Digital Supply Networks
——Transform your supply chain and gain competitive advantage with disruptive technology and reimagined processes
原文作者 Amit Sinha,Ddnilson Bernardes,Rafael Calderon,Thorsten Wuest 单位 Enterprise Performance practice of Deloitte Consulting
摘要：大数据给传统供应链带来了新的生机，数据对组织或网络的运营以及整体业务模式都有影响。利益相关者在DNS协同工作，交换数据，不同行动者的目标会影响他们共享数据的能力和意愿。
关键词：数据分析； 供应链网络； 数据驱动
大数据和数据分析
数据和数据交换是传统供应链取得成功的关键因素。这些传统供应链的层次结构会影响数据的生成、交换和分析方式，以及所有利益相关者的潜在数据增值。相比之下,对于数字供应网络(DSNs)，利益相关者正在更敏捷和协作的层面上共同工作。这在网络层面为所有业务领域利用数据的真正价值时创造了巨大的机会。然而，当涉及到数据、数据交换以及能够从网络中的大量共享数据中获得见解时，给这些DSNs的动态性和复杂性带来了一些明显的挑战。
在本章中，我们将讨论数据作为数字转型和DNSs的命脉的重要性。我们强调了大量数据（大数据）的日益可用性对运营和业务模型的影响，并讨论了对数据本身价值的变化感知。 我们介绍了大数据和数据管理的“五个Vs”，特别强调了数据质量和数据生命周期的影响。
数据数量和相关价值的增加使得数据安全和权威问题变得重要，特别是在DSN环境中。在我们讨论选定的技术发展、立法和基础设施之前，我们会说明数据安全和权威的关键方面，使这一数据革命成为可能，并为我们提供及时甚至实时的对大量数据的新通道。互操作性、 接口和标准，以及云平台是我们在本章的最后两个部分中讨论的一些方面。最后几部分是向下一章的过渡，下一章将重点介绍机器学习、人工智能(AI)和机器人应用，这些是为组织或数字供应网络释放有价值的见解的关键。
数据的影响和价值
目前，所有业务领域的数据都处于预期的峰值。今天，我们生活在一个数据以不同的水平可用的时代。与此同时，我们分析这些大量数据以获得见解的能力正在不断成熟。然而， 数据本身是无用的，除非它能够增加价值并对组织或系统产生影响。表3.1说明了选定的DSN区域和任务，这些区域和任务直接或间接地受益于不断增加的数据数量和数据访问， 以及可以通过数据分析解锁的内部见解。 虽然该表强调了一些关键点， 但这绝不是全面的， 因为新的、创新的和增值的数据驱动的应用程序每天都在出现。此外，这些领域和任务都是DSN内的协作工作。因此，与只使用来自个别组织的数据相比，数据的影响显著增加。实际上，在DSN中很多如果不能访问和分析相关数据无法成功完成的任务。
表3.1数据影响和价值最高的DSN区域和任务（不全面，没有具体顺序）
|
数据影响最大的DSN区域 |
数据价值最高的DSN任务 |
|
采购需求预测 运营管理 仓储运营和物流 交通和线路规划 制造和维护 战略与合作 市场营销、会计以及其他辅助功能 |
运营效率（例如，库存减少、交付时间缩短、数字看板） 基于大量非结构化客户数据的试试预测（例如，社交媒体） 通过将客户纳入数字化流程，将客户从铲平的设计阶段锁定到产品的使用寿命结束阶段 面对环境破坏时，操作的自动化适应性 生产瓶颈预测和潜在解决方案的直接处方 在DNS内指定和协商收入和风险分担、合同/协议 产品、过程的透明度和可追溯性，以及服务 |
接下来， 我们将探讨数据本身是如何发展为一种有价值的资源的，并讨论数据对组织或网络的运营以及整体业务模式的影响。
数据的可访问性和获取性
数字供应网络的定义是用其数字性质、连通性和电子交换能力实时分析数据。DSN的一个关键促成因素是收集、处理、通信和存储来自不同来源集的数据的能力。这些数据源包括但不限于信息技术(IT)系统（例如，ERP，CRM），传感器(例如，温度，GPS），操作技术(OT)系统（例如，机器工具)，公开可用的数据(例如，社交媒体，评论)，以及金融(例如，交易数据，股票市场)。这些数据源可以位于组织的任何地方——在组织内部、DSN内部或外部，这为系统增加了额外的复杂性层级。
数据源的类型是可访问性方面的一个关键因素。在技术方面，DSN可以被认为是网络物理系统(CPS)或网络物理生产系统(CPPS)。在CPS中，物理世界（机器、卡车、工人）和虚拟世界（传感器、软件、算法）正在合并，创建了一个联合系统。传感器将物理资产连接到网络上，并通过物联网(IoT)或工业物联网(IIoT)，通过互联网或云计算收集数据并共享这些数据。
另一个关键因素是获取，这涉及到不同层次的复杂性。DSN是一种协作网络，由DSN内的各种组织和参与者组成，它们与直接DSN之外的各种组织和参与者进行交互。虽然DSN有一个总体的联合目标，但内部的不同行动者可能有略微不同的个人目标，从而影响他们共享数据的能力和/或意愿。DSN之外的参与者更有可能有自己的议程，并且在数据共享方面相当严格，特别是在数据越来越被视为竞争资产的情况下。这会影响数据可访问性如技术基础设施。在下面的章节中，我们将更深入地研究数据价值飙升的概念，触及DSN中（大）数据的本质，并提供关键策略和技术基础设施组件的概述。
数据本身就是一种宝贵的资源
每个人都同意（高质量的）数据对于企业来说是一种宝贵的资源，无论是在分析师上、 组织上，还是在复杂的供应网络级别上。然而，今天的数据仍然主要与特定的业务案例有关， 其真实或感知价值与一个独特的分析目标、产品、产品家族或资本设备有关。在DSNs的时代，我们开始看到数据的出现本身就被认为是一种有价值的资源。虽然数据的价值仍然存在于可以从中得出的见解中，但与某个明确定义的用例的直接关系已经不再那么明显了。
数据本身，以及挖掘其中隐藏的真相的能力(见章节 4、“机器学习、人工智能和机器人技术”)能够实现颠覆性创新，包括新的商业模式，甚至是全新的行业。数据已经成为行业颠覆的命脉，并为组织提供了正确的战略和发展持续竞争优势的能力。
对运营的影响
操作一直都是由数据驱动的。物流和供应链管理一直是模拟、数学建模和运营研究的肥沃领域。人们普遍认为，可用的数据越好、越全面，优化的潜力就越大。过去十年的技术进步在与操作效率优化相关的数据的绝对数量、粒度和及时性方面提供了前所未有的增长。对IT/OT系统、数据交换和流程以及数据分析的深入集成，使DSN能够积极主动而不是被动， 从而避免了传统供应链中常见的问题，如牛鞭效应或其他协调问题。总的来说，数据对DSN
