開學季大數據

① 成都大學用演算法為新生匹配室友，大數據的應用領域為何如此廣泛

大家上學的時候肯定不喜歡跟一個有不好習慣的人居住在一起，因為會對自己產生很大的影響。假如在男生宿舍有一個人抽煙的話，那會把整個宿舍變得烏煙瘴氣。棗鏈有些人睡覺的時候一直打呼嚕，那必定會影響到其他室友的休息。可並不能夠在開學之前做好問卷調查，都是進行隨機分配。成都大學用演算法為新生匹配是由大數據的應用變得如此廣泛，是因為大家都是有共同需求的。肯定希望跟自己趣味相投的人居住在一起，會覺得十分幸福。

總的來說大學4年時間是非常漫長的，只有跟有意思的人在一起，才會過的開心。每一個人都不要想著別人，應該讓著自己，一定要多有一些包容心。同學之間有矛盾其實並不可怕，不要將矛盾無限的放大。有什麼問題一定要選擇當天解決，不要積累了4年才說出口。因為仇恨變得越來越大時，很可能會讓一個人的人格發生翻天覆地的變化。

② 產品銷售預測與需求管理是大數據什麼

產品銷售預測與需求管理 通過大數據來分析當前需求變化和組合形式。 大數據是一個很好的銷售分析工具,通過歷史數據的多拍鎮晌維度襲鋒組合,可以看出區域性需求佔比和變化、產品品類的市場受歡迎程度以及最旅祥常見的組合形式、消費者的層次等,以此來調整產品策略和鋪貨策略。 在某些分析中我們可以發現,在開學季

③ 大數據計算你和學霸的距離

大數據計算你和學霸的距離

在成都最冷的20天里還能堅持早起吃早餐；總是在晚上10點到11點之間洗澡；在教學樓打水近80次……正值開學季，電子科技大學教育大數據研究所的數據顯示，普通的你，和學霸之間，恐怕就差了這些「微不足道」的行為。

這個頗有意思的發現，來源於覆蓋了電子科大兩萬余名本科生的大數據系統——「學生畫像」，其將每名學生幾乎所有的在校活動軌跡與成績之間建立了關聯。利用這些數據，不僅能預算出學生的學習狀況，研究者還希望依此引導他們更好地規劃各自的學業和就業方向。

學霸的生活軌跡

傳統教育認為，學生有規律的生活，是學生提高成績的重要保證。

「普遍情況下，良好的行為習慣與學習成績是呈正相關的，這基本是得到公認的。」21世紀教育研究院副院長熊丙奇表示，這些行為習慣，有的與成績變動直接相關，例如學生按時上下課，常去圖書館等；還有一些與成績的變動是間接相關的，比如養成早起的習慣，經常洗衣服，有規律的打水等。「雖然不直接作用於學生的學習，但是，好的生活習慣，反映的是學生積極的狀態，說明學生自我管理的能力較強。那麼，這些學生用在學習上的時間也相對有保證，也就勢必會對學習成績產生影響。」

不過，必須承認，這個被普遍接受的結論很難被定量描述。「如果我們能定量地證明已有的依據，並提出科學的可參照的建議，這項研究就是有價值的。」電子科技大學教育大數據研究所副所長連德富這樣解釋這項研究的初衷。

如今，研究團隊已經花了一年多的時間記錄學生的校內行為，包括吃飯、購物、打水、進出圖書館、借閱圖書、宿舍門禁、洗澡、使用洗衣機、乘坐公交等。結果發現，學霸有著與一般學生完全不同的學習生活軌跡。

以某專業排名第3的學生為例，她幾乎每天固定在8點、12點、14點三個時間點出門，留在宿舍的總時長低於專業平均水平。而該專業成績排名第61的小石每天進出宿舍的時間很隨機，而且通常每次外出的時長不超過2小時，「宅指數」明顯高於專業平均水平。

此外，成績最好的學生吃早餐次數在110次，成績最差的學生吃早餐次數僅為60次。9點前出現在食堂吃早餐的同學，成績相對更好。成績較好的學生集中在晚上10到11點之間洗澡，而成績較差的學生，洗澡時間無明顯規律。

除作息規律以外，進出圖書館次數也是重要指標。第一學期，成績最好的學生進入圖書館的次數為55次，成績最差的學生進入圖書館的次數為35次；到了第四學期，成績最好的學生進入圖書館的次數為61次，成績最差的學生進入圖書館的次數為18次。

同樣的情況還存在於教學樓。學生去教學樓飲水機上打水次數越多，就說明學生長期在教學樓里活動。第三學期的數據顯示，成績最好的學生在教學樓打水近80次，成績最差的學生在教學樓打水不到10次。

