浅论大数据分析在供应链管理中的相关应用

摘 要：随着我国综合实力的不断增强，大数据分析在企业中逐渐发挥着更大的作用。本文探析了大数据分析在供应链管理中的相关应用，论述了大数据的相关内容，具体从五个方面指出了大数据分析与供应链之间的关系，最后提出了大数据分析在供应链管理中应用的问题与现状，为相关研究者提供了理论参考依据。

关键词：大数据分析;供应链管理;相关应用;大数据分析技术;大数据市场

本文索引：杨枥凯.<标题>[J].商展经济，2022（06）：-101.

中图分类号：F274 文献标识码：A

随着大数据时代的到来，大数据分析与企业有着密不可分的联系，大数据分析在供应链管理中层层渗入，起到了至关重要的作用，供应链管理中运用大量的大数据分析技术，很好地促进了供应链的发展，从而为企业的高效发展注入了新动能。

1 大数据的相关内容

1.1 分析大數据

在这个信息公开的时代，我们每天都可以从外界获得大量的信息。但是随之而来的疑问也出现了，在这样庞大的数据中我们如何知道哪些信息是对我们有利的呢？在大数据时代，如何快速精确地获得有用信息成为迫在眉睫的问题。

1.2 大数据分析在供应链管理中的重要作用

数据分类有着重要作用，大数据的种类对其表现形式有着至关重要的影响，如收集这些信息的方式和方法。在现代企业供应链管理中，影响最大的就是EPR数据，它包含了企业在运行过程中各方面的数据，其也是我们了解一家企业的重要数据。还有一些数据是有关社会数据和客户数据，通过这些数据我们可以了解到一个新项目所涉及的参与人数和要达到的预期效果，从而确保企业获得更加高效合理的发展。

1.3 大数据分析的特色

和传统数据分析不同的是，大数据分析能够更加具体地去描述。在时间飞速流转的同时，大数据分析记载下来的数据内容却不会自动消逝或者更新，所以大数据分析具有流逝性，因为所有的信息都是人们搜索得来的，只有人们的参与与分享才能获得大数据，所以大数据分析和人们有着密不可分的联系。因为大数据分析具有智慧性，所以它可以通过我们平时的搜索词推测我们的喜好，从而自动为我们推送可能感兴趣的信息。

2 大数据分析与供应链之间的关系

2.1 供应链管理的作用

在大数据分析的前提下，供应链才能找到合适的原料供应商。供应链就像一条食物链，都处在他们各自的分支上。所制造的产物要在合适的渠道中一层层地在相应的分支下传递下去。供应链管理在这里就起到了作用，即通过合适的方法让客户的花费最小而得到的效益最高，从而实现共赢。

2.2 大数据分析与供应链之间的有效应用

供应链与大数据分析从头到尾都有着密不可分的联系。中国在社会主义市场经济改革的道路上不断深化，所以企业供应链管理工作也在不断提高，我们也更加重视企业供应链管理方面的有效利用，这就不可避免地与大数据分析联系起来，大数据分析在企业供应链管理的每一个环节都有着不可或缺的作用。想要提高质量和效率，就一定要重视大数据的分析结果，将它与企业供应链管理工作进行巧妙结合。大数据分析给人们提供了一个广阔的视野，去观察各个环节是怎样利用我们所提取的信息，这样会更加方便我们了解通过大数据分析所得到的效益。通过大数据分析可以对企业某项目走势进行猜测、分析、整理。为了保证利润最大化，需要人们对大数据分析的结果进行研究，用最有用的信息提高工作的效率和质量。

通过与大数据的深度结合可以有效提升供应链实力。核心是对用户需求信息的收集及分析，战略指导原则是高度重视用户体验。通过设计和发起丰富的互动环节，提高用户黏性，进一步实现用户信息和意见的搜集。接下来利用精准信息甄别、处理和价值发现系统实现信息的全方位数据价值挖掘，形成以大数据分析为背景的供应链管理策略，形成双向整合互推式的信息闭环，从而提升供应链的整体影响力。

