大数据环境下供应链管理中的商务智能技术应用

今天，客户需求的个性化特征越来越突出，电子商务和互联网营销已全面普及，多样化的营销方式随之不断涌现，移动互联网与社交已逐渐进入社会生活与工作的不同层面，而传统的管理模式和手段却已很难把握和管控需求的变化。

大数据时代，消费者能够选择购买完全客户化的商品，或从一个可供选择的环境下自行定制商品，例如在网上购买计算机商品时，消费者可以根据自己的需要和喜好定制化购买；对于商家来说，为了扩大销售范围、增加市场份额，他们通常采用特殊的促销策略，将多种相关联的商品实行深度捆绑和关联销售。个性化驱使商品的生命周期越来越短、淘汰率不断增大，迫使新品推出越来越快、越来越多；在某些特定的时间点，电商们会采取大面积的降价销售手段，例如双十一、圣诞节等，引发消费者大规模的购买行为。

通常，在社会与市场的新环境、新形式下会涌现出新的商业业态、模式和行为等，这些都为供应链上的需求与供给平衡匹配带来新的难题，使得企业更难以掌握市场需求与资源整合，导致需求与供给失衡，预测不准。当需求信号传递滞后使得采购与供给计划赶不上需求变化时，就会造成库存大量积压的同时还常常出现库存短缺的现象。这样一来，成本的上升吞噬了盈利。

对于这些难题，企业可以充分利用大数据技术，基于已有的业务数据，运用商务智能BI和供应链管理SCM等信息化技术，对各项关键业务进行深度的挖掘与分析，掌握其特性与特征，发现改进的机会并对其进行优化，从而实现由粗放管理到精细管理的转变。对于改进的业务可以落实在采购与供给业务的各项工作和各个方面，目前应用较多或收获较大的环节主要表现在需求预测、采购战略和业务规则的制定、采购业务的分析与改善、供应商的管理、库存占有量的降低、日常业务可视化监控和预警等方面。

案例分析：大数据驱动联合利华供应链

消费者从超市货架上取走一瓶联合利生产的洗发水对联合利华（中国）来说，就意味着它的1500家供应商、25.3万平方米的生产基地、9个区域分仓、300个超商和经销商都因此而受到牵动。

这是构成公司供应链体系的一些基本节点。它的一头连接着来自全球的1500家供应商，另一头则是包括沃尔玛、乐购、屈臣氏和麦德龙等在内的总共约300个零售商与经销商所提供的超过8万个销售终端。此外是：清扬洗发水、力士香皂、中华牙膏、奥妙洗衣粉等16个品牌将近3000多种规格（SKU）的产品，以及在中国超过100亿元人民币的年销售额。每当消费者买走一件产品，联合利华整条供应链的组织运转就会受到影响。

1.深度数据挖掘与需求分析

不同于家电、汽车等耐用消费品比较容易预测消费趋势和周期，快速消费品行业由于其消费者的购买频次更高，消费结构更为复杂，以及销售过程中充满许多不确定性，企业较难对它做出需求预测。最头疼的情况是大客户采购，这种情况可能使超市的现有库存顷刻间耗尽。为了避免类似的手忙脚乱，又不想增加库存加大成本，更不想丢失客户，联合利华需要准确地预测未来的销售情况。每天，分散在全国各地的业务人员巡店后，将销售数据输入到一个手持终端，源源不断地把销售情况汇总到公司的中心数据库里。与此同时，直接与公司总部数据库对接的诸如沃尔玛POS机系统和经销商的库存系统等，将店里的销售和库存数据及时反映到公司的中心数据库中，使不论上海中国总部还是伦敦全球总部的管理人员，都能了解到中国超过1万家的零售门店在任何一天内的销售情况和业务数据。其余还有7万多个销售终端，数据更新以周为单位，这些大样本的数据来源，可以保证销售预测的波动（例如令人头疼和难以预料的团购情况）能被控制在合理的范围水平内。

但仅仅通过汇总购买行为这类数据，还不足以准确预测出未来一段时间内的需求，那些代表预测销量和实际销量的分析曲线，只是依赖数学模型和复杂的计算完成了理论上的工作，还需要做进一步的分析。这就需要其他的业务数据，例如对某产品制定的促销方案是降价还是买赠、在某时段内投入了多少宣传力度、覆盖了多少区域或渠道等，都会影响到该产品最终增加的销量，同时还要与其他业务部门如生产、采购、财务、市场等团队进行协同，共同利用这些数据，预测和分析结果。