尤其讓連德富印象深刻的是，不同成績的學生在借閱圖書的種類上也有明顯的區別。他發現，《蝴蝶公墓》《變態心理學》等帶有懸疑色彩的圖書，借閱者的成績普遍不理想。

過去，要想清楚地知道不同成績水平的學生群體與他們的行為特徵之間一一的對應關系是非常困難的，但有了大數據的幫助，一切變得簡單起來。

「學生畫像」還能做什麼

僅僅根據學生行為習慣的數據統計，就可以制定出學霸路線嗎？

要想精確刻畫一個人需要用無數的數據，但連德富認為，校園就是一個擁有豐富數據的很小的社會系統，只要這些數據能與目標聯系起來，就有一定的指示作用。

事實上，「學生畫像」的首要功能，就是算出每名學生的學習、生活狀態，並設計出一系列輔助他們更好規劃各自學業的功能模塊。目前已經實現的是掛科預警。

據了解，研究團隊設計了一個針對掛科率的公式，即過去的學習基礎+一段時期內的努力程度。學習基礎是根據已考科目成績、已考與將考科目之間的關聯性計算得出的，而努力程度則主要依據教學樓打水頻率、進出圖書館的時間與次數等。

如果有學生正處於掛科率高風險的邊緣，系統就會自動向負責該名學生的輔導員發送預警信息。而在過去，只有當學生已經出現掛科的情況，輔導員才能得知，即便如此，事後也很難分析學生掛科的具體原因。

「目前，教育大數據暫時的定位還是輔助傳統教育，管理、引導學生。」連德富表示。

除了關注學生成績，他相信，現在的校園里依然充滿了像當初的自己那樣對未來迷茫的人。「我們都曾迷茫過，不知道自己喜歡什麼，可以做什麼。」

如何利用「學生畫像」幫助學生找到適合自己的路，是研究團隊正在努力的方向。目前，資料庫不僅有現有學生的行為軌跡，還有已經畢業的學長們的行為軌跡。連德富告訴《中國科學報》記者，最終選擇考研、出國或者創業的學生，在生活、學習方式上是存在一些差異的。

比如，打算出國的學生在選修課程、借閱圖書時都會偏向語言方面的內容，而偏好創業的學生則與一項很有意思的數據產生關聯。由於電子科大在成都郊區，學生進市區需要乘坐一趟班車，有的學生去市區的頻率明顯要高於其他同學，這也意味著他們的社交行為可能更為豐富。

「學生畫像」可以將現有學生的行為軌跡與已經畢業的學長們的行為軌跡進行比對，如果在選課、借閱圖書、參加社團活動等方面的軌跡與某類去向的畢業學生比較相似，學校就可以提供相關方面的建議、指導。

對此，21世紀教育研究院副院長熊丙奇也表示，傳統的大學教育對學生的管理是比較鬆散的，因此，通過對學生生活、學習的數據分析，掌握學生的目標動向，有助於學校對學生進行合理的引導，無論是學習還是參與社會活動，都能夠有的放矢地幫助學生作進一步規劃。

中科院心理所研究員尹文剛則將關注點瞄準了當下大學生的心理健康問題。

「學生從高壓的中學時期，進入完全需要自我管理的大學生活，一時間無法適應，容易出現心理問題。一旦受挫，通常選擇迴避的態度，甚至會出現抑鬱的情況，更嚴重的可能危及生命。」尹文剛直言，近年來，大學生頻繁曝出跳樓、傷害同學事件，都與心理健康密切相關。

他認為，通過教育大數據，可以及時掌握學生的行為習慣特徵，一旦發生明顯異常，比如長期獨處、很少參與公共生活等情況，學校就可以適當關注學生的心理健康問題，採取相應對策。

研究團隊正在挖掘「學生畫像」在關注學生心理健康方面的作用。他們可以根據學生的行為習慣來量化「孤獨」。

性格孤僻、有強烈的孤獨感，往往被認為是抑鬱易感人群具有的一些共性特徵。他們發現，學校最孤獨的一群人出現心理問題的概率比普通人高一個數量級。因此，研究團隊正在設計演算法，依據「30天內，兩個素不相識的人，有兩次或兩次以上前後腳打水、打飯、進公寓、進出圖書館或坐公交車經歷的概率，不超過十二萬分之一」的結論，可算出每名學生的「在校朋友圈」，以此量化學生孤獨的程度。

在尹文剛看來，預知大學生的行為習慣所隱含的心理問題，特別是關注學生的變化，對於開展學生工作是非常有幫助的。

從這些角度看，大數據在教育領域的應用是有一定價值的。

如何保護學生隱私

打水刷卡、進圖書館刷卡、進宿舍房間刷卡……在校園逐步實施一卡通的時代，學生大數據已經變得易得而且可控。學校一方面依靠大數據加強對學生的管理，一方面也要照顧到學生的隱私，尊重學生的行為習慣。因此，如何合理使用大數據，同時又保護學生隱私，就成為了一個重要的問題。

「如果讓學生感覺生活在學校的監控下，那麼即使學校的出發點是好的，希望能夠對學生的行為及心理進行合理引導，這種舉措也無疑會讓學生反感。」熊丙奇特別提示學校在運用大數據的時候，要考慮到學生的隱私及習慣。

對此，連德富表示，「學生畫像」在保護數據隱私方面是非常謹慎的。

「設計系統功能時，很重要的一方面是數據PK。」連德富介紹說，希望每名學生除了能在系統上看到自己的「畫像」外，還能看到自己與同專業同學比較後的相對優勢和劣勢。「但是，比較的根本目的是找到學習的模板，而不是與具體的某個個體比高下。」

