面向读者：供应链管理从业者 | 供应链管理系统的IT从业者 | 供应链管理高管 | 企业IT高管 | 供应商
阅读目标：这篇文章可以帮助您宏观的快速了解大数据技术对供应链管理的影响，帮助您的企业未来在供应链环节讨论是否引入大数据技术打下一个概念基础。你不一定真的看完或者理解全文，但至少可以为大家提供一些可信的数据参考，而不是盲目毫无头绪的去“猜”大数据到底对未来的供应链管理有什么影响。
关键标签：供应链管理 | SCM | 大数据 | Big Data
1462884445-6655-3417eb9bbd90189bd20e47
概 要
大数据可以为供应商网络(Supplier Networks) 提供更好的数据准确性(Accuracy)、清晰度(Clarity)和洞察力(Insights)，从而在共享的供应网络中实现更多的情境智能(Contextual Intelligence)。
Bottom Line: Big data is providing supplier networks with greater data accuracy, clarity, and insights, leading to more contextual intelligence shared across supply chains.
有前瞻目光的制造商们正在将80%或更大比例的供应网络经营活动构建在其企业外部，他们利用大数据和云计算技术来突破传统ERP系统和供应链系统的局限性。对于商业模式基于快速产品周期迭代和产品上市速度的制造商，传统的ERP/SCM系统仅仅是为了完成订单交付、发运和交易数据而设计的，这样的传统系统的扩展性极其有限，根本无法满足当下供应链管理所面临的种种挑战，已经成为企业供应链管理的瓶颈。
Forward-thinking manufacturers are orchestrating 80% or more of their supplier network activity outside their four walls, using big data and cloud-based technologies to get beyond the constraints of legacy Enterprise Resource Planning (ERP) and Supply Chain Management (SCM) systems. For manufacturers whose business models are based> 
1、情境智能 Contextual Intelligence
目前，由供应链产生的数据的规模(scale)、广度(scope)和深度(depth)都在加速增长，为情景智能(contextual intelligence)驱动的供应链提供了充足的数据基础。
The scale, scope and depth of data supply chains are generating today is accelerating, providing ample data sets to drive contextual intelligence.
下面“图1”很有意思，它收集了整个供应链中的52种不同的数据源（包括结构化/半结构化/非结构化数据），并从大数据的三个维度(3Vs)进行了统计分析，数据量(Volume)/数据速度(Velocity)和数据多样性(Variety)。其中很明显绝大部分数据都是从企业外部产生的。有前瞻性的制造商已经开始将大数据作为更广泛供应链协作的催化剂。
The following graphic provides an overview of 52 different sources of big data that are generated in supply chains Plotting the data sources by variety, volume and velocity by the relative level of structured/unstructured data, it’s clear that the majority of supply chain data is generated outside an enterprise. Forward-thinking manufacturers are looking at big data as a catalyst for greater collaboration.
图 1：点击查看高清大图
值得注意的是，在核心交易系统范畴内，传统的ERP, SRM和CRM系统通常在企业内部的数据量（Volume）是很高的，但是这些数据放在整个52中数据源框架下只占了很小的比例，这就是为什么图1中的“核心交易系统数据”处于纵向较低的位置。如果你看右上角可以发现，高数据量和速度的非结构化数据大都是与“客户”交互的数据：社交数据、在线调研、移动位置传感设备等。
大数据分析（BDA – Big Data Analytics）技术在供应链管理领域的应用通常被称为：供应链大数据分析技术 SCM Big Data Analytics，它可以被定义为一个流程，即，将高级数据分析(Advanced Analytics)技术与供应链管理理论相结合并应用于更大的数据集合当中，这个数据集合的体量、速度和多样性需要借助于大数据技术工具来分析；同时，需要借助供应链管理专业人士的技能通过提供精准实时的商业洞察来持续感知和反馈解决SCM相关的问题。
SCM Big Data Analytics is the process of applying advanced analytics techniques in combination with SCM theory to datasets whose volume, velocity or variety require information technology tools from the Big Data technology stack; leveraging supply chain professionals with the ability to continually sense and respond to SCM relevant problems by providing accurate and timely business insights.