操作的影响不能被夸大，而是管理其中所体现的复杂性和动态的必要条件。
对业务模型的影响
与在某种程度上总是由数据驱动的运营相比，数据驱动的商业模式是一种较新的发展。有人可能会说，要想在竞争激烈的市场中成功地定位一个组织，就需要对市场的了解，从而需要对某种形式的（市场）数据进行解释。这可能是真的。然而，在这种情况下，当我们在DSN上下文中讨论数据驱动的业务模型时，我们对数据驱动的理解远远超出了传统的概念。在DSN设置中，每个成员组织的业务模型以及DSN整体都依赖于数据。数据共享协议现在在
DSN中很常见，而数据越来越多地决定了不同利益相关者的收入和风险份额。 DSN很可能在协作企业中拥有专注于数据分析的合作伙伴，其结果会影响DSN的活动和战略。
外文文献出处：Mc Graw Hill
附外文文献原文
BIG DATA AND DATA ANALYTICS
Data and data exchange are key factors of success for traditional supply chains. The more hierarchical structure of these traditional supply chains influences the way data is generated, exchanged, and analyzed, as well as the potential value-add of data for all stakeholders. In contrast, for digital supply networks(DSNs), stakeholders are working together at a more agile and collaborative level. This creates tremendous opportunities when it comes to capitalizing on the true value of data at the network level for all areas of business. However, the dynamics and complexity of such DSNs pose some distinct challenges when it comes to data, data exchange, and being able to derive insights from large amounts of shared data within the network.
In this chapter we discuss the importance of data as the lifeblood of digital transformation and DSNs. We highlight the impact of the increasing availability of large amounts of data (big data) on operations and business models, and we discuss the changing perception of the value of data in itself. We introduce the “five Vs” of big data and data management, highlighting specifically the impact of data quality and the data lifecycle. The increasing amount and associated value of data makes the topic of data security and authority important, especially in a DSN environment. We illustrate the key aspects of data security and authority before we touch upon selected technical developments, legislation, and infrastructure that enable this data revolution and provide us with unpreceded access to large quantities of data in a timely or even real-time manner. Interoperability, interfaces, and standards, as well as cloud platforms are some of the aspects we discuss in the last two sections of this chapter. These last sections serve as a transition to the next chapter, which will focus on machine learning, artificial intelligence (AI), and robotics applications that are the key to unlocking valuable insights for the organization or digital supply network.
IMPACT AND VALUE OF DATA
Data is currently at the peak of expectations in all areas of business. Today, we live in a time when data is available at unpreceded levels. At the same time, our ability to analyze these large amounts of data to der
剩余内容已隐藏，支付完成后下载完整资料
英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[595782]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