因此，在申請PK時，系統是存在強許可權管理的。發起比對的學生必須經過對方的允許，才能看到對方的畫像。但是連德富透露，由於該功能涉及的數據隱私比較敏感，目前並沒有向學生端開放。

而已有的面向輔導員的埠，所涉及的數據經過嚴格的加密處理，系統不保存學生的真實姓名及學號，只有出現重要預警信息，才會自動給相應的輔導員進行簡訊推送。這意味著，任何一個技術人員都看不到學生個人的信息，而輔導員最多能夠掌握自己負責學生可能出現的重大問題。

連德富堅持認為，教育大數據不會刻意強調每個個體的情況，而是反映學生整體的生活、學習狀況，以及時預測預警學生的異常狀況，從而為學校的決策提供數據支撐。

以上是小編為大家分享的關於大數據計算你和學霸的距離的相關內容，更多信息可以關注環球青藤分享更多干貨

④ 開學季高校周邊酒店為何一房難求

「開學准備好了所有，就是忘記訂酒店，把各種APP翻了一遍，連短租民宿都沒放過，方圓十里都沒房。」北京某大學新生柳小英於8月26日到學校報到，因為沒有提前訂到酒店，不得不入住一家離學校不近的私人小旅館。

開學季引發的「酒店熱」，不僅波及到星級酒店，也推高了招待所、經濟型快捷酒店的整體價格。

數據顯示，熱門城市的酒店平均單間夜房價為近400元。其中，家長們在北京、上海的酒店支出最高，均超過了每晚500元；重慶的酒店房價最低，但也接近每晚300元。

⑤ 超級課程表課表大數據深度分析在哪裡

課表app奕報告最好用。奕報告（Yibaogao）是國內第一款基於數字校園管理大數據深度分析的工具型服務APP。

2019年，超級課程表下屬的不安分人類實驗室聯合舒蕾波卡莉香發起首屆「超級課程表 · 泡泡音樂節」活動。通過將比賽現場布置為浴室模擬場景。

將學生在浴室中一個人的狂歡轉變為台前最自如的表演。泡泡音樂節是超級課程表為大學生打造的專屬舞台，一場專屬於大學生的音樂狂歡。從選手至評審團，全由大學生組成，讓大學生的歌聲走出校園。

泡泡音樂節：

開學季新生手繪地圖超級課程表為全國每個學校定製專屬的校園地圖，於每年3月與9月的開學季進行派發。地圖設計全部來自於在校大學生，以此大學生對校園的親切感與歸屬感，同時為初入校園的學弟學妹帶來大學的入學指引。

超級課程表的手繪地圖活動運營四年之久，每年9月開學季與400所高校合作送出120萬分「校園手繪地圖」。

⑥ 2018高校迎新生 「大數據」 如何顯身手

2018年8月29日報道，又是一年開學季，在各高校，大學新生滿懷激情與夢想開啟了他們新的人生旅程。為了給新生提供更加便捷貼心的服務，各高校紛紛開啟數字迎新模式。

大數據不僅可以幫助新生更快了解同屆小夥伴們的情況，還可以為新生匹配室友。這是南京大學全面升級推出的新生宿舍分配方案，新生提前填寫調查問卷，包括生活習慣、個人興趣愛好等選項，學校用大數據演算法分析學生的相似程度，來幫助新生尋找生活習慣、興趣愛好相近的室友，方便他們更好地適應集體生活。

南京大學學生工作處老師 郭亞敏： 我們希望新生住一起時有更多的相似程度，更多的愛好，這樣他們就會有更多的話題，在相處起來時，也會對他們之間相互包容相互理解帶來一些正向的積極因素。

為了讓新生入校後盡快融入大學生活，不少高校還推出了迎新攻略，美食地圖、《新生手冊》等一應俱全。哈爾濱工業大學的「聯小絡」微信平台連續12期的《你好工大》、《新生手冊》囊括了新生關心的學習、吃住行和校園文化、社團組織等，幫助他們更好地適應新環境、規劃大學生活。

