数据分析在Supply Chain方向有哪些应用？

今天我们来学习数据分析在Supply Chain方向的应用，主要会讲到Supply Chain和Supply Chain管理系统这两个概念。如果你想了解更多关于数据分析的相关内容，可以阅读以下这些文章：
顺利拿到数据分析师OFFER的作品集长什么样？
Excel小能手们，如何让自己数据分析及汇报的能力再上一层楼？
一篇文章带你了解探索性数据分析
8 种数据挖掘技术，让你成为更好的数据分析师

首先什么是Supply Chain？关于这个问题，每个人的理解不同，我们平常帮助同学们找相关的工作，以及做数据科学在这方面的业务时，总结了几个点供大家参考（如图）。

这里我们讲一个经典的模型，首先有原材料，有Manufacturer进行制造，也有分发中心，然后把产品运到用户那边，接下来是用户收到产品，可能退货或者零件的补充，最后还有一个环节是废料的处理。这里面有5个主要的环节，是Supply Chain的经典的产品Cycle。

在这个Supply Chain的生产环节里，每一个角色都会有自己不同的View。

另一个概念是Supply Chain Management，也就是一个管理的系统，也就是把我们在Supply Chain里不同的角色和商业过程放在一个管理系统里，这里面最主要的是需要有商业过程。

作为数据分析人员，不管是数据科学家、商业分析师、数据分析师，在这里面的角色是什么？具体做什么？概括为3点就是数据收集，报告和分析。

其中最主要的工作是收集和分析数据。在整个供应链中数据的收集是非常重要的，因为之前很多数据是不收集的，可能只关心大量数据，而对每个客户和每个订单的细分数据不是特别在意，但现在越来越多地把这些数据收集起来。

二是根据报告做数据分析，这个报告反映了整个供应链的运营情况，引入数据之后，基于运营数据和过往报告开始做大量的分析工作，分析趋势变化。

还会做一些商业需求分析，收集在这个过程中潜在客户的新需求，这些需求会赢得商业机会，也会透露现有过程中的问题。随着大数据技术的兴起，我们可以收集到用户的每一笔订单和交易的信息，之后就产生了新的需求，比如我们是否能精准地预估市场的需求，是否能精准地探测到市场的变化。

在供应链中有几个不同的Flow，物流、信息流、现金流。物流是从供应商转向采购商、入库存储、生产、出库存储等，入库和存库组成了本地库存分析。现金流是从客户向左边一直到供应商，中间数据部分就贯穿全部过程。

其中主要关注的是信息流（数据的收集、应用和转换），实际上在各个不同的业务模块中，数据不是单方向流动的，比如拿到订单付费后转到分销商，分销商收到信息后给出反馈，数据流本身就是双向的。

现在看一下大数据和AI技术是怎样影响供应链的？一个技术在新行业的应用时首先要注意目标是什么：整体价值最大化，分析数据以达到增加利润降低成本，分析用户需求，提高质量，减少时间、运输成本、库存成本等。

我们看一下McKinsey的大数据技术在供应链中的应用，分为几个不同的部分。从用户来看，用户信用评级，退货预测、商品推荐和欺诈检测等。

下面来看一下具体的技术。在我们这个数据分析里面，技术可以分为几类：

• 一个是Reporting，基于data warehouse可以产生各种各样的报告；
• 另一个是大量reporting的tools，比如Airflow，数据可视化的一些工具，一方面可以帮我们产生报告，另一方面是可以做成可视化的东西；

在这两者之上还有更高级的一些技术，比如prediction，以下图为例，是一个时间序列分析。在supply chain的市场需求的预估里面，主要有regression和time series两种方法。很多时候时间序列之所以扮演了这么重要的一个角色是因为在对一些复杂的情况做预估的时候，用regression的方法提取feature非常困难，那么time series分析就变得很重要。

本文我们讲了包括大数据，可视化的方法，机器学习里面的预估可以用regression和time series的方法，classification里面做fraud detection、return abuse的分析。

感谢你的阅读。你还可以订阅我们的YouTube频道，观看大量大数据行业相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/

Recap 作者：数据应用学院
美工编辑：过儿
校对审稿：Miya
公开课回放链接：https://www.youtube.com/watch?v=vUpZZuAXDHM&t=343s