撰写者 上午8:37 大数据供应链, 需求驱动

认知计算:明确定义

shutterstock_568456069毫无疑问。我们今天使用的决策支持技术–价格管理,贸易促进管理,网络设计,供应链计划,运输计划,供应商风险管理–通过新的分析形式即将重新定义。我们处于炒作周期。认知计算没有通用的定义,并且有很多变体。

前方是一片蓝色的海洋。我们只能想象这意味着什么。

 

导航认知计算的炒作周期

买家当心。我们倾向于在炒作周期开始时夸大新技术的重要性,而在生命周期结束时低估技术的价值。

炒作周期从技术触发开始。在认知计算的情况下,触发因素是传感器技术与内存处理一起使用,以进行感知,学习和行动。我们目睹了模式识别分析技术的发展,非结构化文本挖掘以及架构的重新定义,以实现流数据和实时流程创新。 Google在无人驾驶车辆或国防部上所做的工作’s work on ‘bad guy detection’催生了早期的创新。尽管有IBM Watson强大而强大的营销机器,但要意识到它还为时过早。只有7%的制造商正在尝试认知计算。

期望过高的高峰即将到来。在这个阶段,炒作盛行,疯狂成为新的规范。我认为这是一种技术趋势,具有长期的影响。但是,我对技术领导者的建议是减慢速度。如果通过与技术创新者进行测试和共同开发来减缓炒作周期,我们将带动更多价值。意识到这些技术虽然很有前途,但仍处于试验阶段。重新定义决策支持以及通过认知计算在企业内部建立自适应规则集将需要时间。我们花费的时间越长,潜在价值就越大。有 许多强大的用例;但请注意,它们正在发展。

在大肆宣传之后,实现就开始了,我们进入了幻灭的低谷,接着是启蒙的倾斜,这导致了生产力的停滞。这是企业资源计划(ERP)和高级计划系统(APS)市场的当前状态。

这些天,我参加的几乎每个技术会议都有“AI announcement.”(AI缺乏统一的定义。请每个技术提供商提供一个定义:人工智能还是增强智能?这意味着使用计算机学习来改善决策。)但是,当推到顶峰时&大多数公告是关于模式识别/文本挖掘的。在这里,我向读者介绍了我在写作中使用的定义。我的目标是开始对话以定义这些术语,以避免混淆。能力的发展造成混乱。

图1.供应链管理中分析的演变

 

认知学习
描述性和预测性分析推动着我们生活的世界。这是我们的舒适地带和范例。旅程始于术语的定义和清晰度。

明确定义。

让’从一些定义开始:

  • 描述性分析。 这些技术可以使数据可视化以供人类使用。市场上有许多描述性分析技术,包括Arcadia,Microsoft BI,Qlik,Tableau和Spotfire。该清单可以继续下去。在过去的十年中,描述性分析的发展以可视化当前状态极大地改善了供应链决策。
  • 预测分析。 相比之下,预测分析可以进行建模和使用统计数据来得出见解。数据模型的建立基于我们所知道的。这是统计领域,很大程度上受ILOG(现在由IBM拥有),R,SAS和SPSS(现在由IBM拥有)的发展驱动。通过预测分析进行数据建模的演变触发了供应链计划的发展,通常称为APS。通过使用诸如随机优化,遗传算法和随机森林分析之类的技术进行的高级统计建模,在2005-2010年期间推动了供应链计划的改进。预测分析模型主要基于历史数据输入。它们是批处理的,数据通常在关系数据库中按行和列进行结构化。输出是一个建议以及要审核和考虑的例外列表。没有感应。
  • 规范分析。 传感器技术推动了规范分析的发展。通过使用天气,交通拥堵和流量感测等输入,分析输出可根据传感器的使用情况调整为提供新的输入。输出不仅包括异常,而且还建议根据异常采取什么措施。
  • 模式识别/文本挖掘。  在这种方法中,没有预定的数据模型。重点是从数据中学习。计算机输出是对模式的分析。模式识别的早期领导者是现在由E2open拥有的Terra Technology,它引领了需求感知的发展。 SAS’的文本挖掘应用程序导致 挖掘非结构化数据以进行情感分析。
  • 机器学习。 当计算机从模式识别和文本挖掘中学习时,下一个发展就是机器学习。这样就可以洞察模式。 ToolsGroup的合作伙伴Rulex是机器学习的一个示例。洞察力是由使用模式识别统计数据的模型驱动的。这种技术将改变主数据管理和文档匹配。
  • 认知计算。 在这一发展过程中,使用本体的机器学习推动了见解。 (多对多的复杂交互的视图或起点。)此本体使用结构化和非结构化数据。它不限于关系数据库技术。事物不再强制适合行和列。图2是一个本体的例子。本体是学习的开始状态。随着计算机的学习,本体被更新。这带来了新的见解。计算机通过感知,学习和行动工作流来回答我们不知道要问的问题。

图2.本体示例

rule_based_ontology

因此,当您整理供应商承诺的冲击时,请提出一些基本问题:

  1. 您如何建模?
  2. 您将什么用作输入?
  3. 您能否阐明您要解决的业务问题?

