供應鏈金融大數據

⑴ 供應鏈大數據的類型

供應鏈中的大數據主要包括以下四種類型：結構數據、非結構數據、感測器數據、新類型數據。

1、結構數據是指那些在電子表格或是關系型資料庫中儲存的數據，這一類型的數據只佔數據總量的5%左右，主要包括交易數據和時間段數據。

現在的大數據分析大多以這一類數據為主，其中重要的結構數據包括ERP數據，因為ERP系統中存儲的數據是企業運轉多年的系統積累的大量行業數據，這些數據對於企業的經營決策和預測來說意義非常重大。

2、非結構數據主要包括庫存數據、社會化數據、渠道數據以及客戶服務數據。盡管現在有大量的研究和報告在探討數據和分析能力對供應鏈管理的重要性，但對於非結構數據，例如社會化數據對供應鏈的影響和作用的研究卻相對缺乏。

然而，社會媒體數據對於供應鏈運營管理的作用是十分重要的，如何利用社交媒體數據來指導企業進行供應鏈活動的規劃（包括新產品的開發、利益相關者的參與、供應鏈風險管理以及市場探查等）以及社交媒體數據對供應鏈績效產生影響的具體機制將需要深入探討。

而要想從內容豐富的非結構化數據中挖掘出商業智慧，就需要使用不同的研究方法和度量方式，包括描述性分析、內容分析以及網路分析等。

3、感測數據主要包括RFID數據、溫度數據、QR碼以及位置數據，這類數據增長很快，並能為供應鏈金融帶來巨大商機。

4、新類型數據主要有地圖數據、視頻數據、影像數據以及聲音數據等，這類數據多用於可視化領域，並能夠幫助提高數據質量，使數據的實時性更強、提高了數據分析的精準度。

大數據的質量

企業在進行大數據分析時，需要考慮數據的質量問題。低質量的數據不僅會影響企業的決策，甚至還可能導致企業產生損失。事實上，數據的有用性取決於數據質量，隨著大數據重要性的躍升，對高質量數據的需求也增加了。

雖然現在對於數據質量評價還沒有統一標准，但是大家一致贊同數據質量評價應包含多個維度指標。指出數據質量的評價應包括數據內在（Intrinsic）要求和情境（Contextual）要求。內在要求指數據本身所具有的客觀屬性，包括數據的准確性、及時性、一致性和完整性。

情境指數據的質量依賴於數據被觀察和使用的情境，包括關聯性（Relevancy）、價值增值性（Value-added）、總量（Quantity）、可信度（Believability）、可及性（Accessibility）、數據聲譽（ReputationoftheData）。

⑵ 什麼和大數據隨之在整個供應鏈中被廣泛應用

什麼和大數據隨之在整個供應鏈中被廣泛應用

什麼和大數據隨之在整個供應鏈中被廣泛應用，在數字化時代，數據分析逐步成為從業人員的必備技能之一。所以我們應該注重做好數據分析。那麼什麼和大數據隨之在整個供應鏈中被廣泛應用？

什麼和大數據隨之在整個供應鏈中被廣泛應用1

大數據時代對采購和供應鏈帶來的挑戰和機遇

1、大數據時代及其特徵

大數據(Big Data)是指所涉及的規模巨大的數據。隨著時代的不斷進步以及科技的飛速發展，互聯網、物聯網、移動通訊、管理信息化、電子商務等技術不斷相互滲透，並作用到國家、企業和民生的方方面面，今天，人們用大數據來描述和定義信息爆炸時代產生的海量數據，以及在合理時間內達到擷取、管理、處理、並整理成為幫助人們處理事務和決策等更積極目的的資訊與知識。

美國互聯網數據中心指出，互聯網上的數據每年將增長50%，每兩年便將翻一番，而目前世界上90%以上的數據都是最近幾年才產生的。2020年，全世界所產生的數據規模將達到今天的44倍。從這些數據每天增加的數量來看，世界目前已進入大數據時代。

大數據時代凸顯了數據資源的重要意義。2012年奧巴馬政府宣布投資2億美元拉動大數據相關產業的發展，將「大數據戰略」上升為國家戰略，將大數據定義為「未來的新石油」，把對數據的佔有和控制視為陸權、海權、空權之外的另一種國家核心資產。2013年，法國政府發布了其《數字化路線圖》，列出了將會大力支持的5項戰略性高新技術，「大數據」就是其中一項。

2012年，日本總務省發布2013年行動計劃，明確提出「通過大數據和開放數據開創新市場」。聯合國在2012年發布的大數據政務白皮書中指出，大數據對於聯合國和各國政府來說是一個歷史性的機遇。我國也將大數據產業看作為戰略性產業，成立了「大數據專家委員會」。

