de salud regional a nivel municipal y el canal de infraestructura del sistema de información de registros de salud de los residentes, y apoyó a Huai' un centro de datos municipal, residentes Una serie de aplicaciones de información de salud de Huai'an, como la base de datos de registros médicos, ayudan a que Huai'an se convierta en un modelo nacional de "atención médica inteligente".
Análisis y aplicación de Big Data de la cadena de suministro 3 Big Data de la cadena de suministro incluye principalmente los siguientes cuatro tipos: datos estructurados, datos no estructurados, datos de sensores y datos nuevos.
1. Los datos estructurados se refieren a datos almacenados en hojas de cálculo o bases de datos relacionales, que representan solo alrededor del 5% de los datos totales e incluyen principalmente datos de transacciones y datos de períodos de tiempo.
El análisis actual de big data se basa principalmente en este tipo de datos. Los datos estructurados importantes incluyen datos ERP, porque los datos almacenados en el sistema ERP son una gran cantidad de datos de la industria acumulados por el sistema que ha sido operado. por la empresa durante muchos años. Es muy importante para la empresa. Las decisiones comerciales y las previsiones son de gran importancia.
2. Los datos no estructurados incluyen principalmente datos de inventario, datos sociales, datos de canales y datos de servicio al cliente. Si bien existen numerosos estudios e informes que analizan la importancia de los datos y las capacidades analíticas para la gestión de la cadena de suministro, existe una relativa falta de investigación sobre el impacto y el papel de los datos no estructurados, como los datos sociales, en las cadenas de suministro.
Sin embargo, los datos de las redes sociales son muy importantes para las operaciones y la gestión de la cadena de suministro. Cómo utilizar los datos de las redes sociales para guiar a las empresas en la planificación de las actividades de la cadena de suministro (incluido el desarrollo de nuevos productos, la participación de las partes interesadas, la gestión de riesgos de la cadena de suministro y el desarrollo del mercado, etc.) y el mecanismo específico mediante el cual los datos de las redes sociales afectan el desempeño de la cadena de suministro requerirán en -exploración en profundidad.
Para extraer inteligencia empresarial a partir de datos ricos no estructurados, necesitamos utilizar diferentes métodos de investigación y métodos de medición, incluido el análisis descriptivo, el análisis de contenido y el análisis de redes.
3. Los datos de los sensores incluyen principalmente datos RFID, datos de temperatura, códigos QR y datos de ubicación. Estos datos están creciendo rápidamente y pueden brindar enormes oportunidades comerciales para la financiación de la cadena de suministro.
4. Los nuevos tipos de datos incluyen principalmente datos de mapas, datos de video, datos de imágenes y datos de sonido. La mayoría de estos datos se utilizan en el campo de la visualización, lo que puede ayudar a mejorar la calidad de los datos y hacerlos más reales. -tiempo y mejorar la eficiencia de la precisión del análisis de datos.
Calidad de big data
Las empresas deben considerar la calidad de los datos al realizar análisis de big data. Los datos de baja calidad no solo afectarán la toma de decisiones de la empresa, sino que incluso pueden causarle pérdidas. De hecho, la utilidad de los datos depende de su calidad. A medida que aumenta la importancia del big data, también aumenta la demanda de datos de alta calidad.
Aunque no existe un estándar unificado para la evaluación de la calidad de los datos, todos están de acuerdo en que la evaluación de la calidad de los datos debe incluir múltiples dimensiones. Se señala que la evaluación de la calidad de los datos debe incluir los requisitos intrínsecos de los datos y los requisitos situacionales.
Los requisitos intrínsecos se refieren a los atributos objetivos de los datos en sí, incluida la precisión, puntualidad, coherencia e integridad de los datos.
El contexto se refiere a la situación en la que la calidad de los datos depende de la observación y el uso de los datos, incluida la relevancia, el valor agregado, la cantidad, la credibilidad, la accesibilidad y la reputación de los datos.