大数据分析在供应链管理中的应用探讨

许凤 项霞 姚祖琴

摘 要：随着社会不断发展进步，我国逐渐步入大数据时代，数据信息量逐渐增加，人们对于数据科学、大数据分析的关注更高。在大數据时代中，提供了供应链管理很多机会，而如何在供应链管理中使用大数据技术则是需要考虑的问题。本文将从大数据类型、数据质量等方面进行分析，研究供应链管理在大数据中所具有的的影响因素，并由多方面总结与分析供应链管理中使用大数据分析。

关键词：数据分析;大数据;供应链

中图分类号：TP311 文献标识码：A 文章编号：1671-2064（2019）22-0034-02

大数据属于新型信息技术，是新一代科技的反应，其驱动型较强，在该服务领域中，可通过运用现代软件技术，完成数据的提取工作、搜索工作、存储工作、分享工作、共享工作、处理工作。当前，我国科学技术逐渐增多，传感器也更加普及，推动了通讯技术的发展，同时，随着网络设施的发展，更多价值将被挖掘出来。同时，在信息化发展过程，为供应链管理提供了发展机会。

1 供应链中使用大数据的影响因素

运用大数据能够实现供应链管理的优化，在此过程中，建立数据库为第一步，为后期的数据分析过程、数据整理过程提供了基础条件，进而达到工作时间的研究分析目的。对于大数据应用于供应链中的影响因素较多，详细如下。

1.1 大数据数据类型

大数据类型取决于大数据获取方法、大数据获取途径、数据形态。在供应链中大数据由新类型数据、结构数据、传感器数据、非结构数据。对于结构数据，来源于电子表格或者关系型数据库，在总数据中，该数据占据5%[1]，包括交易数据、时间数据等，在大数据分析中占据重要地位。对于结构型数据，由ERP数据组成，具有较高的真实性，其内容为企业中数据，且具有较大数据量。ERP数据可将企业的伴随问题、发展趋势等情况详细的反映出来，推动企业不断发展。在非结构型数据中，其内容较多，例如渠道数据、库存数据、社会化数据以及客户服务数据。很多学者表示，在供应链的管理过程中，非结构型数据具有数学研究作用。如，在社交媒体数据是一种非结构型数据，研究指出，物流供应商中企业运动社交媒体数据低于1%。尽管社交媒体数据在供应链管理的决策中具有重要作用，但受到企业不清晰社交媒体的风险管理、产品开发作用等问题的影响，不足够重视非结构型数据。在传感数据中，其内容也存在很多，例如位置数据、温度数据等，此类数据的一个重要特征为增长速度快。对于新类型数据而言，包括声音影响数据、视频数据、地图数据等，分析新类型数据可促使数据质量提升，进而使得大数据分析精度加强。

1.2 供应链中大数据质量

在以往的数据研究中，分析结果的影响重要因素为数据质量。数据不准确、数据质量差均不利于企业的决策，严重者可造成企业出现经济损失。因此，在数据质量达到理想状态时，才能够保障企业获得准确信息。随着我国科学技术不断发展，大数据在时代背景下也呈现快速发展趋势，这就引起了更多人的重视。但是，对于数据质量的评判标准，当前还未能够统一化。有学者提出，采用多维度指标对数据质量进行评判，不可采用单一维度对数据质量进行评估。还有部分学者认为，在数据质量的评价过程中，其内容应当包含要求评价、情境评价。对于要求评价，也即是评价数据的客观情况，其客观因素包含数据即时性、数据一直性、数据完整性等。在情境评价中，是针对数据的应用背景的一种评价，其所评价的角度包含数据价值总量、数据价值可行性、数据价值可信度、数据价值增殖性等。

1.3 供应链的大数据分析技术

1.3.1 分析学

分析学为数据分析理论的主要来源，分析学有助于企业以事实为基础做出决策。有学者表示，利用预测模型与定量技术可促使企业经济效益有效提升[2]。此外，分析写还可指导决策，并使人们获取新见解。在大数据分析中，应用分析学、数据分析工具等有助于大数据分析，而分析学若脱离大数据，仅仅为数学统计工具，在企业管理中具有无法发挥作用。由此可见，作为大数据分析中重要技术，分析学与大数据之间相辅相成，无法分离。

1.3.2 供应链分析

供应链分析共由两部分组成，其一：企业内部数据分析，其二：企业外部数据分析。在供应链分析过程中，第一步为手机数据，使用数据分析工具对大体量数据进行分析，获取知识，以便供应链的运营，促使供应链成本与风险降低。尽管大数据应用、供应链研究均明显增加，但因发展慢、起步晚，因此，对于供应链案例、大数据应用案例均很少。当前，我国的部分企业中正确意识到应用大数据、供应链的意义，并逐渐深入了解供应链，在企业运营中使用，但受到技术差等因素影响，往往出现使用不当现象，使得供应链出现不利作用。企业运作流程与业务流程均影响大数据分析的技术。有研究指出，若企业业务流程十分复杂，对于供应链的作用而言，大数据的分析结果将更小。

1.3.3 大数据分析的人力资源与能力分析

影响企业的供应链与大数据分析的重要因素为大数据分析能力，而对大数据分析能力产生直接影响的为人力资源情况。在大数据分析中，缺乏专业人才，使得很多企业对于大数据分析的使用出现放弃心理。因此，需重视培养大数据分析方向综合性人才，促使管理能力有效提高。有关研究数据表明[3]，直到2018年，我国的数据分析其人才缺失已高达14000人，证实了人力资源对于大数据分析、企业而言十分重要。

大数据人才不仅需具备经济学知识，还应当具有预测学、运筹选、统计学等知识，此外，还应当沟通能力。部分数据可直接由企业记录内提取，部分数据则需与客户交流等手机，也即是大数据分析工程师应当具有非结构型数据、结构性数据的整合与收集能力。在处理数据以后，能够提炼出有价值信息，同时还需要与企业管理者沟通。由此可见，在企业的大数据分析应用过程中，人力资源占据重要地位。

2 供应链管理中的大数据使用