在「大數據」2014年十大趨勢預測中，包括了數據商品化與數據共享聯盟化，大數據生態環境逐步發展等內容。同時，大數據專家委員會預測，2014年大數據在互聯網和電子商務、金融(股市預測、金融分析)、健康醫療(流行病監控和預測等)、生物信息、制葯等方面將會有令人矚目的應用。

大數據時代是大數據價值充分發揮的時代。據賽門鐵克公司的調研報告，全球企業的信息存儲總量已達2.2ZB（1ZB=1024EB，1EB=1024PB），年增67％。世界上每分鍾產生1700TB 的數據，但是吸引我們的不僅僅是這個龐大的數字本身，而是我們如何利用這些數據做些什麼。

大數據可以運用到各行各業，在宏觀經濟方面，IBM日本公司建立經濟指標預測系統，從互聯網新聞中搜索影響製造業的480項經濟數據，計算采購經理人指數的預測值；印第安納大學利用谷歌公司提供的心情分析工具，從近千萬條網民留言中歸納出六種心情，進而對道瓊斯工業指數的變化進行預測，准確率達到87%；

在製造業方面，華爾街對沖基金依據購物網站的顧客評論，分析企業產品銷售狀況；一些企業利用大數據分析實現對采購和合理庫存量的管理，通過分析網上數據了解客戶需求、掌握市場動向，等等。

據麥肯錫公司測算：大數據將給美國醫療服務業帶來3000億美元的價值，使美國零售業凈利潤增長達到60%，使製造業產品開發、組裝成本下降50%，而大數據所帶來的新需求，將推動整個信息產業的創新發展；根據經濟與商業研究中心的最新研究，大數據將為英國經濟增加2160億英鎊（約合3467億美元）以上的潛在收益。

2、大數據時代對采購和供應鏈帶來的挑戰和機遇

首先，商務環境和商務模式變得越來越復雜，且更加動盪、多樣和個性化。其二，電子商務業務模式的飛速發展打破了國家疆界，使得跨境業務速增、商業活動頻繁，同時伴隨著數據量的劇增。。其三，大數據應用處理成為企業和社會競爭發展的重要焦點。其四，有效挖掘大數據成為時代面臨的重要課題。最後，許多企業對大數據的重要性認識不足，沒有充分了解其價值。

什麼和大數據隨之在整個供應鏈中被廣泛應用2

供應鏈管理中，及時和准確的數據，為什麼如此重要？

1 、供應鏈中數據的類型

數據有許多類型，其中有一種分類方法是把它分為靜態和動態數據，前者包括了公司基本信息、產品型號、采購價格、BOM等等相對固定的信息。

後者主要是一些交易性的信息，比如生產線每日的產量、客戶訂單數量、倉庫實際收貨數量、運輸所在位置等等變動的信息。

靜態數據做到准確即可，沒有實時性的要求，比如公司的名稱一般不會發生變動，只需要確保公司地址、法人和開戶銀行等信息是正確的。

動態數據的要求就很高了，不僅要准確，還要能反映出每時每刻的實際情況。

大家都有網購的經驗，在商品出庫以後，快遞公司會每隔一段時間刷新包裹所在位置，這是通過車載GPS定位實現的，然後根據卡車配送計劃，大致上能給出派送的時間。通過一台卡車上的GPS，可以跟蹤整車的貨物，這是1對N的關系，因此實現動態數據的成本並不高。

離散型製造業的情況就復雜多了，一件商品需要從原材料供應商開始追溯，進入工廠以後，需要經過若干個不同生產加工中心，然後完成組裝、檢驗，最終才能入庫，配送給下游的經銷商或零售商。

我們很少會在原材料上放置追蹤】定位裝置，除非這批貨物價值很高，或是有這方面的強制監管要求，比如葯品。

如果想要跟蹤生產進度，就需要使用工業4、0的技術，在每台設備上裝感測器，完成加工後，系統自動上傳數據。如果要在每台生產和內部搬運設備上都安裝感測器，對於一家工廠來說負擔太大，性價比不高，除了少數的行業標桿企業以外，對於大多數工廠來說，想要做實時數據的想法並不強烈。

2、 為什麼供應鏈需要及時和准確的數據？

話雖如此，供應鏈對於數據及時和准確性是有很強的需求的，因為我們要在所有的生產、分銷、采購和售後服務之間建立數據的無縫鏈接。除此之外，還有兩個關鍵因素使得我們必須獲得及時和准確性。

2、1增強供應鏈可視性

對於供應鏈上的玩家來說，關鍵的可視性問題包括了貨物的預計生產出貨時間，比如供應商承諾了30天交貨，但是實際上他需要45天，因為一些原材料漲價了，供應商需要更多的時間在市場上找到貨源，他不願意買更貴的原料，因為這會增加成本，除非客戶願意接受供應商的調價請求。

