大数据驱动的供应链管理（Big Data Driven SCM) 需要首先理解供应链中的四种行为：买(buy)、卖(sell)、移动(move)和存储(store)；这四种行为对应四种SCM杠杆(SCM levers)：采购(procurement)、市场(marketing)、运输(transportation)和仓库(warehouse)。根据52种SCM数据源与这四种行为杠杆的关系，可以绘制出如下关系网络图（图2），从而帮助我们更好的理解不同数据源在整个供应链网络中的位置。
如此复杂的数据关系，如果不借助大数据分析的技术是无法将其转化为企业供应链可利用的价值的。现在的企业往往收集大量的数据却不知道如何利用(business collect more data than they know what to do with), 所以企业必须将数据不再看成信息资产而是战略资产，也就是说在所有企业都在努力收集这些供应链数据的大环境下，拥有大量数据已经不能成为企业绝对的竞争优势了；企业如何通过其独特的信息使用战略（大数据驱动的供应链管理）才是建立更有力的供应链竞争优势的途径。
图 2：点击查看大图
2、进化为知识共享型供应链价值网络
驱动更为复杂的专注于知识分享和协作的供应商网路，从而让供应商网络不仅仅是完成交易而是带来增值。
Enabling more complex supplier networks that focus> 
图 3：点击查看大图
3、供应链能力的提升
大数据和高级分析技术正更快速的集成到供应链能力(Supply Chain Capabilities)当中。
Big data and advanced analytics are being integrated into optimization tools, demand forecasting, integrated business planning and supplier collaboration & risk analytics at a quickening pace.
德勤的调研显示，当前使用最多的前四种供应链能力为：优化工具，需求预测，集成业务预测、供应商协作和风险分析。更多见图4.
These are the top four supply chain capabilities that Delotte found are currently in use form their recent study, Supply Chain Talent of the Future Findings from the 3rdAnnual Supply Chain Survey (free, no opt-in). Control tower analytics and visualization are also> 
图 4：点击查看大图
4、供应链领域的颠覆性技术
64%的供应链高管将大数据分析看成颠覆性的重要技术，这是企业长期变革管理的重要基础。
64% of supply chain executives consider big data analytics a disruptive and important technology, setting the foundation for long-term change management in their organizations.
图 5：点击查看大图
5、优化整合供应链配送网络
利用基于大数据的地理分析技术 (Geoanalytics) 来整合优化供应链配送网络。
Using geoanalytics based> 
图 6：点击查看大图
6、供应链问题的优化
对供应链问题的优化。大数据可以帮助企业将对供应链问题的反应时间提升41%，将供应链效率提升10%甚至超过36%，跨供应链的整合提升至36%。
Big data is having an impact> 
图 7：点击查看大图
7、供应链运营的整合
将大数据分析集成到供应链运营中可以将订单满足周期提升4.25倍、将供应链效率的提升2.6倍
Embedding big data analytics in operations leads to a 4.25x improvement in order-to-cycle delivery times, and a 2.6x improvement in supply chain efficiency of 10% or greater. Accenture found that embedding big data into supply chain operations accelerates supply chain processes a minimum of 1.3x over using big data> 