数据和分析之旅的指南

拥有一支拥有数字技能的劳动力队伍是每位高管的首要愿望，尤其是在当前劳动力市场的背景下。如今，供应链员工积极地与技术进行交互，无论是企业平台、手持或日志设备，还是办公生产力软件。金宝搏188官网app网址然而，从与技术互动到面向未来的劳动力的飞跃，涉及到数字化、自动化、人工智能和分析等领域的技能提升。188bet金博宝官方网址这并不像听起来那么容易。

数字化提升劳动力技能并不要求学习编码或成为数据科学家;相反，它涉及学习如何在数字世界中思考、行动和发展。数字化提升技能的一个特点是信任分析结果。它包括采用类似于技术应用的分析应用程序，以及在决策过程中保持直觉和分析见解之间的健康平衡。

随着重大的技术进步，分析、预测和人工智能正在释放一系列令人难以置信的商业机会，并有可能对组织产生变革性的影响。员工作为加速器参与结果的能力是转型成功的关键因素。

考虑到这一点，这里有4点路线图，可以指导你开始数据和分析之旅。

1.记录每一步的操作过程和决策
供应链中的产品流涉及许多事件、交接、决策、系统、人员和异常。这些事件往往记录在不同的系统中，有时还记录在电子表格中，导致缺少端到端视图。这对于在不了解上游事件或不全面了解下游影响的情况下努力完成任务的功能操作人员的本地化决策来说是个好征兆。

实现整体分析和技术驱动优化的第一步涉及流程映射操作活动的每一步。必须特别注意确保异常管理过程也被记录，而不仅仅是愉快的过程。这必须是由集中的业务流程效率团队按照genchi gembutsu(“去看看”)原则精心安排的跨职能计划。

全面的流程图可以可视化和分析连接的产品旅程，以跟踪和解释流程的当前状态、交货时间、运输时间和决策点。

2.从源头激励数据治理
我们都熟悉这句谚语:“垃圾进，垃圾出。”数据的可信度影响到见解的可信度、决策的质量和由此产生的行动的有效性。然而，如果活动的某些元素没有被捕获(例如:卡车出发的准确时间)或底层参数没有被正确记录(仓库货架/仓库的准确尺寸)，优化供应链的能力将受到严重损害。

操作流程通常被设计为通过预先配置的网络来混淆复杂性和导航产品。这种简化的一个意想不到的后果是，由于系统设置或操作员的疏忽，某些数据元素可能无法捕获。虽然这并不影响操作员执行任务的能力，但它限制了可视化、挖掘或建模数据的能力。

为实现可接受的数据成熟度水平，应定期对数据质量和完整性进行持续审查。完整性指的是捕获与业务目标相关的数据，不仅是为了解决近期问题，而且是为了解决未来的战略计划，因为分析交付的质量通常会随着可用历史数据的数量而提高。质量是指所捕获数据的可信度。向员工传达增强的数据捕获的好处是获得全面支持的关键步骤。

激励和授权沿着供应链捕获事件到更深层次的粒度，将使分析团队更好地提供洞察和优化供应链。

3.确定重要的度量标准，并与业务目标保持一致
让我们从另一条格言开始:“不衡量就无法提高。”通常情况下，供应链绩效的衡量标准是支出与预算、每英里成本、单位成本、发货单位、每小时单位和运输时间等。

虽然这些指标很重要，但它们并不意味着供应链的竞争表现或与企业目标的一致性。此外，负载规划人员或仓库工作人员不具备影响上述指标的工具，也不了解影响这些指标的因素。

确定重要的供应链指标应该遵循自顶向下的方法，从企业目标(第一级指标)和供应链在实现这些目标中的作用开始。支持企业目标的高级供应链指标形成了第2级指标。驱动高级供应链指标的运营指标包括第3级指标。诊断分析对3级指标执行根本原因分析，并确定纠正措施，使运营商能够理解问题并积极地影响问题。

通过功能度量将操作度量与企业目标联系起来的层次级联度量是度量重要的度量并确保单个业务单元朝着相同结果努力的关键。

4.鼓励治理委员会采纳公正的分析决策
供应链中的决策在操作、战术和战略方面各不相同。为了通过战术或战略决策来解决业务需求，职能领导者会提出主要是经验的建议，并附有高级成本效益总结，由委员会批准。虽然这是一种功能上可行的方法，但它的建议偏向于直觉，缺乏分析的严谨性，并且缺乏对替代选项的全面审查。

与数据分析团队合作可以缓解这些限制。能够访问其他数据源的分析团队可以利用其高级建模技能，对解决方案选项进行公正和全面的评估。业务团队通过约束和规则指导分析团队的角色对于确保建议的质量至关重要。

这种方法不仅提高了决策质量，而且还鼓励协作和知识共享，这些都是在当今竞争环境中蓬勃发展的关键原则。

作者简介：Ashok Viswanathan他是百思买(Best Buy)供应链分析主管，也是罗格斯大学(Rutgers University)的兼职教授，教授供应链数字化转型课程。可以在……找到他(电子邮件保护)