特征行业4.0和智能制造
预测模式:用于供应商管理的数据驱动分析

2019年9月16日 - 商人和作者Robert Kiyosaki明智地说，“预测未来的最佳方式是学习过去。”

为了成功，在竞争激烈和经常变化的景观中，制造商必须展望未来并确定与供应链相关的最佳行动方案。但没有自动化，通过过去和目前的数据梳理到项目最适合明天的数据可能更容易。

例如，预测分析 - 用于预测未来事件的高级分析形式 - 允许组织研究新的和历史数据，以确定模式和预测潜在活动，行为和趋势。对于制造商来说，这转化为汇总实时供应商数据，以识别供应链中的隐藏风险。

但是，由于数字自动化没有捕获许多制造公司，所以使用预测分析的使用并不像它那样普遍。

为了在越来越数码数字世界中竞争，制造商必须能够捕获和分析数据以获得更快，更大的决策，不仅可以推动破坏性的变化，而且还降低风险并提供相当大的投资回报。

赶上其他行业
PWC在其数字工厂调查的加拿大工业公司只有6％的2020年报告称他们完全数字化。虽然一些部门，诸如媒体和金融服务的诸如数字化的潮流，但制造业是在采用数字技术的早期阶段的阶段。

例如，许多制造商尚未采用数字解决方案，而是使用电子表格和电子邮件与数百个甚至数千个供应商合作。这些手动过程效率低下，容易出错，往往导致昂贵的错误。

此外，手动流程没有帮助识别隐藏的风险，这些风险有可能导致主要供应链中断甚至生产停工。

然而，通过采用数据驱动的自动化解决方案，前瞻性思维制造商正在提高效率，提高可见性和降低风险 - 完全转化其业务。

使用数据驱动破坏性的变化
这些渐进式制造商之一的一个例子是全球运输技术供应商。

在采用数据驱动的自动化解决方案之前，这一领先的制造商汇集了多个Ad Hoc采购，质量和企业资源规划（ERP）系统。

在全球开展业务的20,000份员工企业缺乏主数据解决方案。其供应商管理系统围绕全球静坐，买家试图管理他们的日常供应商，风险和金融数据与手动电子表格。

该公司通过最初找到一个解决方案来帮助它在一个平台上管理成千上万的全球分散产品供应商的解决方案，最终将该数字减少超过75％。新的解决方案还允许公司消除十几个不同的系统。

在此过程中，制造商能够改善内部和外部的风险缓解和遵守。它现在使用数据来创建供应商记分卡，这有助于其买家知道哪些供应商提供业务的供应商，以基于过去的性能。

避免预测分析的风险
为了采取下一步技术采用，制造商必须考虑向其供应商管理解决方案添加预测分析功能。可配置的分析平台允许制造商从一个地方提取相关信息，如质量，报价和供应商风险数据。

例如，在与供应商的新合同进入新合同之前，预测分析将允许制造商轻松查看公司的历史，并由他们选择的任何参数设置。供应商多久有逾期货物？它定期不合规如何？它的价格多久有所不同？

通过组合机器学习和各种指标，预测分析可以帮助警告与高风险公司的开展业务，例如在过去六个月内有缺陷的缺陷。

如果制造商没有这种洞察力，后果可能是毁灭性的。运输损坏的部件可能意味着必须支付更换部件的费用，加班以生产新部件，并以高昂的成本运输给客户。考虑到这种中断，制造商可能会失去客户未来的业务。

预测分析消除了猜测和赋予制造商使用清除数据做出更大的富有洞察力的决策。它还降低了昂贵错误的潜力，反过来又节省了资金，有助于保护声誉。

走出篱笆和改造
虽然预测分析可以通过警告与绩效涉及的公司所涉及的风险推动转变，但许多制造商仍然只在技术采用的早期阶段。

By sitting on the fence, however, these companies could eventually be overtaken by competitors willing to invest in innovative technologies like multi-enterprise supply chain business networks that show everything from suppliers’ certification status to last minute updates to the bill of materials – making them far more efficient and reliable.

从战术制造商转换为战略性的制造商简化了流程，增加了供应商合作，大大降低了风险。

最终，投资具有预测分析功能的数据驱动解决方案，将允许制造商将数据蒸发到易于理解的仪表板和图表中，并将合法化可操作的智能，使其能够使他们成为大胆，有益的决策。

＿＿＿＿＿

Bo Hagler是Livesource的首席执行官。

本文最初出现在2019年9月问题制造自动化。