撰稿人 晚上 9:32 分析, 卓越供应链 • 一条评论

欢迎 Puff 魔龙加入您的团队

记住彼得、保罗和玛丽的歌, 吹魔龙?这是我年轻时的一首歌。虽然对歌曲意图有激烈的争论——这首歌的目标是庆祝奥利弗·王尔德 (Oliver Wilde) 的一个关于失去纯真的儿童故事,还是对吸毒的声明?——在这个博客中,我将依靠词曲作者的叙述,歌词讲述了一个关于生活在霍纳利的龙的童年故事。

龙通常是邪恶的象征。它可以象征来自隐藏知识的超自然力量、智慧和/或力量。在这里,我假设供应链龙是数据。供应链领导者被数据淹没,洞察力低。过去十年中完成的每项调查都返回数据,这是供应链领导者面临的主要挑战。在图 1 中,我们显示了最近 S&OP 研究的结果。

图 1. S&OP 挑战

我们如何通过新形式的分析来利用数据的力量?我们如何杀死巨龙并杀死不良进程?当我想到这个话题时,我发现听这首 1963 年的歌曲很有用。阅读这首老最爱的歌词。重点是丧失清白。 ……龙永生,但对小男孩来说则不然…… 现在是我们摒弃纯真(传统分析思维)并在构建强大组织能力的同时驾驭数据巨龙到新视野的时候了。

供你思考的歌词:

噗,住在海边的魔龙
在名为 Honahlee 的土地上,在秋雾中嬉戏
小杰基纸喜欢那个流氓泡芙
还给他带来了绳子和封蜡之类的花哨的东西哦

噗,住在海边的魔龙
在名为 Honahlee 的土地上,在秋雾中嬉戏
噗,住在海边的魔龙
在名为 Honahlee 的土地上,在秋雾中嬉戏

他们将一起乘着巨浪航行的船
杰基一直望着粉扑的巨大尾巴
君子君王来,必躬身行礼
海盗船会在吹口哨呼喊他的名字时降下他们的旗帜哦

噗,住在海边的魔龙
在名为 Honahlee 的土地上,在秋雾中嬉戏
噗,住在海边的魔龙
在名为 Honahlee 的土地上,在秋雾中嬉戏

龙永生,但不是那么小男孩
彩绘的翅膀和巨大的戒指为其他玩具让路

 

反射

今天,技术提供商正在销售工具/软件。机会是释放巨龙,使学习型组织成为可能。这段旅程不仅仅是关于可视化、模拟和模式识别。它是关于回答我们不知道的问题,并从市场数据(体外)中测试和学习,以了解称为供应链的复杂非线性系统中的有效边界。

为什么这很重要?组织更大。这是由于并购和全球化。重点是增长,但供应链并不适合。领导者的目标是以客户为中心和敏捷,但讨论很快就变成了政治焦点错误。功能孤岛是一个障碍,但有效获取和使用数据的能力是一个主要的绊脚石。

本周,我收到了一封来自一家金融机构的电子邮件,询问为什么商业领袖没有利用更多的洞察力和基于分析的重新设计流程。投资者感到沮丧的是,围绕 ERP 和高级规划做出的许多承诺都没有实现。当您阅读金融分析师对行业的看法时,请唤起您内心的巨龙:

显然,整个空间近年来发展非常迅速。我认为最大的问题之一是以美国为中心的食品公司(家乐氏、通用磨坊、Smucker's、Conagra 等)正在解决“如果你只有一把锤子,你所看到的只是钉子”的问题——他们一直一个多世纪以来,制造盒装、罐装和其他货架稳定的包装食品已经有一个多世纪的历史,但现在消费者和零售商正在寻找新鲜食品,但他们不知道如何适应。当然,坎贝尔进军 c-Fresh 业务以泪水告终。

我们有新渠道的兴起,尤其是电子商务。再说一次,公司不确定如何配置自己才能在那里盈利。

与此同时,零售商的分析能力变得越来越复杂,这降低了每个品类中最大的 CPG 品牌的品类队长角色的重要性。

一切都变得越来越快——新产品的推出和淘汰速度更快,更好的分析能够更好地实时反馈关于货架上什么应该放在什么地方以及在更精细的级别上的价格——可能取决于各个商店。然而,公司对这些见解视而不见。

我相信还有很多其他的大主题。不知道你最近在研究什么大话题,但如果我们能找到一些与消费者领域的投资者相关的话题进行讨论,那就太好了。我们不明白为什么 ERP 和高级分析的投资没有产生更好的结果……

