何謂供應鏈分析？ - 台灣| IBM

分析代表可根據相關可靠資料之摘要製作資料驅動決策的能力，通常是使用圖形、圖表及其他方法的形式來視覺化呈現。

供應鏈通常會產生大量資料。

供應鏈分析有助於瞭解所有這些 ... IBM® 網站地圖 IBM 供應鏈分析 可影響品質、交付、客戶體驗以及最終利潤的分析 為什麼它很重要 主要功能 產品 個案研討 資源 何謂供應鏈分析？ 分析代表可根據相關可靠資料之摘要製作資料驅動決策的能力，通常是使用圖形、圖表及其他方法的形式來視覺化呈現。

供應鏈通常會產生大量資料。

供應鏈分析有助於瞭解所有這些資料-揭露模式並產生洞察。

不同類型的供應鏈分析包括：敘述性分析。

為內部及外部系統和資料提供整個供應鏈的可見性及單一事實來源。

預測分析。

協助組織瞭解最可能的結果或未來情境及其商業含意。

例如，使用預測分析可以預測及減輕中斷與風險。

規範分析。

協助組織解決問題並分工合作，以獲得最大商業價值。

協助企業與物流合作夥伴分工合作，以縮短減輕中斷的時間和精力。

認知分析。

協助組織以自然語言回答複雜問題-以人員或團隊可能回應問題的方式。

它協助公司思考複雜的問題或議題，例如「我們如何改善或優化X？」供應鏈分析也是將諸如人工智慧(AI)等認知技術應用到供應鏈程序的基礎。

認知技術能瞭解、理解、學習和互動，就像人類一樣，但其容量和速度更強大。

這個先進的供應鏈分析形式正引領進入供應鏈優化的新時代。

它可以自動篩選大量資料來協助組織改進預測、識別無效率、對客戶需求有更好的回應、推動創新，以及追求突破性構想。

供應鏈分析為何很重要？ 供應鏈分析可幫助組織做出更明智、更快、更有效率的決策。

優點包括下列能力： 取得可觀的投資報酬。

根據最新的Gartner意見調查顯示，有29%的受訪組織表示，他們利用分析達到高水準的ROI，相較之下，僅4%沒有達到ROI。

⁴ 更瞭解風險。

供應鏈分析可以識別已知風險，並透過在整個供應鏈中發現模式和趨勢，來協助預測未來風險。

提高規劃的精確度。

透過分析客戶資料，供應鏈分析可幫助企業更精確地預測未來需求。

它有助於組織在產品變得無利可圖時將產品最小化，或在第一筆訂單之後就瞭解客戶的需求所在。

達到精實供應鏈。

公司可以使用供應鏈分析來監視倉儲、合作夥伴回應以及客戶需求，以做出更明智的決策。

為將來做好準備。

公司現在為供應鏈管理提供進階分析。

進階分析可以同時處理結構化與非結構化資料，讓組織有機會及時獲得警示，以做出最佳決策。

它可以在不同來源之間建立相關性和模式，以提供警示，用最少的成本將風險降至最低，並減輕對永續性的影響。

隨著AI等技術在供應鏈分析中變得越來越普遍，企業可能會看到有更多利益爆發。

因為分析自然語言資料的限制而未能在先前做處理的資訊，現在可以即時分析。

AI可以快速而全面地閱讀、瞭解和關聯來自不同的來源、定址接收器和系統的資料。

然後它可以根據對資料的解譯進行即時分析。

公司將擁有更廣泛的供應鏈情報。

在支援新的商業模式的同時，他們可以變得更有效率和避免中斷。

供應鏈分析的發展 在過去，供應鏈分析在需求規劃和預測上主要是受限於統計分析和可量化效能指標。

以前資料是儲存在試算表中，其來自供應鏈的不同參與者。

1990年代，公司採用電子資料交換(EDI)和企業資源規劃(ERP)系統來連接和交換供應鏈夥伴之間的資訊。

這些系統更容易存取資料進行分析，以及協助企業進行設計、規劃和預測。

在2000年代，企業開始轉向商業智慧和預測分析軟體解決方案。

這些解決方案幫助企業深入瞭解供應鏈網路的執行方式、如何做出更好的決策以及如何將其網路優化。

當今的挑戰是，公司如何善加利用在其供應鏈網路中產生的大量資料。

在最近的2017年，一個典型的供應鏈存取的資料比5年前多50倍。

¹不過，其中被分析的資料不到四分之一。

此外，大約20%的供應鏈資料都是結構化的，可以很容易分析，有80%的供應鏈資料為非結構化或暗資料。

²現在的組織在尋找分析暗資料的最佳方法。

研究指向認知技術或人工智慧為供應鏈分析的下一個尖端科技。

AI解決方案超越資訊保留與處理程序自動化。

AI軟體可以像人類一樣思考、理解和學習。

AI還可以處理大量的資料和資訊-包括結構化和非結構化資料-並即時提供該資訊的摘要和分析。

