大數據下B2C供應鏈關系怎么解讀？

HiShop最新消息，B2C商城系統移動云商城留意到在大數據的背景下，供應鏈關系發(fā)生了極大的變化，供需方的需求和服務之間形成了另一變化，過去在數據不對等的情況下，供應鏈關系或許會簡單明了。但從當前大數據中我們可以解讀出更多的信息和需求，供需方需要尋求平衡才可和諧生存。

大數據

很長時間以來，行業(yè)一旦出現新的供應鏈術語便會受到圈內人的關注。在過去的20年中，有如“準時制”（JIT Just in Time）、“全面質量管理”（TQM Total Quality Management）、“六西格瑪”（6 Sigma）、“銷售與運營計劃”（S&OP Sales& Operations Planning）、“精益”（Agile）、“需求驅動供應鏈”等等……

通常情況下，這些概念引起人們關注的主要原因在于，它們確實可以在某些公司或行業(yè)中產生價值。繼而，商業(yè)專家分析師、研究機構、咨詢公司、IT供應商便開始不斷地進行概念宣灌。結果是，供應鏈的概念被概括成為能解決一切的解決方案，同時，將實施過程中涉及到的復雜性概念簡化，關于實施的風險與成本卻只字不提。此外，這還造成了一種緊迫感和恐懼感，迫使企業(yè)迅速做出決策并采納新的概念。

大數據是供應鏈管理中經常被提及的一個概念。不可否認，企業(yè)開始持續(xù)地與外界連接，或者消耗越來越多的數據，并產生越來越多指數級的數據，但是像任何概念一樣，單憑大數據無法解釋清楚供應鏈。近期，Foresight的一篇文章中提到，供應鏈計劃軟件供應商Blueridge認為，大數據的應用將從產品轉向用戶預測。在某些情況下可能確實如此，但多數供應鏈案例證明并非如此。

行業(yè)特點

一些行業(yè)更多的是供給驅動，而非需求驅動。比如，石油行業(yè)就出現了一個現象，石油行業(yè)往往供給過剩，但需求端卻幾乎沒有什么增長。同樣，在采礦業(yè)，即使需求停滯或下降，但生產也仍然繼續(xù)以償還固定資產成本。雖然這些行業(yè)可能將大數據用于勘探或其他目的，但他們不太可能用于預測客戶需求。供應驅動的行業(yè)更少關注客戶，因此基本不需要客戶需求驅動的預測。除此之外，在一些行業(yè)，供應商響應客戶需求的能力也十分有限。在農業(yè)生產中，產生海量數據的接入技術被用于防治蟲害。

然而，無論客戶需求如何，番茄廠仍將繼續(xù)生產九個月的番茄。這限制了對大數據或客戶需求預測的需要。大數據的價值還取決于供應鏈中業(yè)務是在何處運營的，以及對端到端價值鏈和最終客戶會造成什么影響。如果一項業(yè)務對這些方面的影響有限，客戶數據就無助于預測結果。而為依賴年度招標的汽車或電話制造商提供服務的合同制造商則不需要大數據。

客戶需求切入點（Customer-Order Decoupling Point）

要了解大數據在供應鏈預測中的價值，就需要從CODP的基本了解開始。這是產品與客戶連接的價值鏈上的一點。

在工程訂單（Engineer-to-Order ETO）場景下，公司將與客戶合作設計和制造產品，例如豪華游艇或專業(yè)機械。具有CODP這種類型供應鏈訂單交貨時間長，客戶卻很少。

在按訂單生產（MTO）場景下，客戶產品由原材料，部件和組件制成。商業(yè)航空業(yè)在MTO環(huán)境中運作。雖然一些噴氣發(fā)動機每秒產生10GB的數據，并應用人工智能來優(yōu)化燃油消耗，但是在客戶預測中不需要大數據。ETO和MTO的場景下，幾乎沒有用戶。這對于提供商業(yè)服務的企業(yè)來說也是如此。SpaceX將商業(yè)有效荷載提供給空間，也只有為數不多的客戶。大數據可能對其他領域的公司有用，卻不能預測其客戶需求。

在生產庫存（Make-to-Stock MTS）場景下，制造商將通過批發(fā)商或零售商提供實體產品，然后再轉賣給最終用戶。制造商普遍可支持10萬處客戶發(fā)貨地點，如DC、零售店、酒店、醫(yī)院、餐廳等。通過銷售點POS機上留過的信息了解客戶需求，并進行預測。其實，這種情況并不稀奇。十多年前，在肉類生產商的生產預測中，每天四次將零售店的POS機的信息收集起來。近來，需求感應——自動算法的變化影響短期預測，可被應用于每個船舶和產品的組合中。為了將需求感應應用到擁有1000個SKU的10艘運輸船上，算法需要進行1億次組合的運算。當然，將這種量級信息成為大數據也是有待商榷。

