공급망 빅 데이터 분석 및 적용

공급망 빅 데이터 분석 및 적용, 기존 모드에서 기업의 공급망은 "체인" 운영으로 경제 발전에 따라 디지털 공급망으로 변화함에 따라 디지털 공급망의 본질은 "공급망 관리"+"디지털화" 입니다 공급망 빅 데이터 분석 및 애플리케이션 1

빅 데이터 공급망은 실제로 공급망을 데이터로 관리하는 것입니다. 더 많은 것은 공급망의 각 업무 시스템을 데이터를 통해 연결하고 그 데이터를 서로 연결시키는 것이다. (알버트 아인슈타인, 지식명언) 그들 사이의 관계를 파악하여 생산 과정의 자재, 생산, 물류를 더 잘 통제할 수 있어 유동 효율을 높이고 비용을 절감할 수 있습니다. Gree Electronics (Wuhu) 의 실제 응용 사례를 들어 보겠습니다. 그들의 데이터 분석 애플리케이션은 물류 분석, 운영 효율성 모니터링, 생산 라인 모니터링, 품질 관리의 네 가지 측면을 가지고 있습니다. 1, 물류 분석 은 대형 화면을 모니터링하여 비즈니스 운영을 실시간으로 모니터링합니다

재고의 각 창고에 있는 품목의 비율과 재고를 모니터링합니다. 둘째, 운영 효율성 모니터링 주문 수량 완료율, 선택 진행 상황, 주문 세트 수량 및 비율 모니터링 생산현장에서 각 생산기의 생산효율과 오프라인 비율을 감시하다. 셋째, 생산 라인 모니터링 은 MES 및 MPR 을 통해 수집한 시스템 데이터를 통해 Yonghong Z-Suite 에 연결하여 실시간 다차원 분석을 수행합니다.

예를 들어, 이 작업은 이전에는 지점간 관련 인력에 대한 조사가 필요했지만, 현재 검사 결과는 분석 플랫폼에서 실시간으로 드러났고, 지표 체계는 상황에 따라 유연하게 조정할 수 있으며, IT 직원의 생산성은 3% 이상 향상되었습니다.

넷째, 품질 관리

이전에는 현장의 생산 프로세스 및 품질 관리에 대해 수동으로 시스템 데이터를 가져와 EXCEL 에 내장된 차트 처리를 활용하여 간단한 분석을 수행했습니다. 이제 더 많은 비즈니스 분석 차원과 결합하여 탐색 분석 및 분석 예측을 진행하고 있으며, 대형 데이터 분석 플랫폼을 통해 생산 라인, 팀 및 지사의 여러 차원에서 회사의 전체 생산 운영을 보여 줍니다. 데이터 분석 플랫폼을 통해 생산 과정의 핵심 경쟁력을 높이고, 자재, 생산 과정을 종합적으로 모니터링하며, 생산성을 높이는 동시에 생산 라인의 잔차율을 낮출 수 있습니다. 사실, Glee Electronics (Wuhu) 응용 프로그램에서 데이터 분석이 공급망에 도움이 될 수있는 두 가지 중요한 점을 요약 할 수 있습니다.

1, BI 는 공급망의 모든 데이터를 포괄적으로 모니터링했습니다.

2, 생산 과정의 각 단계에 대한 자재 재고 매칭을 적시에 조정하여 효율성을 높일 수 있습니다. 공급망 관리가 어느 정도까지 이뤄질 수 있는지에 대해 여기서 말하는 이미지는 매우 생생합니다.

창고를 전혀 사용하지 않습니다. 차량과 같은 운송 수단은 창고가 항상 도로에 있도록 움직이는 작은 창고이다. 이것은 컨테이너선회사가 빈 상자를 관리하는 것과 비슷하다. 빈 상자 야적장은 육지가 아니라 배에 어디에 놓아야 하는가 하는 것이다. (알버트 아인슈타인, Northern Exposure (미국 TV 드라마), 컨테이너명언) 물론 너무 이상적일 수도 있지만 제조업 기업에게는 한 푼 한 푼, 거대한 수량을 곱하는 것은 천문학적인 숫자다. 따라서 데이터 플랫폼을 적용하여 공급망을 관리해야 합니다. 공급망 빅 데이터 분석 및 애플리케이션 2

빅 데이터 분석 애플리케이션 분야는 무엇입니까? 예를 들어, 1, 광고업계 예를 들어, 최근 상품을 사고 싶은 다음 바이두, 징둥, 타오바오에서 키워드를 찾았습니다. 사실 이런 행동데이터는 모두 수집되었습니다. 왜냐하면 많은 사람들의 행동데이터가 있기 때문입니다. 모든 배경에는 대량의 데이터 해부를 하고, 사용자 초상화를 만들고, 추천 알고리즘을 사용하고, 개인화된 추천을 해야 합니다. 2, 내용 추천 예를 들어, 오늘의 헤드라인을 칠하면, 헤드라인은 당신의 독서 행동 데이터를 수집한 다음, 당신의 취향에 따라 자신의 사용자 초상화나 한 부류의 사람의 초상화를 만들어 좋아하는 뉴스를 소개합니다. 예를 들어 제임스 관련 뉴스를 클릭해 본 적이 있다면, NAB 관련 뉴스를 추천합니다. 헤드 라인 사용자가 많기 때문에 분석 할 데이터의 양은 매우 큽니다. 모든 것은 큰 데이터 기술을 사용하여 처리해야합니다.