⑦ 華為雙減數字化平台能投資嗎

在推進「雙減」數字化過程中，華為雲已成為不可或缺的重要力量。華為雲打造的華為雲「雙減」數字化解決方案，依託華為30 多年 ICT 技術經驗，擁有八大「過人之處」。
第一，全場景數字化。華為雲「雙減」數字化解決方案擁有9大板塊、12個系統、131個模塊、320個功能，可以貫穿「雙減」相關的全業務流程，覆蓋全場景，堪稱市面上功能最全、覆蓋面最廣的「雙減」數字化解決方案。
第二，監管顆粒度細。對於教育行政部門來說，華為雲「雙減」數字化解決方案可以幫助教育行政部門將監管春做精確到每校、每學生、每課時、每環節、每條數據、每筆經費，教育部門可調取全區所有課後服務數據，並實現任意維度、橫縱雙向的對比和管理；還可對各校、各服務機構的違規流程一鍵喊停，對違規課程、師資、服務機構一鍵否決，這大大提升了監管的顆粒度。
第三，執行操作性強。華為雲「雙減」數字化解決方案執行操作性更強，教育行政部門以及學校的實操人員上手成本低。它能將教育行政部門及學校的課後服務執行工作極致簡化，教育局端的操作許可權最高、實際操作最少，操作更智能簡便。
第四，作業管理精細。華為雲「雙減」數字化解決方案融合課堂教學和日常作業，對於作業的管理更精細化，能夠形成「作業精選-教師精講-學生精練」的完整閉環。
第五，資源豐富性好。華為雲「雙減」數字化解決方案資源豐富性更好，它擁有豐富優質的課程及師資，現已收錄 50+ 類別、600+ 科目、30000+ 課程，可以作為教育局及學校資源的有力補充。
第六，信息安全性高。藉助華為鯤鵬體系，華為雲「雙減」數字化平解決方案做到了國產化適配，能夠更大程度上保障資金監管稿森衫安全、入校資源安全、網路信息數據安全，做到信息不外泄。
第七，技術領先性強。華為雲「雙減」數字化解決方案大量使用雲計算、大數據、人工智慧等高端科技，能夠第一時間推進教育生態優化與迭代創新。
第八，本鍵腔地服務服務能力強。華為雲的本地公司 ( 團隊 ) 負責落地運營，可以快速實現服務運營本地化，本地資源整合導入，從部署到服務實現全流程的本地化適配。

⑧ 供應鏈大數據分析

供應鏈大數據分析

供應鏈大數據分析，越來越多的企業採用數據分析來應對供應鏈中斷，並加強供應鏈管理(SCM)，目前有幾項重大中斷正在影響供應鏈。以下分享供應鏈大數據分析，一起來看看。

供應鏈大數據分析1

全面解析大數據給供應鏈帶來的益處

時下，大數據已經完全跨越概念炒作，而成為很多行業業務發展中實實在在應用的重要武器，但是在供應鏈管理領域，大數據技術的應用產業發展則處於起步階段，但是相信伴隨其他行業大數據的快速發展，供應鏈管理中的大數據也會迅速跟上來，那麼人們勢必會問大數據到底能夠為供應鏈帶來哪些益處呢，下面請隨乾元坤和我一同了解大數據給供應鏈帶來的好處。

大數據與供應鏈

1、庫存優化。比如，SAS獨有的功能強大的庫存優化模型可以實現在保持很高的客戶滿意度基礎上，把供應成本降到最低並提高供應鏈的反應速度。

其庫存成本第一年就可下降15%～30%，預測未來的准確性則會上升20%，由此帶來的是其整體營收會上升7%～10%。當然還有一些其他的潛在好處，如提升市場份額等。此外，運用SAS系統，產品質量會得到顯著提升，次品率也會因此減少10%～20%。

2、創造經營效益，從供應鏈渠道，以及生產現場的儀器或感測器網路收集了大量數據。利用大數據對這些資料庫進行更緊密的整合與分析，可以幫助改善庫存管理、銷售與分銷流程的效率，以及對設備的連續監控。製造業要想發展，企業必須了解大數據可以產生的成本效益。對設備進行預測性維護，現在就具備採用大數據技術的條件。製造業將是大數據營業收入的主要來源。

3、B2B電商供應鏈整合。強大的電商將引領上游下游生產計劃-下游銷售對接，這種對接趨勢是上游製造業外包供應鏈管理Supply-Chain，只專注於生產Manufacturing，ProctionChain(R&D)。

物流外包上升到供應鏈外包是一個巨大的飛躍，體現了電商的強大競爭力和整合能力，海量數據支持和跨平台、跨公司的對接成為可能。B-B供應鏈整合具有強大的市場空間，能夠改善我國產業布局、產業鏈優化、優化產能分配、降低庫存、降低供應鏈成本、提高供應鏈效率。

4、物流平台規模發展，B-C商業模式整合已經成為現實，但是物流執行平台的建設是拖後腿的瓶頸。多樣產品的銷售供應鏈的整合有很大的技術難題，如供貨周期、庫存周期、配送時效、物流操作要求等，這樣的物流中心難度很大。

大數據平台建設將驅動整體銷售供應鏈整合;中國的還有的現實問題跨區域物流配送、城鄉差異等，政府的管制是一大難點/疑難雜症，大數據平台有助於政府職能調整到位。

5、產品協同設計，過去大家最關心的是產品設計。可是現在，在產品設計和開發過程中，相關人員相互協同，工廠與製造能力也在同步設計和開發中。當前的壓力在於向市場交付更具競爭力、更高配置、更低價格、更高質量的產品，而同時滿足所有這些要求，是製造和工程企業的下一個重大的價值所在。這也正是大數據的用武之地。

企業如何部署大數據?