田野故事

为了激起争论,让我分享一些故事。 2015 年,我与一家男士内衣制造商合作。 (我的继子叫他们 整洁的白人。) 想象一件无聊的基本服装。该公司在其类别中占有主要市场份额,但他们遇到了问题。平均购买者是 55 岁的男性。与年轻男性相比,老年男性购买的内衣较少,而且他们的包装对为家庭购买的女性购物者没有那么有吸引力。

公司的问题是如何改变人口结构并销售更多产品。他们的问题?供应链中的分析有帮助吗?该公司在亚马逊上销售,经营自己的网站,管理直销店,并可以在主要零售连锁店购买终端过道展示。我们制定了一个测试计划来测试和了解价格、艺术品、颜色、包装数量和风格的组合如何吸引不同的人群。我们建立了电子商务测试,研究了购物篮行为,并将学到的经验运用到实体店展示中。我们挖掘非结构化数据以了解种族和年龄的品牌偏好。产品开发组提倡采用多种颜色、包装尺寸和艺术品组合的长尾供应链战略。我们合理化了产品的复杂性。当一位重要的体育明星成为品牌倡导者时,我们改变了方向。通过对潜在买家的社交和兴趣图的非结构化文本挖掘,发现了体育明星与品牌定位之间的联系。

第二个故事是关于电子分销商的。该公司的目标是提高客户忠诚度。衡量标准是净发起人得分和年度调查的结果。问题?这些是不可操作的年度评估和测量。问题是, “组织如何利用数据并提高忠诚度?” 我们致力于使用情绪分析挖掘电子邮件数据,以按细分市场了解分销商机会。该组织每月有 12,000 封电子邮件存放在未使用的邮箱中。

受产品复杂性的困扰——产品组合无法推动增长——供应链成本正在增加。有多少组织努力制定正确的问题并使用新形式的数据。我的答案。问题是普遍存在的。我们需要驾驭巨龙并产生新的成果。答案不在于一种技术或方法。

我们需要利用已知数据来回答已知问题并通过可视化推动洞察力。我们还需要问自己是否有新的方法来使用我们不理解的数据并回答我们不知道要问的问题。并且,是否有机会构建语义推理层以实现持续学习?如果我们愿意改变我们的工作方式,发现、测试和学习、感知和机会识别都是可能的。

表 1. 挖掘使用分析构建学习型组织的潜力

可视化 答案的可视化 学习的可视化
提问 已知 未知
数据 已知 未知

让我给你举个例子。 2010 年,家乐氏 (Kellogg) 生产的麦片盒内有内衬,带有异味。公司发布声明回应客户情绪, 家乐氏 公司声明称“我们在包装中确定了一种物质 衬垫 会产生不寻常的蜡状异味和 .” 在这种情况下,随着销售额的下降,公司可能会质疑:

  • 产品是否正确放置在货架上?
  • 推广有效吗?
  • 竞争产品的影响是什么?

团队永远不会问这个问题, “供应商为发臭的箱子提供内衬导致质量缺陷导致销售下滑?” 同样,在交易数据的世界中,他们不会挖掘社会情绪来看到 Twitter 对气味班轮的投诉的猛烈抨击。

有一次我吃了 Pillsbury 早餐吧,然后咬了一口昆虫。制造商有虫害问题。来自制造业的世界,我知道事情会发生,但我决定不再购买该产品是感性的,而不是理智的。我对这个品牌失去了信任。我再也没有购买过该产品,但仍然为这个想法而颤抖。当我访问 Pillsbury 并向团队询问他们的虫害问题时,他们低下了头。一个没有快速获取数据以了解这种感染如何成为品牌问题的案例……

如何开始

在我的故事中进化的龙是 “可以的供应链引擎。” 数学引擎改善业务决策的承诺是运输/物流供应链规划、贸易促进管理、收入优化和供应链执行市场的基础。这个概念是获取数据,通过引擎推动它并从更好的输出中获得洞察力。从历史上看,数据模型的设计推动了软件市场定位。随着“发动机”市场的每一次演变,市场都经历了一个炒作周期。在 1980 年代,它是在 AS-400 操作系统上进行优化。然后是转向客户端 - 服务器和深化“引擎数学”。

在过去的二十年里,我关注了市场的变化。其中包括基于云的计算、内存处理、并行计算和开源分析。传统的决策支持软件应用程序是“功能性”服务

假设是:

  • 清理数据
  • 引擎内外无缝处理
  • 数据模型的拟合
  • 模型驱动洞察力的能力(需要对输出进行测试以了解该技术是否会产生更好的决策。)
  • 时间:以业务速度的可用输出。 (早期的解决方案不可扩展。)
  • 可视化:可用性和易用性
  • 互操作性:根据需求将带有上下文的数据移动到业务团队的能力。
  • 在流程中使用洞察力来改进流程