3, 외식업계 급식업계의 영상분석. 이 회사는 동영상을 통해 대기 대열의 길이를 해부한 뒤 전자메뉴에 나타난 내용을 자발적으로 바꾸었다. 행렬이 길면 빨리 공급할 수 있는 음식을 보여 준다. 행렬이 짧으면 이윤은 높지만 준비 시간이 비교적 긴 음식이 나타난다. 4, 교육분야 응용 바이두 뇌 PK 인뇌: 대데이터 압입 수능 작문문제. 수험생이 시험 준비를 더 잘 할 수 있도록 바이두 수능 작문 추측은 지난 8 년 수능 작문문제 및 작문범문, 대량년도에 풍운열사 찾기, 역년 뉴스 핫스팟 등 원시 데이터와 실시간으로 업데이트되는' 활데이터' 를 심도 있게 발굴해' 확률주제모형' 으로 인뇌사고를 시뮬레이션하고, 작문 주제와 관련 어휘를 역추론해 수험생을 위해 수능 작문의 명제 방향을 추측해 내었다.

5, 의료 분야

스마트 다우 의학. 회안시 () 는 IBM 대형 호스트를 회안 () 시 지역 위생 정보 채널 기초 구조 지원으로 선정하여 시급 지역 위생 정보 채널 루트 채널 건설과 주민 건강 기록 정보 시스템 건설 과정의 수요에 만족했다. 회안 시급 데이터 센터, 주민 건강 기록 데이터베이스 등 일련의 회안시 위생 정보화 응용 프로그램을 지원하여 회안 () 이 전국의' 스마트 의료' 의 본보기가 될 수 있도록 지원하였다. 공급망 빅 데이터 분석 및 애플리케이션 3

공급망의 빅 데이터는 주로 구조 데이터, 비구조 데이터, 센서 데이터, 새로운 유형의 데이터 등 네 가지 유형으로 구성됩니다.

1, 구조데이터란 스프레드시트나 관계형 데이터베이스에 저장된 데이터를 말합니다. 이 유형의 데이터는 전체 데이터의 약 5% 에 불과하며, 주로 거래 데이터와 기간 데이터를 포함합니다. 현재 빅 데이터 분석은 대부분 이러한 데이터 위주이며, 중요한 구조 데이터에는 ERP 데이터가 포함되어 있습니다. ERP 시스템에 저장된 데이터는 기업이 수년 동안 운영해 온 시스템에 축적된 대량의 산업 데이터이기 때문입니다. 이러한 데이터는 기업의 경영 의사 결정과 예측에 매우 중요합니다.

2, 구조화되지 않은 데이터에는 주로 재고 데이터, 사회화 데이터, 채널 데이터 및 고객 서비스 데이터가 포함됩니다. 데이터 및 분석 능력이 공급망 관리에 미치는 중요성을 검토하는 연구와 보고가 많이 있지만, 사회화 데이터가 공급망에 미치는 영향과 역할과 같은 구조화되지 않은 데이터에 대한 연구는 상대적으로 부족합니다. 그러나 소셜 미디어 데이터는 공급망 운영 관리의 역할에 매우 중요하며, 소셜 미디어 데이터를 사용하여 신제품 개발, 이해 관계자 참여, 공급망 위험 관리, 시장 탐사 등 기업의 공급망 활동 계획을 안내하는 방법과 소셜 미디어 데이터가 공급망 성과에 영향을 미치는 구체적인 메커니즘에 대해 심도 있게 논의해야 합니다.

내용이 풍부한 비정형 데이터에서 비즈니스 인텔리전스를 발굴하려면 설명 분석, 컨텐츠 분석, 네트워크 분석 등 다양한 연구 방법과 측정 방법을 사용해야 합니다.

3, 센서 데이터에는 주로 RFID 데이터, 온도 데이터, QR 코드 및 위치 데이터가 포함됩니다. 이러한 데이터는 빠르게 증가하고 공급망 금융에 큰 기회를 제공할 수 있습니다.

4, 새로운 유형의 데이터는 주로 지도 데이터, 비디오 데이터, 이미지 데이터, 사운드 데이터 등이 있습니다. 이러한 데이터는 시각화 분야에 많이 사용되며 데이터 품질을 향상시키고 실시간 데이터 분석을 강화하고 데이터 분석의 정확도를 높이는 데 도움이 됩니다.

대용량 데이터의 품질

기업은 대용량 데이터 분석을 수행할 때 데이터의 품질 문제를 고려해야 합니다. 저품질 데이터는 기업의 의사 결정에 영향을 줄 뿐만 아니라 기업에 손실을 초래할 수도 있습니다. 실제로 데이터의 유용성은 데이터 품질에 따라 다르며, 큰 데이터의 중요성이 높아지면서 고품질 데이터에 대한 수요도 증가했습니다. 현재 데이터 품질 평가에 대한 통일 기준은 없지만 데이터 품질 평가에는 여러 차원 지표가 포함되어야 한다는 데 동의합니다. 데이터 품질 평가에는 데이터 내부 (Intrinsic) 요구 사항 및 시나리오 (Contextual) 요구 사항이 포함되어야 합니다. 내부 요구 사항은 데이터의 정확성, 적시성, 일관성 및 무결성을 포함하여 데이터 자체의 객관적인 속성을 나타냅니다.

시나리오는 상관 관계, 가치 부가 가치, 총 수량, 신뢰도 등 데이터의 품질이 관찰되고 사용되는 시나리오에 따라 달라지는 시나리오를 말합니다

上篇: 레고 쥬라기 공원을 로드하는 데 얼마나 걸리나요? 下篇: 울란부통 관광지 소개