要讓數據發揮價值，首先要處理大數據，要能夠共享、集成、存儲和搜索來自眾多源頭的龐大數據。而就供應鏈而言，這意味著要能夠接受來自第三方系統的數據，並加快反饋速度。

其整體影響是增強協同性、加快決策制定和提高透明度，這對所有相關人員都有幫助。傳統供應鏈已經在使用大量的結構化數據，企業部署了先進的供應鏈管理系統，將資源數據，交易數據，供應商數據，質量數據等等存儲起來用於跟蹤供應鏈執行效率，成本，控制產品質量。

大數據給供應鏈帶來的好處

而當前大數據的概念則超出了傳統數據產生、獲取、轉換、應用分析和存儲的概念，出現非結構化數據，數據內容也出現多樣化，大數據部署將面臨新的挑戰。

針對如今所生成、傳輸和存儲的海量信息進行簡單處理所帶來的挑戰。當前，數據量呈爆炸式增長，而隨著M2M(機器對機器的通訊)的應用，此趨勢仍將持續下去。

但是，如若能夠解決這些挑戰，將可以打開嶄新的局面?核心在兩個方面：

1、解決數據的生成問題，即如何利用物聯網技術M2M獲取實時過程數據，虛擬化供應鏈的流程。通過挖掘這些新數據集的潛力，並結合來源廣泛的信息，就可能獲得全新的洞見。如此，企業可以開發全新的流程，並與產品全生命周期的各個方面直接關聯。與之集成的還有報告和分析功能，為流程提供反饋，從而創建一個良性的強化循環。

2、解決數據應用的問題，如何讓供應鏈各個價值轉換過程產生的數據發生商業價值，是發揮數據部署的革命性生產力的根本。大數據在供應鏈的應用已經不是簡單的交易狀態可視，支撐決策庫存水平，傳統ERP結構是無法承擔的。因此企業必須重新做好數據應用的頂層設計，建立強大全面的大數據應用分析模型，才能應對復雜海量的數據如何發揮價值的挑戰。

大數據在供應鏈領域的應用剛剛起步，隨著供應鏈的迅速發展，大數據分析，數據管理，大數據應用，大數據存儲在供應鏈領域蘊含巨大的發展潛力，大數據的投資也只有與供應鏈結合，才能產生可持續、規模化發展的產業

供應鏈大數據分析2

大數據分析對供應鏈有什麼影響

如今，從物流到客戶偏好的各種數據的持續增長正在迅速改變企業的經營方式，並突出了對加強數據管理和分析的強烈需求。大數據分析(指大型和復雜的數據集)的好處是顯而易見的：大數據可以完全改變組織的工作方式，在效率、成本、可見性和客戶滿意度方面產生巨大差異。

大數據來源廣泛：

-如今的技術和社交平台允許企業以評級、評論和博客評論的形式獲得直接的客戶反饋。

-來自移動通信、社交平台和電子商務的數據正在與來自企業系統的數據集成。

-隨著物聯網和機器對機器通信的引入，製造業正在從基於事件的計劃轉變為實時感測。

-不斷發展的感測器技術可提供實時設備和產品狀況數據，從而實現自動維護和過程調整。

數據在數量上、種類上和速度上都有所增長，如果以正確的方式加以利用，可以帶來巨大的價值。

研究顯示，企業已經在推動整個企業供應鏈的生產力，但在供應鏈功能中使用大數據分析在全球企業中並不普遍或協調得很好。受益於大數據分析的公司有三個共同點：它們擁有強大的企業級分析戰略，它們將大數據分析嵌入供應鏈運營，它們擁有合適的人才庫，能夠從大數據中產生可操作的見解。

有必要僱用、培訓和扶持能夠幫助企業從大數據分析中受益的領導者。從人力資本的角度來看，大多數公司的定位尚不足以接受數字化供應鏈轉型。我們分析了各行各業的50多位高級供應鏈高管的個人資料，以了解他們在供應鏈數字化方面的定位。在涉及所謂的「數字防備連續性」方面，各行各業的公司中絕大多數高管都普遍缺乏。

調研機構采訪了各行各業的商界領袖，以探討當今日益數字化的世界對首席供應鏈官的角色以及供應鏈領導者與高級管理人員中其他高管人員之間互動的影響。通過這些訪談，我們發現了供應鏈領導者應具備的四個關鍵特徵，以便能夠從大數據分析中獲得收益：

1、對數據和系統技術有深刻的了解。當今的企業可以通過數據分析和通過數字方式收集數據來深入了解客戶行為。盡管不需要首席供應鏈官成為信息技術（IT）專家，但他們應該對數據收集、技術和分析有足夠的了解，以引導對話並為高級領導者及其供應鏈團隊提供數字化願景。

供應鏈領導者應認識到如何實施和利用相關平台和流程以及數據來自何處，並應表現出對來自各種渠道的數據范圍和規模的扎實理解。重要的是，領導者必須准備好對數據採取明智的行動。

2、具有影響力的協作方法。如果首席供應鏈官在孤島工作，將無法從大數據分析中獲得收益。在內部，供應鏈領導者必須能夠與首席技術官進行溝通和協作，以幫助確定適合組織的技術和政策；

與首席數據官一起了解如何最佳地捕獲和使用數據；與首席營銷官一起，評估供應鏈如何能夠更專注於客戶和需求驅動，並與首席執行官具體溝通更廣泛的創造價值的機會。最終，供應鏈執行官將需要能夠與內部利益相關者和外部供應商建立橋梁。

