Qlik:用主动智能助力供应链转型

原创
大数据
数据时代,Qlik的主动智能不仅仅是一个现代化BI工具,更能够及时利用数据中的洞察,结合平台的能力,如增强智能、自助式预警、应用程序自动化、Auto Ml等功能,帮助企业用户过渡到现代化的BI,实现数据驱动行动。

根据德勤的研究,受疫情等因素的影响,有32%的企业因供应短缺而遭受收入损失,11%的企业表示品牌因此受损。同时,很多供应链企业在交通运输等方面也遭遇了一些困难和挑战。

以往,供应链管理建设方案大部分都专注在成本节约或者提高性价比方面,而疫情等其他环境的影响会造成生产的停工,供应商的破产,所以有93%的供应链高管表示,他们将提高整个供应链的弹性水平,而不仅仅只是关注在成本这一点上面。供应链的短缺、中断也导致了通货膨胀。据悉,最近几个月全球材料、原材料的成本都增加了15%到35%,为1970年以来最大的增幅比例。与此同时,有75%的受访企业表示,他们正在关注天气变化,并投资于可持续发展实践,包括解决极端气候变化的问题,形成真正的全球企业共鸣。

基于这些背景和趋势,供应链管理、运营团队不得不面对新的挑战,企业高管希望在业务决策中获得更多的数据支持,实现全供应链的可见性和敏捷性;由于收入的减少以及不确定性,预算也受到了很大的限制,他们不得不用更少的资源做更多的事情。对行业从业者来说,在实时决策方面也面临挑战,一方面远程办公模式使得沟通协作变得效率较低,同时为了改善客户的服务体验,又间接导致成本的增加;另一方面,由于业务变化快,需求不确定性的变化,极大提升了企业在管理水平、销售预测能力方面的要求。为了应对这些业务挑战,供应链领导者在管理决策方面逐步意识到了商业智能的重要性。

更具实时性的主动智能

传统的、基于历史数据的被动式商业智能,正在逐渐被演变发展为实时的、关注流程分析的主动智能。被动商业智能下的数据发现和洞察透过独立的仪表盘、报表的方式提供给用户,也就是说其重点在企业的运行情况、供应链和供应商的表现上,需要主动通过浏览器访问网站,管理和使用预见好的内容。

从数据的角度看,传统方式下的商业智能主要提供基于业务数据的历史视图。很多传统的银行业或者中型企业,前一天发生的业务状况通常会在第二天凌晨或者是第二天上午进行处理,比如数据仓库的更新。体现到前端的商业智能或者决策分析层中,通常被称为
“T+1”的时间。系统大多数是以数据API的方式提供信息服务,但并不能够直接将这些发现、数据KPI的异动变成影响决策或者影响下游系统的洞察。

相比之下,在主动智能中,可以将一些分析的内容嵌入到用户自己的业务系统中。也就是说系统中同时有一些分析内容,不必切换不同的系统就可以使用数据,发现问题,给用户带来更好的体验,也会让用户自然而然建立起数据驱动的意识。从不同的数据源角度来说,主动智能提供的是一个更偏向持续性的获取实时数据的特点,可以让数据更具实时性,分析更具时效性、更具前瞻性,进而构建一个更加完整、灵活的分析数据管道。

更为重要的是,主动智能不仅仅是信息的提供和展示端,还具备应用程序自动化的调动,比如直接调取下游的一些库存管理系统的功能,实现不同仓储之间的调货工作,发现库存短缺等问题,且不需要人工参与。

Qlik大中华区及韩国区售前产品总监 张海鹏

据Qlik大中华区及韩国区售前产品总监张海鹏(Bill Zhang)介绍,主动智能包含原始数据的获取,数据洞察的释放,找到关键数据,理解数据,从而行动影响这几个阶段。企业通过主动智能可以更及时地基于产生的数据、驱动的行动来释放其中蕴含的巨大洞察和商业价值。而通过Qlik提供的分析系统,企业不仅可以获取这些信息、找到问题,还可以基于这些问题,在业务发生最关键的时刻采取自动化的行动去实现更多的效益。“主动智能提供的是比较完整的分析数据管道,从数据收集,到处理,到数据平台自动化,再到数据的理解和分析,以及应用分析到下游系统,每一个步骤都会被涵盖在我们主动智能的功能里面。”
张海鹏表示。

主动智能的四大用例

在供应链领域,主动智能可以覆盖的应用首先就是预测性维护,尽可能最大程度去减少运营中断,无论是因为疫情的影响,还是原材料突然的短缺,减少订单履行的效率陡降,实现更强的运营韧性。