2.3 大数据分析与供应链的决策关系

大数据分析可以用在已经确定的项目上，分析的结果与决策联系起来，决策有不足的地方可以通过大数据分析来发现，进而弥补不足。供应链也具有风险性，所以大数据分析的结果能为供应链在目标项目上提供好的营销决策，利用大数据分析，化无用为有用。大数据分析的好处大家都知道，所以很多公司利用大数据分析来获取供应链，但是并不是所有公司都能驾驭得了的，许多公司还不能满足其要求。

2.4 大数据分析与供应链

大数据分析在供应链管理中的应用模式多种多样。从物料来源来讲，供应商进行风险评估，将产品根据特色进行区分，物料来源渠道的选择，供应商应达到一体化水准，与供应商进行谈判。从加工生产过程来看，首先进行存货优化，再进行产能维持，接着是工厂选址，最后是人力资源。从物流配送来看，首先是配送与物流优化，再选择好的运输方案，然后是路线的安排，接着是设定完美的运输路线，最后配置运输车辆。从销售服务来看，首先是基于地域的市场开发，其次分析店内的消费行为，接着对客户群进行精细划分，然后进行多渠道的市场开发，最后优化开发方案。这些都是大数据分析在各个领域的作用，所以我们要好好利用大数据分析，从而获得较大的收益。

2.5 供应链的大数据分析技术

2.5.1 分析学

分析学为数据分析理论的主要来源，分析学有助于企业以事实为基础做出决策。有学者表示，利用预测模型与定量技术可促使企业经济效益有效提升。此外，分析者还可指导决策，使人们获得新见解。在大数据分析中，应用分析学、数据分析工具等有助于大数据分析，而分析学若脱离大数据，仅仅作为数学统计工具，在企业管理中便无法发挥作用。由此可见，作为大数据分析中的重要技术，分析学与大数据相辅相成、无法分离。

2.5.2 供应链分析

供应链分析由两部分组成：其一，企业内部数据分析;其二，企业外部数据分析。在供应链分析过程中，第一步为手机数据，使用数据分析工具对庞大的数据进行分析，获取信息，以便供应链的运营，促使供应链成本与风险降低。尽管大数据应用、供应链研究在我国均明显增加，但因发展慢、起步晚，供应链案例、大数据应用案例均很少。当前，我国的部分企业已经意识到应用大数据、供应链的意义，并逐渐深入了解供应链，也在企业运营过程中积极使用，但受到技术差等因素影响，往往出现使用不当现象，使得供应链出现不利作用。企业运作流程与业务流程均影响大数据分析技术。有研究指出，若企业业务流程十分复杂，对于供应链的作用而言，大数据分析结果将不明显。D820D22F-5263-4E32-98D7-A55E94CDB207

2.5.3 大数据分析的人力资源与能力分析

影响企业的供应链与大数据分析的重要因素为大数据分析能力，而对大数据分析能力产生直接影响的为人力资源情况。在大数据分析过程中，由于缺乏专业人才，使得很多企业对于大数据分析的使用出现放弃心理。因此，需重视培养大数据分析方向的综合性人才，促使管理能力有效提高。有关研究数据表明，到2020年，我国数据分析行业人才缺失已高达14000人，大数据分析对于企业而言十分重要。

大数据人才不仅需具备经济学知识，而且要掌握预测学、运筹选学、统计学等知识，此外，还应当具备大数据人才的沟通能力。部分数据可直接由企业记录内提取，部分数据则需通过与客户交流等进行收集，故要求大数据分析工程师应当具有非结构性数据、结构性数据的整合與收集能力。在处理数据以后，能够提炼出有价值的信息，同时还需要与企业管理者沟通。由此可见，在企业的大数据分析应用过程中，人力资源占据重要地位。

3 问题与现状

3.1 大数据分析的现状

日常生活中我们都会获得大量的信息，而这些信息如果不加以归纳整理，将会是毫无用处的信息数据，我们便不能精确地从大量信息里提取出真正需要的信息。企业中的信息同样如此，信息不经过分析，就只是一堆没用的数据。在企业里决策和分析有着至关重要的作用，只要认真发掘，我们就能从大数据中获得很多有用的信息，从而将商业信息变成商业智能，最后为提升企业价值服务。