3、跨職能經驗。如今的供應鏈管理人員具有跨部門的經驗，並且能夠理解和與來自多個業務部門的人員進行交流。重要的是，首席供應鏈官員還必須具有銷售、財務或技術方面的知識。

4、發展新技能和培訓他人的能力。當今的首席供應鏈官必須緊跟最新技術，以確保組織適當地吸收數字技能和分析人才。企業犯的最大錯誤之一是在沒有適當准備組織的情況下實施大數據分析項目。建立內部計劃以確保在整個供應鏈中採用技能至關重要。

要從整個供應鏈或整個組織的大數據分析中獲取所有好處，不僅需要技術和IT。從首席執行官和執行委員會開始，企業必須准備好支持一種全新的思維方式，培養一種對創新和技術開放的文化，並願意挑戰關於供應鏈管理方式的慣例。

大數據分析對供應鏈有什麼影響、中琛魔方大數據分析平台(www、zcmorefun、com)表示由於供應網路上數十億的連接設備提供關於服務需求、位置和庫存分布的實時信息，甚至實現預期的需求，理解和接受大數據的執行領導層、數字顛覆和這些趨勢的人力資本方面對未來企業的優勢至關重要。

供應鏈大數據分析3

"以零售門店為中心"的供應鏈分析框架

一、目的

本文旨在介紹「以零售門店為中心」的供應鏈管理，簡要介紹此框架下供應鏈管理的具體內容及行業痛點。

二、供應鏈是什麼？

供應鏈

所謂供應鏈，是指由涉及將產品或服務提供給最終消費者的整個活動過程的上游、中游和下游企業所構成的網路。包括從原材料采購開始，歷經供應商、製造商、分銷商、零售商，直至最終消費者的整個運作過程。

供應鏈管理

供應鏈管理，指的是圍繞核心企業，對供應鏈中的物流、信息流、資金流以及貿易夥伴關系等進行組織、計劃、協調、控制和優化的一系列現代化管理。

它將企業內部經營所有的業務單元如訂單、采購、庫存、計劃、生產、質量、運輸、市場、銷售、服務等以及相應的財務活動、人事管理均納入一條供應鏈內進行統籌管理。

在傳統零售或者傳統行業中，供應鏈主要局限在供應鏈的後端，即采購、生產、物流等職能，與消費者、銷售渠道的協同整合嚴重不足，導致牛鞭效應、孤島現象、的出現，讓供應鏈的反應總是很滯後。

三、「以零售門店為中心」的供應鏈管理

供應鏈網路

「以零售門店為中心」的'供應鏈網路（見下圖），即以滿足門店銷售及運營核心、銷售利潤最大化的供應鏈管理。

在此分析框架上，核心目標是最大條件滿足消費者需求，即管理缺貨、減少缺貨，管理滯銷、處理滯銷。此框架下供應鏈管理的內容為：門店補貨、門店調撥、缺貨管理管理、滯銷管理、促銷管理等。

供應鏈管理

需求預測

需求預測是所有供應鏈規劃的基礎；供應鏈中所有的流程都是根據對顧客需求的預測來進行的。因此，供應鏈管理的首要工作是對未來顧客的需求進行預測。

1、預測需要考慮的影響因素

需求預測需要考慮的重要影響因素：

歷史需求

產品補貨提前期

節假日

廣告或其他營銷活動的力度

競爭對手採取的行動

價格及促銷計劃

經濟狀況

2、預測方法

定性預測法

主要依賴於人的主觀判斷。當可供參考的歷史數據很少或專家擁有影響預測的需求市場信息時，採用定性預測方法最合適。

時間序列預測法

運用歷史需求數據對未來需求進行預測，它尤其適用於每年基本需求模式變化不大的場景。

因果關系預測法

假定需求預測與某些環境因素(經濟狀況、稅率等)調度相關，因果關系預測法可以找到這些環境因素與需求的關聯性，通過預測這些外界因素的變化來預測未來需求。

模擬法

通過模擬消費者的選擇來預測需求。如價格促銷將會帶來什麼樣的影響？競爭對手在附近開設一家新店會帶來什麼樣的影響？

門店補貨

1、什麼時候補貨？

什麼時候補貨？它是時間與頻次的問題，即補貨的觸發點問題。

通常有兩種策略：

策略一、設置庫存閥值，若庫存低於閥值則補貨。通過連續檢查的方法，判斷某個時刻是否需要補貨。

策略二、設置固定的補貨周期，零售門店通常按周來設置補貨頻次，即一周設置多次補貨頻次，並固定在某幾天，如某門店在周一、周三、周五補貨。

連鎖零售企業一般採用第二種策略，主要是因為零售企業經營的SKU數量眾多；另一方面，策略一的物流及倉庫排班及排車不確定高，不適合物流及倉庫的管理及運營。

本文的供應鏈鏈管理以策略二為基礎，並依此展開分析及研究。

2、補什麼商品？

季節性的品類調整

門店必須根據季節的變化，對商品陳列位置、商品結構、店鋪氛圍進行調整。一般來講，門店應該每年進行兩次大的調整，即：每年3-4月份針對春夏季的調整，每年國慶節過後的10-11月份期間的針對秋冬季節的調整; 每個季度針對本季度特殊季節、節日的變化進行的小調整，或臨時調整。