联合利华按照16个品牌的产品形态划分出四大业务类别，每个品类都有一个团队来预测产品的销售情况，并分析进一步影响采购、生产环节的实际运作。当洗发水以瓶为单位售出后，采购部门得到的信息则是原材料A和包装材料B又将会有新的需求，在系统里一瓶洗发水会被分解成40多种原材料，这些数据会落实在其物料清单BOM上。

2. 全球协同采购

按照公司实行的全球化范围的采购与生产体系，消费者购买行为对采购、生产的影响就是全球性的。目前，公司旗下400多个品牌的产品在六大洲270个生产基地生产，所有涉及原料和包装材料的采购问题，包括采购地和供应商的选择，以及采购规模与频次的安排，都是由全球统一进行调配。这种全球化的操作将在成本集约上体现出规模效应，但同时也对公司的供应商管理水平提出了挑战。

2002年，公司在上海成立了全球采购中心，从中国向全球出口原料及成品，这里生产的牙膏最远销售到智利，中国的供应商总数规模在1500家左右。利用大数据与业务分析，一些能够同时提高合作方效率的合作会在这里开展：一些在内部被评定为A级的供应商被视作战略合作伙伴，它们会为生产提供定制化的材料，而自己的设计与研发人员也会对供应商的设备、流程等十分熟悉，双方会针对一款新产品在很早期就开始合作，联合利华会从技术方面对供应商提供指导。

联合利华利用大数据对供应商进行管理，有一套全球共同执行的标准。一个跨部门的管理团队每年会重新审核供应商等级，对A级供应商更是到场审计两次，不仅是技术水平、产品质量、资金规模等常规指标，还包括绿色、环保、用工条件等社会责任方面的情况，如果在其中哪个方面没能达到要求，就将面临从采购名单里消失的风险。

3. 高效协同生产

每当商品售出时，生产部门就要和计划部门对接对售出产品的数据做出响应。根据售出产品的相关数据，生产计划经理进行分析并做出决策。除了通过需求计划经理得到需求预测，他还必须获得其他业务信息，例如通过采购团队掌握所有供应商的交货能力，通过工厂负责人了解目前生产线上的实际产能，等等。然后，将这些信息汇聚在一起统筹分析，做出下一段时期内的产能供应水平。

根据这些大数据，工厂最终制定出生产安排，指挥一个年产值为140亿元的生产系统在每一周、每一天里如何调度它的每一家工厂、每一条生产线、按照速度和专长的不同安排生产（洗发水生产线就有十多条），完成300多个规格(SKU)的洗发水生产，以尽可能达到产能最大化，以满足那些分散在全国各地甚至世界其他地区不断增长的购买需求。关于消费者打算在何时何地购买这瓶洗发水的行为，将给联合利华的分析人员带来一道复杂的统筹学问题。

4. 渠道供应链管理，赢在货架

联合利华在全国设有9个销售大区，首先成品从合肥生产基地的总仓发往上海、广州、北京、沈阳、成都等9个城市的区域分仓。为了保证这瓶洗发水能够准时到达最终的货架，分销资源计划员既要规划路线，又要考虑库存成本和各条运输线上波动的运输能力。比如，春节将是联合利华产品的销售旺季，而临近春节时往西方向的铁路线会很拥挤，公路运输也比较忙，这还考虑很多发生在路上的临时突发的状况。因此，必须有充足的数据进行详细周密的分析，并与其他业务部门协商，做出例如“规划如何在西区提前建立库存”等的决策。

联合利华用活了数据，从超市货架上每个产品的变化，一直到自己的供应商，这是一条能产生出高价值的数据链路，而利用链路上每一节点的数据来优化和改进业务，使得业务运营获得了骄人的好成绩。例如通过对缺货的分析，找出导致一瓶洗发水在货架上缺货的真正原因：是门店方面没有及时下单，还是系统虚库存，又或者是因为库存堆放问题等，找到了真正的原因改进了缺货率，使其重点门店的货架满足率提高到了98%，上升了8%（货架有货率每提高3%，就会带动产品销售提高1%）；又如与超商启动了回程车项目优化，在联合利华合肥总仓、乐购嘉善总仓、乐购合肥门店之间，把双方的取货、发货和运输线路放在一起进行分析和优化设计，减少了返程时的空车率，节约了10%左右的物流成本，同时也完成了公司对碳排放降低的要求；再如，通过分析与优化，提升了服务效率和客户的投资回报率。2011年联合利华的这一排名从2004年的20名之外上升至第二名，实现了它“赢在客户”的目标规划，无论在它的销售、采购、库存、生产，还是在物流等方面的业务都有了很大的提升。