主动智能的第二个用例是在库存方面。越来越多的企业正在利用不仅仅是一般意义上的分析、简单的对比预测,还会使用机器学习,人工智能驱动的模式来管理自己的库存。“缺货预防”目的也是为了保持更加合理的库存水平,保障运营的连续性。

第三个用例是优化规划。供应链整体流程是比较广泛的,从计划到生产,包含原材料、库存在途等各个方面的协调,最终会涉及到订单履行。企业会在需求的预测和网络规划中遇到如何更好理解数据的问题,企业可以利用地理分析、机器学习,以及更高的自动化技术来提高预测的准确性和及时性。

第四个用例是关于物流方面。在主动智能的帮助下,物流有了更多的可见性,采用IoT技术把传感器中的数据实时提取出来并且进行精准分析,递送到移动端,让企业可以更好地了解和分析物流状况,进而提升整体物流运输、订单履行的效率。通过对历史定单的履行情况、物流线路问题的一些探查,也可以帮助企业制订出相应的优化方案,提升客户的满意度。

当然,企业也可以不断地从管理层面提升自己的水平,加紧与供应商协调工作,把更多的数据分享给供应商,让供应商更全面地参与到企业供应链管理的绩效和风险中来,实现和维护更持续性的供应链管理。

帮助顺丰供应链提高生产力

顺丰供应链公司是领先的供应链服务企业,结合了DPDHL集团领先的供应链经验及顺丰控股在本地市场的丰富基础设施和客户基础,为跨行业企业客户提供优质一体化的供应链解决方案。

区别于顺丰快递,顺丰供应链更多的是服务于B端的企业,主要提供仓储服务以及配送服务。据顺丰供应链大中华区商业分析负责人蔡家豪介绍,顺丰供应链以往只服务于一个行业,而目前服务的行业有快消、零售、高科技、备件物流、汽车、生命科学,医疗、工业等,面向的行业和区域场景很多。所以,顺丰供应链面对的痛点首先就是如何将某一个站点数据全面打通,并服务于多个企业的不同供应链系统。同时,客户的供应链中还有很多不同的系统,比如传输管理系统、场地管理系统、消费者的客户管理系统等等,数据的累计、融入情况非常复杂。顺丰供应链需要做的是首先要把产品模块化,之后建立统一的数据化平台。需要注意的是,在模块化的过程中,需要既能够在内部规模化地用数据服务客户,又能满足其个性化需求。

顺丰供应链大中华区商业分析负责人 蔡家豪


在Qlik的助力下,顺丰供应链基本上实现了所有系统数据的统一。在管理这些运营数据时,可以从数据底盘抓取数据后做全面的可视化,在客户需要其他数据化场景时,可以基于行业经验模板帮其优化。

借助数据管理智能化,顺丰供应链实现了全国仓库的可视化管理。在整个数据分析方面,顺丰供应链节省了约5000工时,在使用了Qlik的模板之后,大大提高了员工的数据生产力。顺丰供应链也在尝试将这些应用推荐给其他客户,让他们用顺丰供应链的模板优化供应链运营,从而更加专注自己的业务。

“现在顺丰供应链只需1~2天的时间就能建立一个完全可视化的站点,大幅提升了运营效率,实现了降本增效的目标。”
蔡家豪表示。

结语

数据时代,Qlik的主动智能不仅仅是一个现代化BI工具,更能够及时利用数据中的洞察,结合平台的能力,如增强智能、自助式预警、应用程序自动化、Auto Ml等功能,帮助企业用户过渡到现代化的BI,实现数据驱动行动。


责任编辑:赵立京 来源: 51CTO
相关推荐

2015-09-30 14:22:44

Qlik数据

2022-04-26 10:47:15

智能供应链供应链

2023-02-23 07:52:20

2022-03-04 14:24:21

区块链技术供应链

2023-02-23 10:59:20

亚马逊云科技顺丰供应链物流

2021-08-02 10:51:45

数字化转型IT电商

2018-05-14 09:35:54

AI 供应链管理

2022-06-24 22:33:36

Qlik数据主动智能

2023-12-22 16:58:17

AI数据桥梁数字化转型

2023-03-14 10:51:43

数字化转型供应链

2014-12-18 11:24:46

SAP

2023-04-12 11:13:32

数字化转型供应链

2022-12-28 10:26:04

供应链数字化转型

2019-05-09 11:24:35

区块链供应链生态圈

2019-09-18 13:50:33

AI 数据人工智能

2022-08-22 12:39:18

人工智能供应链
点赞
收藏

51CTO技术栈公众号