調整商品結構

商品結構必須根據季節變化進行調整。季節變化對商品結構的影響是非常大的，必須在季節變化到來之前，及時調整品類結構，壓縮過季商品品類，擴大應季商品的品類。

調整陳列位置和陳列資源

門店的陳列位置、陳列資源，對商品銷售產出的貢獻非常巨大，不同的陳列位置商品銷售會有幾倍甚至幾十倍的差距。門店的重點陳列位置、陳列資源必須隨季節變化而調整。一是季節商品是產生銷售貢獻*大的商品，二是季節商品是*能體現門店經營特色的商品，三是季節商品是*能提示消費者購物的商品。

重大節慶的品類調整

在快時尚、輕奢的品類中，很容易出現春節、婦女節(女王節)、情人節、開學季、聖誕節、雙十一等的節慶影響，表現出銷量井噴。零售企業需要根據節慶來完善豐富的品類結構，滿足顧客在特定節慶時期的消費需求。

市場變化導致的品類調整

禁配策略

地理環境因素，如西北地區處於內陸、遠離海洋，夏天不適合配沙灘遊玩類用品。風俗、宗教類因素，穆斯林地區禁止配送豬肉類食品。

新品策略

若零售公司准備投放一批新品，零售門店則需要為新品調整貨架，增加新品的曝光度，引導消費者產生首次購買、重復購買。

3、補多少量？

補貨量 = 需求量 – 門店庫存

計算門店需求時以需求預測為基礎，同時考慮下述影響需求及供給的約束條件：

倉庫容量

門店貨架容量

過去需求

產品補貨提前期

廣告計劃或其他營銷活動的力度

價格促銷計劃

競爭企業採取的行動

4、缺貨場景的庫存分配策略

策略一：增加相似商品的補貨庫存 相似商品：功能、顏色、功效相似的商品。

策略二：增加其他暢銷品的庫存 根據商品的銷售量排名，根據一定的分配策略來補貨。

缺貨管理

連鎖零售企業商品缺貨狀況會引發消費者的各種反應， 最終導致零售企業的銷售損失，48%的人會購買同一品種的替代品，15％的消費者不再購買，31％的顧客會到另一家店購買時再實施消費行為，顧客的轉店率是37％。

1、缺貨原因及應對策略

倉庫缺貨

渠道單一。單純地依靠某一個供應商或過分依賴某些材料部件，一旦某個供應環節中斷，將影響整個供應鏈的正常運作。缺乏預見能力。由於缺乏對供應鏈上的可預測性，不具有對供應商的供應能力和不確定性的前向洞察力，常常會面臨種種不確定因素影響所帶來的庫存短缺。應對措施：替代商品

補貨量不足

某商品銷售出現顯著增長，且明顯大於預期、門店庫存不足，但補貨不及時。應對措施：門店調撥 在零售行業中，線上線下競爭如此激烈，誰能快速解決各個商圈內門店之間、商圈之間超密集的調撥需求，實現高效調撥、把握銷售機會，實現銷售業績的新突破。

滯銷管理

1、滯銷危害

在陳列空間上，滯銷商品大量陳列占據了門店的貨架空間，迫使其他暢銷品的陳列空間不夠，新上市商品無法正常上貨。

滯銷商品佔用大量的資金，使得零售門店的流動資金日益萎縮，嚴重的會影響到正常商品采購、甚至導致門店倒閉。

對於顧客來說，滯銷商品大量陳列在貨架上，這樣既影響了顧客挑選自己需要的商品，浪費了消費者的注意力，甚至導致顧客無法找到正常的商品，損失了門店應該獲取的利潤。

從門店商圈來看，門店大量商品長期不做銷售周轉，消費可能會對門店失去信息，減少或改變原本的購物需求，轉向其他門店進行消費。

2、滯銷原因

季節因素

部分商品因地區差異存在明顯的季節之分，該部分商品由於季末沒有做特殊處理，導致在庫時間高於規定的天數，形成滯銷，體現在換季時門店任務按正常時段的銷售量作為補貨的依據產生。

補貨模型不合理因素

行業中大多數公司會把門店庫存管理權交給店長，由於公司的高速發展，門店會不斷地有新店長上任，店長庫存管理概念模糊，在補貨時大多憑借個人經驗確定補貨數量，容易導致部分補貨量較大的商品滯銷。

價格因素滯銷

部分商品會因為價格不合理而導致滯銷，一種是低價格商品，由於門店所處的商圈消費水平較高，價格低廉的老葯滯銷；另一種則是因為門店商品售價明顯高於競爭對手的售價導致滯銷。