得到这些答案后,请开始将技术应用于您自己的分类法中。尽管许多技术人员都在使用AI一词,但对于许多人来说,它是老猪的口红。

 

shutterstock_153253199当我们对这些新技术进行分类时,我们的脚需要扎根于现实,着眼于目标。建立数字创新分析战略需要大方的力量。 shutterstock_153289268为何如此?翅膀可以让我们想象未来,但脚要着眼于今天’现实并实现违背业务目标的目标。我们不能将活动与进步相混淆。两者都需要;希望我们不会让技术界过度炒作和零钱是十年来最有希望的技术变革之一。

这是决策支持技术提供商的拐点。 AI演示炒作已全面展开。未来掌握在我们手中。旅程从清晰定义开始。让我知道您对这些有效定义的看法。我将通过输入来塑造它们。

加入全球供应链洞察峰会指导联盟

另外,不要’别忘了注册 供应链洞察全球峰会。我们正在最后敲定议程,并承诺2017年9月5日至8日的经验将是数字化转型领导者构思和想象未来供应链的绝佳机会。该事件以一些认知计算案例研究为特色。

该活动的重点是下一代供应链思维。在100-125位供应链负责人的陪同下,我们设计了此次活动,以使您能够学习新技术,构想流程创新,并与其他商业领袖就供应链管理的未来进行交流。每个公司最多可以派出三个供应链负责人。我们将技术软件提供商的人数限制为25%。

该会议旨在产生有关下一代供应链思维的新想法。在计划期间,我们将一起探索:

  •  数字供应链。 我们将回答以下问题:可穿戴设备,机器人,认知计算,3D打印,实时数据以及物联网(IOT),区块链和比特币等技术的融合将如何改变供应链流程和驱动力的未来数字供应链转型的机会。不要错过联合利华关于使用认知计算来推动决策支持的新见解的演讲; Jabil关于设计/推动数字创新的演讲;卡特(Carter)致力于管理复杂性,或者通过增材制造(Fast Radius)通过增材制造启动工艺创新。您还将获得有关Network of Networks组在区块链上的工作的见解,以及有关可穿戴/ IOT的见解,以重新定义数字制造。
  • 打造2030年供应链的新方向。 与我们的主旨演讲者对话–西北大学的罗伯特·戈登(Robert J Gordon)谈及过去工业革命带来的美国生产力,哈佛大学的吉塔(Gita Gopinath)谈及随着全球经济在民族主义和全球化周期中的变化而对中国和印度崛起的见解,我们将努力打造一个更加清晰的环境2030年供应链愿景。
  • 是什么推动了供应链卓越化? 作为一个整体,我们将研究供应链战略对2010-2016年期间资产负债表和损益表的影响,并庆祝成功。这项工作是一个为期六个月的项目的高潮,Supply Chain洞察力和Cloudera正在合作使用大数据分析技术(使用五年的定量研究和市场数据)挖掘新的洞察力。
  • 新技术的动手经验。 通过与数字展示中的32位创新者进行对话,与技术提供商进行一对一的探讨,探索新技术的影响。
  • 了解外来流程的价值。通过动手的离散模拟游戏体验外来过程的价值主张。获得有关由外而内的流程设计如何将案件填充率提高50-60%的新见解。

该活动始于2017年9月5日的一次独特的商业领袖社交活动(称为萨满圈子)。在星期三,您将有机会通过高尔夫或远足与同龄人交流。主赛事将于2017年9月6日中午开始。在本次开幕会议上,我们将通过一系列案例研究分享对佩服供应链的见解,并从哈佛大学经济学家吉塔·戈皮纳特(Gita Gopinath)中获得见解。在本届会议上,我们将探讨20世纪3030年的全球贸易,探讨民族主义与全球化之间的紧张关系以及中国/印度在2030年供应链中的作用。2017年9月7日,星期四,该计划的重点是数字创新案例研究和共同思考供应链流程的未来。这将以数字展示结束,在该展示中32位技术人员将分享他们的下一代解决方案。 9月8日,星期五,我们结束了会议,为与会人员提供了参加供应链见解的机会’新的离散模拟游戏SCI IMPACT!由外而内的过程的力量。请联系里贾纳(regina.denman@supplychaininsights.com)或我注册参加峰会。我们期待着您的光临!