撰写者 下午6:37 新技术 •一则评论

大数据供应链:提升词汇量

本周早些时候,我开始撰写有关大数据供应链的博客系列。这是系列中的第二篇博客文章。

在我以前的帖子中,我认为如果我们要从客户那里构建有效的架构’供应商的客户’的供应商,我们需要接受大数据供应链的概念。这个includes using new types of data and exploiting 的  increasing power of computing. 

我还认为,我们需要加大赌注并改变游戏规则。我什么意思随着计算技术的进步,我们有了新的机会来重新定义 输出, 目标 周期  供应链技术。有了这些进步,我也认为我们有机会改变管道。 1990年代的定义 积分 已过时。

我认为,仅将企业资源计划(ERP),高级计划解决方案(APS),供应链执行(SCE)系统和商业智能(BI)相结合的架构是不够的。为什么?如今,供应链体系结构做出了回应。在大多数情况下,它甚至不是明智的选择。实际上,这是一个哑巴,缓慢且通常不准确的响应。当前的技术可以通过在计划中使用优化或通过提高企业交易的可见性来帮助我们做出更好的决策。 

数据脏了。信息的等待时间很长。大多数公司都是在项目基础上投资于企业技术。对于大多数用户而言,满意度很低。不应惊讶 电子表格 是排名第一的计划应用程序。

今天’技术主要与供应有关。需要深度的解决方案需求和未开发的机会。我相信,供应链技术的未来将基于对需求的深入而全面的解决方案,从外而内地定义流程。从卖方市场到买方市场双向感知,塑造和推动获利响应的解决方案。

如果使用得当,我相信新兴技术可以使我们做出比1990年代仅通过优化就能实现的响应更加智能的响应。我相信通过大数据供应链的概念,我们可以唤起计算能力来帮助我们的供应链网络 不只是回应,但要动态 感觉,倾听和学习。而且,对于更先进的公司,我相信他们会微调其架构以感知,聆听,测试,塑造和推动持续学习。这是一个更加敏捷的供应链平台的曙光。机器对机器学习可以帮助我们的供应链不断学习。

如果我们对结果持开放态度,就会出现新的方法。这是学习,重新学习和重新学习的时候。前几天,我正在采访供应链副总裁关于供应链技术的未来。我问他(过去式,“I如果他有一根魔杖,他将如何描述未来的供应链技术将是什么样子?”  他的回应“劳拉,我不’不知道。我烦了。我只知道我们所拥有的并不是很好。以某种方式,我们需要能够拥有一个更加敏捷的传感平台。我们当前的架构过于僵化,响应也为时已晚。”  作为参考,他在一家供应链思维非常先进的跨国公司工作。他们拥有19个SAP 企业资源计划 实例,并经历了五个不同的高级计划(APS)解决方案,并且具有用于订单管理,仓库管理和运输管理的超级系统。他们也是多层库存优化和战略建模技术的最早采用者。

如果您同意我的观点,那么该是重新设计和学习新术语的时候了。业务线领导者有很大的机会领导和定义其组织内大数据供应链的可能性。这是要了解的新术语:

大数据供应链。  与您交谈的每个人都会有不同的定义。当将其用于业务概念时,请询问用户的含义。目前尚无标准定义,但总的来说,这意味着数据集太大且难以使用常规的关系数据库技术进行数据的捕获,存储,搜索,可视化和共享。它是TB,EB和ZB数据的世界。  

柱状商店.  一种数据库管理系统,按列或按行存储信息。列式数据库启用内存中处理,列修剪和压缩。它们启用了惊人的压缩因子,将TB级的传统行存储数据压缩到数十GB并不少见。优点是能够聚合相似数据以提高计算速度。  树液 汉娜 体系结构是通过柱状商店体系结构的改进在内存处理中取得进展的一个示例。它具有优点和缺点。我相信SAP 汉娜 将帮助我们实现大数据集的可视化,但是帮助重新定义供应链体系结构并非万能药。  IBM公司 公司 也提供列式数据库功能来加快数据仓库查询的速度。 IBM公司 Smart Analytics Optimizer通过z / OS(大型机)上的DB2关系DBMS和相关技术(例如Informix数据仓库(例如Informix Warehouse Accelerator))提供此功能。  

模糊逻辑。  一种计算机推理的形式,与固定和精确的二进制逻辑近似。它使决策不是“黑白”,最佳答案在于理解完全正确和完全错误之间的范围。尽管优化在1990年代推动了商业智能的发展,但新形式的模式匹配和模糊逻辑的使用将与人工智能相结合,以驱动感知,行动和响应的新方式。有关此领域的早期解决方案,请查看 Enterra解决方案。

Hadoop。   一种旨在支持数据密集型分布式应用程序的框架,以支持数千个节点和PB级数据。它通常被称为开源Apache Hadoop,并且由全球社区使用Java进行设计。雅虎是最大的贡献者。它是新产品,未经产品制造商广泛使用。 IBM公司 基于Apache Hadoop及其InfoSphere BigInsights产品构建,可为大规模分布式数据提供分析基础架构。

MapReduce。 MapReduce是Hadoop的框架。 Google于2004年向市场推出了该软件框架,它使用功能编程中常用的映射和归约函数,通过对计算机集群中的大数据集进行分布式计算来加快处理速度。供应链的用例很少,但是 Teradata收购Aster Data 开启了将MapReduce和SQL结合起来解决大数据供应链问题的新可能性。它使分布式半结构化数据的处理更加容易。

模式识别。  模式识别使用模糊逻辑像其他数据一样识别数据集,并识别大型数据集中的模式。 

“ R” 一种用于统计计算和图形的免费软件或开源编程语言。最近,它已被统计学家广泛用于开发统计软件和数据分析。除非您喜欢编写大量代码,否则R不太适合大数据问题。它已被生物信息学广泛采用,但尚未渗透到更大的分析市场。公司将受到R的架构内存限制的约束,但R的开源性质将使以数据为中心的流程成为可能。

自然语言处理。  在机器学习中利用非结构化电子文本数据的功能。

本体论。  一种基于规则的语义关联和类别关系方法。我们正在看到在情感数据(SAS),供应链执行(Enterra Solutions)和供应链风险管理(Dunn和Bradstreet / Open Ratings)的演进中使用基于规则的本体。 

半结构化数据。  包含结构化和非结构化组件的数据形式。它不符合关系数据库表和数据模型的正式结构定义,但是除了自由格式的文本数据(例如电子邮件的正文)之外,它可能还包含一些定义的字段(例如主题行或日期)。 

非结构化数据:  没有预设结构的数据集。呼叫中心日志,社交监听,合同,服务和保修数据以及风险管理应用程序中充斥着大量非结构化数据。 Dunn和Bradstreet的应用程序Open Ratings和SAS Inc.的Social Media Analytics应用程序(用于社交媒体监听)的早期应用程序都利用了供应链中非结构化数据的功能。 

 明天,我们将这些定义应用于我认为可能是令人兴奋的新应用程序中。让我知道你的想法。您是否认为大数据供应链是发展阶梯上的下一个梯级?还是您认为这是将使当前解决方案过时的革命?