这个龙的故事有很多曲折。模式识别、机器学习、语义推理、文本挖掘和开源分析功能的兴起为推动改进开辟了新的可能性。聪明人兜售新方法,试图达成新的大交易。简而言之,很酷的技术正在寻找一个家——企业家正在寻找需要解决的问题。

每个人都交替使用机器学习 (ML)、模式识别、情感分析、人工智能 (AI) 和认知计算等术语。停止嬉戏。要求技术提供商明确并追究他们的责任。 (大多数使用流行语宾果游戏夸大了能力。)请举手并询问定义。以下是我使用的:

  • 机器学习: 使用算法和统计模型使计算机系统能够在不使用明确指令的情况下执行特定任务,
  • 模式识别: 基于模式的机器学习。分享来自模式的见解。一种有用的数据清理技术。
  • 优化: 使用数学技术和统计来改善结果。
  • 云计算: 利用云的力量使用内存处理(通过互联网存储和访问数据与写入本地磁盘驱动器上的内存)。第三方托管明显不同。
  • 情绪分析: 从非结构化数据中挖掘洞察力。文本挖掘也是一个经常使用的术语。一种用于保修、质量和消费者数据的有用技术。
  • 认知计算: 使用模式识别、机器学习来驱动语义推理层来回答我们不知道要问的问题。基于本体论框架进行发现和学习的能力。
  • 开源分析: 一组支持并行处理、读取模式和数据洞察的语言、技术和策略。开源协作推动了发展。
  • 人工智能(AI): 能够执行通常需要人类智能的任务的计算机系统的开发,例如视觉感知、语音识别、决策和语言翻译。情感分析、机器学习和认知计算是实现人工智能的技术。
  • 自主供应链:  能够使用数据以业务速度自动感知和有效响应。今天的供应链没有感觉,也没有以业务的速度做出反应。

您可能不同意这些定义,但在您驾驭龙之力量的旅程中,首先要弄清楚——并让技术提供商负责——一组一致的定义。

第二步是调整技术以改进已知过程。以下是一个应用于供应链计划的示例:

表 2. 高级分析的示例用例

目标 技术
清理数据 模式识别和机器学习
无缝加工 开源分析
驱动洞察 新形式的可视化
数据时间。减少数据延迟。 并行处理,基于云。开源分析
互操作性 基于规则的本体管理多个 if 到多个 then 以及 ISO 8000 标准的使用

障碍

保持专注,克服行业壁垒:

技术供应商的商业模式。 软件行业的肮脏小秘密是销售团队的佣金结构。 (大多数商业领袖没有意识到软件的选择将他们引诱进了政治陷阱。由于佣金结构庞大,软件销售团队通过向商业领袖自我推销和分化商业团队来将销售过程政治化。大型软件的销售交易是非常有利可图的。因此,许多市场推动力都是由销售驱动的——过度炒作的承诺伴随着许多市场起伏。

问题?解决方案很复杂——引擎、基础设施、工作流、规则集和可视化。销售周期试图针对业务问题进行简化。关于如何重新定义流程以改善结果,我们没有明确的答案。没有人有答案。因此,过度热心的销售人员的过度宣传是进步的障碍。

数据科学家的新兴角色。 组建合适的团队。意识到数据科学家对团队很重要,但成功需要平衡的方法。不要只由数据科学家组成一个团队。原因?数据科学家说一种不同的语言,缺乏对流程/领域的理解。数据科学家的倾向是局部优化焦点。专注于整体方法。规则、引擎、策略和指标需要保持一致。试图从局部最优构建整体解决方案是愚蠢的。

传统工艺和技术标准化。 来自 ERP 和 APS 市场的传统供应商在采用新技术方面进展缓慢。坚持技术标准化的公司将落后。

采取的步骤。

如果您想知道如何骑龙,请考虑采取以下步骤:

  1. 提供创新资金。不要因为必须证明每个项目的 ROI 是合理的而束缚了团队。
  2. 组建一个跨职能的团队。理想的团队拥有特立独行的思想家——传统的供应链领导者、数据科学家、人力资源/变革管理代理和 IT/分析成员。
  3. 映射上一年的问题。找出差距和机会。
  4. 列出所有形式的数据和位置。花时间识别企业周围网络中的非结构化数据源和数据。
  5. 通过与技术专家共进午餐和学习课程,探索可能的艺术。
  6. 促进战略会议,集思广益解决方案,探索可能的艺术。
  7. 庆祝成功和失败。
  8. 来自集团的市场洞察。
  9. 为供应链运营制定教育计划。

 

骑龙。释放潜力。我期待听到你的想法。

关闭