客戶需求切入點最終是將股票出售。這是與客戶訂單最近的切入點。此時的客戶也是最終客戶，一般稱之為實體零售商。最大的零售商從POS機和客戶忠誠卡中收集大量數據。該數據收集可來自數千萬的客戶，但是數據手機仍受限于零售店的地理網絡，以及零售店平效。如今的在線零售商可沒有這種限制。例如，亞馬遜由超過3億的活躍賬戶，賬戶戶主來自世界各個角落，每臺智能手機或筆記本電腦就相當于一個零售店，線上的客戶行為可隨時被追蹤。

同樣是在過去十年，傳統MTS制造商開始實踐其他分銷模式。Nike曾以MTS模式生產跑鞋，然后提供給下游零售商?，F在，它通過庫存直接在線銷售給終端客戶，并為其提供了按訂單組合模式（Assemble-to-Order ATO）設計自己的鞋子。那么，開創(chuàng)了在線商店的傳統MTS制造商就是現在的線上零售店。如果你是一家正在計劃擴展到數十萬客戶的在線零售商，那么大數據似乎是你了解并預測客戶行為的更佳的選擇。但是，大數據真正開始發(fā)揮作用是遠不止在購買這個節(jié)點，而是在客戶購買產品或服務之后。一旦我們了解到客戶的日常生活，并開始連接跨行業(yè)的不同產品和服務時，可用數據便迅猛增長。

購買結束之后

Google和Facebook等在線服務正在跟蹤客戶的每一步行為，以預測客戶想要看到的內容或想去的地方。Facebook運用AI技術根據客戶歷史行為來運營內容。Google的移動手機應用程序可跟蹤用戶的日常行為，并提供相關指導建議。繼而，亞馬遜的零售商已經通過語音控制“智能揚聲器”Echo走入千萬用戶家庭。借助Echo，亞馬遜可以了解到用戶購買了什么、收聽什么音樂，以便到家之后準時打開燈光，開啟語音識別的互聯網搜索。

亞馬遜可以將所有信息與其產品和服務的在線購買歷史相結合，并在客戶下單之前提供專業(yè)運輸系統，可用于預測和交付產品。將預測型運輸應用于一家3億以上仍在增加的客戶群，這聽起來像大數據之類的。通過建立伙伴關系，傳統制造商和零售商也可以在客戶購買結束后收集消費信息。

除了銷售跑鞋，Nike還與蘋果合作銷售運動手表，可測量所有類型的實時消費者健康數據。如果Nike可訪問這些數據，那么就可將在線購物行為與鍛煉方案、睡眠模式、心率，以及客戶跑步公里數相結合。Nike還與荷蘭地圖提供商和消費品制造商TomTom合作銷售手表。除了生產運動手表，TomTom還提供了蘋果6億手機用戶和許多主要汽車生產商的地圖。如果這三家合作廠商選擇分享所有的客戶數據，那么他們必然會基本清楚客戶的每一個動作，以此用于預測客戶行為。雖然隱私和數據所有權發(fā)揮著重要作用，但當整個行業(yè)的制造商和零售商合作搜索多個產品和服務之外的信息時，可預測客戶行為的的可用性數據將源源不絕。

除了銷售跑鞋，耐克與蘋果合作銷售運動手表，可以測量所有類型的實時消費者健康數據。如果耐克可以訪問這些數據，那么現在可以將在線購物行為與理解鍛煉方案，睡眠模式，心率以及客戶公里跑步相結合。耐克還與荷蘭地圖提供商TomTom和消費品制造商合作銷售手表。除了生產運動手表，TomTom還提供了蘋果6億iPhone用戶和許多主要汽車生產商的地圖。如果這三家已經合作伙伴關系的公司要分享他們所有的客戶數據，他們實際上可以知道他們的客戶的每一個動作，或者是非常接近，并且用它來預測他們的行為。雖然隱私和數據所有權發(fā)揮著重要作用，但是當整個行業(yè)的制造商和零售商合作搜集多個產品和服務之外的信息時，數據可用性來預測客戶行為就會爆炸。

大數據決策

對于具有重要客戶群的需求驅動型企業(yè)，以及在購買之后收集客戶信息和伴隨客戶日常生活的商業(yè)而言，大數據似乎很重要。但即使如此，對大數據的投資似乎更是一個整體的戰(zhàn)略性業(yè)務決策，而不是供應鏈或狹隘的預測決策。推動大數據發(fā)展，分析師和研究人員應該在大數據最有可能發(fā)揮作用的行業(yè)和供應鏈環(huán)節(jié)中提供更多場景，并預測風險和收益。將新概念進入價值鏈之前，供應鏈管理負責人應該提出幾個問題，其中包括：

大數據能否為企業(yè)運營提高效率？

大數據可為用戶傳遞價值嗎？

大數據可為企業(yè)提高競爭力嗎？

實施風險與投資回報率有何差異？

大數據投資是一項重大決策，不應該輕視，最好在可提供大數據相關解決方案的專業(yè)人士的指導下進行。