陳列因素

與海量商品相比，門店的貨架資源永遠都是稀缺的，部分企業會給予部分商品特殊待遇，不能公平合理地分配貨架資源，導致部分商品因陳列位置差、曝光率低，從而導致滯銷。

淘汰商品不順暢

商品都會存在生命周期，特別是一些廣告商品，然而大多數公司更新商品都比較被動，不會主動去優化商品，會導致商品因同質化嚴重而引起滯銷。

批量采購決策失誤

供應鏈上游對市場需求及銷售情況沒有準確把握，商品采購數量過多，從而導致滯銷。

突發因素

某些突發因素導致消費行為發生重大變化。如」非洲豬瘟」導致豬肉類食品無法銷售出去，從而導致滯銷。

痛點

供應鏈上游滯銷引發的風險轉稼

在零售連鎖供應鏈網路中，供應鏈上游由於產品開發、采購失誤等決策失誤導致的庫存積壓，上游往往會將庫存風險轉稼到供應鏈末端(零售門店)，從而佔用零售門店大量的流動資金及貨架資源。

市場快速變化，難以准確預測和判斷供貨情況。

門店端某款產品突然爆發，致使供應鏈上下游倉庫出現大面積缺貨，此種情況供應鏈無法快速反應或供應周期過長，從而導致銷售機會的浪費。

預期范圍內、延遲或產能不足，導致銷售機會的損失。

某些品類由於供應鏈上游(采購、供應商)等原因，如產能不足或機器故障等原因導致交付延遲，從而導致銷售機會的浪費。

市場競爭加劇，線下實體店客流下滑

總結

供應鏈末端(零售門店)缺乏足夠或針對性的應對措施

供應鏈上下游協同是解決」零售門店」問題的重要方向

科學、精準的貨架管理將是提升門店銷售、實現供應鏈價值的重要方向

四、供應鏈的發展趨勢

全渠道趨勢

移動互聯網的迅猛發展催生了O2O、C2B、P2P等新業態，全球傳統產業開始受沖擊，受互聯網思維與互聯網、大數據、雲計算等技術深度影響出現變革，全球傳統行業將互聯網化，擁抱O2O全渠道零售大時代。

供應鏈日趨可視化

在運營中對商品廣泛使用了電子標簽，將線上線下數據同步，如SKU同步、庫存同步、價格同步、促銷同步；實現線上下單，線下有貨，後台統一促銷和價格。

供應鏈可視化以後，未來所有業務職能包括銷售、市場、財務、研發、采購和物流等進行有機的集成和協同就有了可能，可以對消費者需求、門店或網上庫存、銷售趨勢、物流信息、原產地信息等進行可視化展示，實現供應鏈敏捷和迅速反應。

新時代下的供應鏈可視化未來將持續向消費者、SKU、店員延伸，通過可視化集成平台，戰略計劃與業務緊密鏈接，需求與供應的平衡，訂單履行策略的實施，庫存與服務水平的調整等具體策略將得到高效的執行。

供應鏈預測智能化

在新零售的業態中，大量零售運營數據包括消費者、商品、銷售、庫存、訂單等在不同的應用場景中海量產生，結合在不同業務場景和業務目標，如商品品類管理、銷售預測、動態定價、促銷安排、自動補貨、安全庫存設定、倉店和店店之間的調撥、供應計劃排程、物流計劃制定等，再匹配上合適的演算法，即可對這些應用場景進行數字建模，邏輯簡單來說就是「獲取數據—分析數據—建立模型—預測未來—支持決策」。

本質上說，智能演算法是一項預測科技，而預測的目的不是為預測而預測，而是用來指導人類的各項行為決策，以免人在決策時因為未知和不確定而焦慮。

當全新的供應鏈體系，能夠實時顯示運營動態，如貨齡、售罄率、缺貨率、暢售滯銷佔比、退貨率、訂單滿足率、庫存周轉率、目標完成比率等，同時又能相互鏈接和協同，那麼將很容易形成通用運營決策建議，如智能選品、智能定價、自動預測、自動促銷、自動補貨和下單等。

在此基礎之上，供應鏈管理人員所做的事情就是搜集信息、判斷需求、和客戶溝通、協同各種資源、尋找創新機會等。

⑨ 開學季到來，後疫情時代你的愛車戴上口罩了嗎

九月秋風起，又是一年開學季。

相比往年不同，今年一場突如其來的新冠肺炎，打亂了我們的時間表，甚至很多人在這個九月才迎來2020年的第一課。在每年九月，央視的《開學第一課》是必不可少的開胃菜，在今年的《開學第一課》上，圍繞"少年強，中國強"這一主題，邀請"共和國勛章"獲得者鍾南山，"人民英雄"國家榮譽稱號獲得者張伯禮、張定宇、陳薇，以及在抗擊新冠肺炎疫情的過程中做出突出貢獻的代表人物張文宏、吳尊友、毛青等，共同講述在疫情防控中展現出的中國力量、中國智慧、中國精神、中國擔當。

總的來說，在這個後疫情時代，我們依舊不能掉以輕心，不要讓之前的努力白費。如今，學校已經陸續開學，生活也全部正常化，還請大家戴好口罩，共同消滅病毒。若想選擇一款自帶KN95口罩的車型，上述幾款絕對是不錯的選擇，若有適合可以放心購買！

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。