3.2 大数据分析的问题

从各类新型软件的兴起中我们不难发现，如今的大数据分析的作用并没有被完全利用，如抖音的兴起，抖音带给我们许多欢乐，我们也可以从这个软件上获得许多信息，但是如果我们认真地想一想，抖音带给我们的信息过于碎片化，只通过一个十几秒的视频我们不能了解一件事情的真相，而且还有可能被误导。所以供应链管理遇到了这方面的困难，解决大数据分析片面化与碎片化至关重要。

3.3 大数据与市场

大数据分析是以人民大众为目标的。在市场中渐渐将大数据的分析结果作为核心开始转型，要求面对人民群众的真正需求并解决这些需求。我们也可以利用大数据分析去寻找所需要的人，去分析所需要的东西，然后去供给。通过这些潜在客户来提升公司的效益;为公司带来效益的同时也为他们带来好处，何乐而不为呢？大数据分析还能为市场找到某一物品的平均价格，可以按照地区细分，这样一来，可以更加方便地进行价格调整。

“顾客就是上帝”，所以满足顾客的需求非常重要，有效的供应链管理对流程和运营有着较高的要求，所以需要有效的大数据分析为我们提供基础，而大数据分析的预测也可以为企业提供发展的基础。

4 结语

总而言之，我们生活在大数据时代，许多新兴产业已经离不开大数据，他们依赖大数据分析为他们带来利益。大数据分析对市场预测的准确度也为企业带来了便利，可以帮助公司领导制定好的计划。企业的管理人员要了解供应链与大数据分析之间的关系，不断改进大数据分析的模式。同时，还要努力去了解大数据分析，并从大数据分析中得到更多的收益，我们的生活也会因为大数据分析有了天翻地覆的改变。

参考文献

蒋明泰.零售商的销售努力行为对闭环供应链决策的影响：以新能源汽车供应链为例[J].时代经贸，2022，19（1）：17-21.

何寅.大数据背景下制造企业供应链成本管理的实施对策分析[J].中国市场，2022（3）：142-143.

徐德安，曹志强.大数据分析能力、供应链协同对零售企业绩效的影响[J].商业经济研究，2022（1）：38-41.

黄霆钧，李蔓，杨星冉，等.我国生鲜电商供应链标准化建设发展分析与对策研究[J].中国标准化，2022（1）：170-175.

刘心缘.探析电子商务环境下的绿色供应链管理策略[J].中国储运，2022（1）：83-84.

刘念，简兆权，王鹏程.大数据分析能力与制造企业服务创新绩效：一个链式中介模型[J].科技管理研究，2021，41（24）： 125-135.

张玉洁.供应链管理模式下企业物流管理优化策略[J].现代企业，2021（12）：12-13.

江怡洒.大数据分析能力与供应链可视性对大规模定制能力的影响[D].哈尔滨：哈尔滨工业大学，2021.

朱新球.大数据分析能力如何影响供应链绩效：基于供应链弹性视域的分析[J].中国流通经济，2021，35（6）：84-93.

张长瑶.基于大数据分析视角的供应链管理优化策略研究[J].企业改革与管理，2021（2）：35-37.

李刚.基于大数据分析的供应链风险识别与监控研究[J].供应链管理，2020，1（7）：42-52.

蒋丛萃.基于大数据技术的电子商务供应链管理设计与实现[J].中阿科技论坛（中英阿文），2020（5）：20-21.

张雅琼，刘巧云，危思攀，等.大数据分析在物流及供应链管理中的应用研究进展[J].中国市场，2019（28）：164-167.

巩家婧，宁云才，张公鹏.大数据时代物流企业供应链管理运作模式与优化路径[J].企业经济，2019（5）：80-84.

洪奕.大数据背景下零售企业商业价值实现路径[J].商业经济研究，2018（1）：5-8.D820D22F-5263-4E32-98D7-A55E94CDB207