1999年，彼得·德魯克首先提出了“經濟鏈” 的概念，經過不斷的發展，逐漸形成現在供應鏈的概念。哈理森(Harrison)將供應鏈定義為:“供應鏈是執行采購原材料，將它們轉換為中間產品和成品，并且將成品銷售到用戶的功能網鏈”。美國的史蒂文斯(Stevens)認為：“通過增值過程和分銷渠道控制從供應商到用戶的流就是供應鏈，它開始于供應的源點，結束于消費的終點。”概括來講，供應鏈就是通過計劃(Plan)、獲得(Obtain)、存儲(Store)、分銷(Distribute)、服務(Serve)等這樣一些活動而在顧客和供應商之間形成的一種銜接(Interface)，從而使企業能滿足內外部顧客的需求。在我國供應鏈通常是指由上游的供應商、核心制造商、下游經銷商以及倉庫、物流服務等構成的一個完整的產業物流網絡。供應鏈的全流程圍繞核心企業，從原材料采購開始，制成中間產品及最終產品，最后通過經銷商網絡把產品送到消費者手中。在供應鏈中，企業之間流動的原材料、產成品等形成了供應鏈上的物流；結算資金往來、融資等形成了資金流，相關訂單、期限、結算的信息形成了信息流。近年來，隨著互聯網技術的快速發展，企業間的交易、支付、融資等數據逐步可以量化，信息流對鏈接物流、資金流發揮著越來越大的作用。供應鏈管理的優化就是不斷對物流、資金流、信息流進行整合、無縫連接一體化的過程，這一過程離不開大數據的支持。根據麥肯錫給出的定義：大數據是一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件工具能力范圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特征。2010年，美國數據科學家維克托邁爾·舍恩伯格在《大數據時代》一書中就系統的提出了大數據時代的提法。隨著大數據產業的迅猛發展，相關技術應運不斷完善。2020年4月中共中央、國務院下發《關于構建更加完善的要素市場化配置體制機制的意見》明確提出土地、勞動力、資本、技術、數據為五個要素領域，大數據已經成為重要的生產要素。越來越多的企業看到了這一發展方向，選擇將大數據的技術應運到供應鏈中，對于全鏈條數據進行采集、發現和挖掘，并通過建模分析等手段優化供應鏈管理、進行企業畫像、預測供應鏈的未來價值。在供應鏈中進行大數據分析首先要進行全流程的數據采集。企業在供應鏈中產生數據的渠道和環節較多，主要有： 數據來源為供應商相關信息，如：供應商準入標準、合作期限、資質評價、履約記錄、貨物質量、原材料占比等。 數據包括核心企業的基本數據如人員、工資等，企業生產數據、貨物出入庫數據、應付賬款數據、結算方式、賬期等。數據來源主要依托企業ERP系統、訂單數據、財務數據等。數據來源為：訂單信息、經銷商加盟準入情況、銷售情況、區域市場占有率、應收賬款結算方式、賬期等。主要數據有：貨物配送路徑、貨物退返信息、貨物監管質押數據等，數據來源為物流管理系統、倉單管理系統等。外部數據來源主要有：一是互聯網數據，通過互聯網搜索可以實時獲取企業經營情況、用戶反映、輿情等信息數據；二是政務公開數據，可獲取企業工商注冊信息、納稅信息、訴訟情況等；三是專業網站數據，如Wind、路透、中征應收賬款平臺等，可查詢企業基本信息、行業狀況、應收賬款等信息。同時綜合使用EXCEL、SQL、 PYTHON等工具進行數據的過濾，提取以及整合工作。由于數據來源復雜、維度較多，建立數據分析模型首先要進行數據歸約，減少參與計算的數據量和建模維度；然后進行分類、聚類、關聯、回歸分析，發現海量數據間的關聯特征；同時綜合應用SVM分類回歸分析、XGBOOST預測分析等學習算法,建立合適的數據分析模型。大數據分析模型建立后，可以相應搭建一條包括供應商、核心企業、經銷商、零售商、物流企業直到終端用戶在內的聯盟鏈，將資金流、信息流、貨物流都記錄上鏈。同時結合物聯網技術形成管理視圖，實現供應鏈透明化、可視化。通過實時記錄并共享供應鏈各環節的最新進展，核心企業可以實現對供應鏈所有環節數據的掌握，及時了解原材料、生產、銷售等全流程情況。將數據模型引入到供應鏈全流程，動態實現數據采集、整合、建模計算的過程，將結果以視圖的形式呈現給決策者，全面優化供應鏈管理。1、采購與供應商管理視圖：提供供應商名單制管理，掌控訂單、發貨、結算流程，實現黑名單屏蔽、原材料儲備、供應商產品質量跟蹤等功能。2、生產與執行管理視圖：對生產計劃、原料使用、生產倉儲等過程提供實時數據，提高生產效率，實現生產動態匹配、庫存管理、原料預警等功能。 3、物流與分銷管理視圖：管理銷售體系，管控銷售流向，實現銷售出庫、退換貨、物流跟蹤、存貨預警等 功能。4、質量管理與溯源視圖：管理產品質量，快速查找責任點，實現質量跟蹤、產品溯源、防偽等功能。供應鏈企業畫像，就是把鏈條上各類企業數據按照不同特征建立多個維度的標簽，并對這些特征進行分析、統計，從而抽象得出供應鏈企業的信息全貌。首先建立業務模型，選取企業基本信息（名稱、地址、注冊資金）、經營情況數據（公司規模、業績水平、技術實力、專利數量等）、企業生產狀況（設計產能、達產率等）、產品質量（行駛里程、用戶反饋信息、事故情況等）、供應商數據（原材料、庫存等）、銷售數據（銷售規模、應收賬款等）、企業訴訟信息、違約信息等多個標簽。第二步對梳理出的行業數據采用多個標簽進行加減分評價的機制來 “打標簽”，將不同維度的數據信息進行整合評價，形成企業畫像。第三步對畫像結果進行分析，得出行業整體發展狀況并根據評分結果將企業劃分為“領軍”、“跟進”、“僵尸”、“退出” 等類別。對于“領軍”級企業，屬于新能源汽車行業技術領先的企業，外部機構可以加大支持力度，進行股權風險投資、加大應收賬款比例、金融機構可以加大供應鏈融資；“跟進”級企業需要加大技術引進、專利開發進度，形成核心競爭力；對“僵尸”和“退出”企業，建議市場進行優勝劣汰，確保資源高效聚集。在新能源車的案例中，我們對企業進行了畫像分類。依托“領軍”級核心企業的應付賬款，可以通過區塊鏈技術簽發應付賬款確認憑證，形成數字化證書，支付給一級供應商。供應商可以實現數字憑證的流轉、拆分、持有；金融機構可以為持有數字憑證的供應商提供融資支持。與傳統融資渠道相比，數字供應鏈融資可以將金融機構抵押擔保的要求向應收賬款、存貨、未來貨權等進行轉換，提供控制金融風險的新渠道、新方法。供應鏈中大數據分析的應用為獲得核心企業的信用背書、控制貨權、第三方物流監管等提供了技術手段，有效降低了獲客成本及交易成本，對解決信息不對稱、貿易背景虛假等問題起到積極作用，從而更好的滿足中小企業的融資需要，支持實體經濟發展。
返回列表
快來掃一掃
中金協抖音號：zjx.1992