IDC估計到2020年，所有商業軟體有50%將納入一些認知運算功能。

³AI不僅提供一個平台，在系統和來源之間提供強大的資料關聯和解釋-它還能讓組織即時分析供應鏈資料和情報。

與新興區塊鏈技術結合，未來的公司將能夠主動預知及預測事件。

有效供應鏈分析的主要功能 供應鏈對客戶和消費者而言，是企業最明顯的形象。

公司執行供應鏈分析的工作做的越好，越能保護其商譽和永續性。

IDC的SimonEllis在思考供應鏈中指出出未來有效供應鏈分析的五個C：Connected（密切交流）。

能夠存取社群媒體中的非結構化資料、物聯網(IoT)中的結構化資料，以及透過傳統ERP和B2B整合工具提供的更多傳統資料集。

Collaborative（分工合作）。

日益加強與供應商的合作，意味著使用雲端型商務網路，進行多企業協同作業與參與。

Cyber-aware（網路察覺）。

供應鏈必須強化其系統，以擺脫網路入侵和駭客入侵，這應該是企業層面關注的問題。

Cognitivelyenabled（具備認知功能）。

AI平台透過在供應鏈中對照、協調、處理決策和行動，成為現代供應鏈的控制塔台。

大部分的供應鏈都是自動化和自我學習的。

Comprehensive（全面周到）。

分析功能必須能跟著資料即時進行調整。

洞察將會是全面且快速的。

在未來的供應鏈中，延遲是不可接受的。

在現今的供應鏈網路中，有效的分析需要具備以客戶為中心的能力-在快速回應的同時也要能維持準確性和完整性。

企業正在尋找供應鏈分析解決方案，可快速分析來自不同資料來源的大量資料，包括非結構化資料及自然語言型資料。

最後，供應鏈分析被要求預測越來越多的供應鏈變數-包括像天氣、戰爭、工人和法規等等的外力。

使用軟體進行供應鏈分析 隨著供應鏈分析變得如此複雜，已開發許多類型的軟體使供應鏈效能優化。

軟體產品涵蓋整個範圍-從提供及時且正確的供應鏈資訊到監視銷售。

例如，IBM已開發許多軟體產品，以提高供應鏈分析的有效性，其中有些軟體甚至使用AI技術。

透過AI功能，供應鏈軟體實際上可以學習一個不斷變動的生產流程，並可預見變更的需求。

IBM產品包括： IBMSterlingSupplyChainInsightswithWatson 使用AI功能，協助企業克服資料雜訊及獲得洞察，以便更快而有自信地產生行動。

探索產品 WatsonSupplyChainFastStart 是敏捷的研討會參與，以加快公司邁向採用AI技術的供應鏈旅程。

探索產品 IBMSterlingSupplyChainBusinessNetwork 讓公司可以從單一儀表板查看所有相關交易。

該軟體可以在沒有IT參與的情況下快速精確找出問題並加以評量，使得可以在幾分鐘內而非幾小時內獲得解決。

探索產品 IBMPlanningAnalytics 協助公司自動規劃、編列預算、預測及分析流程，以提高效率及建立及時可靠的計劃。

探索產品 關於供應鏈分析的個案研討和部落格 Lenovo使用IBMSterlingSupplyChainInsightswithWatson 把其對供應鏈中斷的平均回應時間從幾天縮短到幾分鐘-比之前的速度快90%。

閱讀個案研討 智慧型供應鏈的資料分析 如何應用資料分析來改善營運與成果？ 閱讀部落格 資源 IDCTechnologySpotlight：思考供應鏈的途徑 瞭解現今的供應鏈經歷怎樣重大的變化。

閱讀IDC報告(MB) 未來在這裡 瞭解AI如何協助打造智慧型供應鏈。

閱讀報告 只有AI才能提供的可見性 在B2B交易中獲得可見性及偵測異常。

觀看影片 →進一步瞭解IBMSupplyChainAnalytics 資料來源 1.「思考供應鏈的途徑」，SimonEllis，JohnSantagate，IDCTechnologySpotlight，2018年8月（PDF，1.2 MB） 2.「AI之旅：人工智慧與供應鏈」，IBMWatsonSupplyChain 3.「為認知時代建立思考供應鏈」，MattMcGovern，WatsonCustomerEngagement，2017年3月27日 4.「為何供應鏈分析是必備項目」，ChristyPettey，Gartner，2015年5月14日