原料和零部件庫存的所處位置也屬於可視性，客戶需要根據這些信息，來安排後續的生產和銷售計劃，並且非常依賴於信息的准確性。當供應商承諾貨物將會在某日送到客戶工廠後，供應鏈就把這個信息輸入系統，並以此為依據來制定生產計劃，銷售根據生產完成日期來通知客戶，環環相扣。

一旦供應商的信息有誤，貨物晚於承諾時間到達，就會影響到供應鏈下游的安排，所謂的「計劃趕不上變化」就發生了。

追蹤交貨期和庫存位置僅是可視性的初階水平，更深層次的要求是可以預警供應鏈中斷風險。根據現有的信息，我們需要判斷何時何地會出現缺貨，以及對生產和銷售的影響是什麼。

比如，生產線缺少某種零部件，所以會停線4個小時。如果每小時產量是100套產品，每套售價是200元，那麼造成的損失就等於4*100*200=80000元。

當然在現實世界中計算的方式更加復雜，某種原料的短缺會牽涉到N多產品和N多客戶。如果我們能增強可視性，就能夠預見到未來的潛在供應短缺，並能夠在第一時間里作出反應。

要實現這點，就必須讓數據及時和准確地在供應鏈上下游之間自動傳輸，盡量減少人為的干預的環節。

2、2提高計劃的'有效性

預測計劃的重要輸入是歷史銷售記錄，以數據為基礎，結合預測模型，制定出中長期的預測。

對於製造企業來說，財務需要供應鏈提供的輸入，來制定未來的商業計劃和各類預算，比如庫存、采購金額、運費等等。

底層數據的准確性非常重要，所有的計劃都是在這些數據的基礎上，配以數據模型，然後「加工」出來的。供應鏈會花費一定的時間在數據維護上，就是要確保基礎數據的准確性。

我們知道預測有一個定律，近期的准確性高於遠期的，就像是預測天氣一樣，天氣預報上關於明天的天氣是最準的，越往後准確性越低。

供應鏈為了增強預測准確性，就需要拿到最新的數據，這樣做出來的計劃准確性就越高。現在的需求波動越來越頻繁，可能一天一個樣，想要做出最准確的判斷，必須用最新的數據。

3、 獲取及時和准確的數據的關鍵事項

考慮到以上的兩點動因，供應鏈一直在努力獲得最及時和准確的數據。這里有幾個需要特別留意的點值得大家關注。

3、1自動化數據採集

如有可能的話，應該盡量在實時情況下收集、傳輸數據。數據存儲在供應鏈內部和外部的各個節點上，為了提升數據可靠性和及時性，最好的辦法就是自動化採集。

在內部實施這點相對容易，只需要投資數字化工具，實施IT項目就可以實現。

在外部夥伴實施起來難度就高了，其中的最大阻力是害怕共享數據後的商業機密泄露。

供應商擔心客戶知道了他的上游供應商的信息，可能會跳過中間商，不讓他繼續賺差價。因此在做系統對接的時候，要確保只分享可以分享的數據，比如包裝規格之類的。

3、2控制對相關數據的訪問

根據使用者在公司中的職能，給予特定的數據訪問許可權，比如采購訂單只能由采購計劃員進行創建和修改，公司里的其他人只有查看的許可權。

對於外部夥伴也是一樣，客戶可以查看供應商的庫存商品數量信息，但他絕對不能訪問商品的成本分析等商業機密。

3、3努力提升、維護數據的准確性

我們需要不斷提升數據的准確性，其中關鍵在於數據採集和輸入。我們要定期維護數據，比如系統中庫存或是倒沖過賬出現了負數，說明某些地方的數據存在問題，流程可能有漏洞，需要我們找到問題點並且盡快處理掉。

數據是供應鏈的根基，為我們制定各類計劃提供了基礎。實現准確和及時的數據雖然有點小貴，但是在供應鏈大中斷時期（the Great Supply Chain Disruption），投資必然能帶來相應的回報。

什麼和大數據隨之在整個供應鏈中被廣泛應用3

大數據成為供應鏈利器

在中國供應鏈大數據份額中，零售業、製造業、服務業(非金融)、醫療業佔比最多，約佔83%市場份額，而能源僅佔1%。而據易觀智庫預測，2016年中國供應鏈大數據市場將達到60億左右(不含供應鏈金融部分)。

該報告把供應鏈大數據分為結構數據、非結構數據、感測器數據及新類型數據四種，涵蓋了交易數據、時間段數據、庫存數據、客戶服務數據、位置數據等各個方面。報告顯示，目前，大數據已經被廣泛應用於包括物流、服務和金融等供應鏈環節。

有效推進物流模式變革

在供應鏈中，大數據的作用首先體現在物流中。2014年12月26日，中國物流信息中心公布的數據顯示，1-11月，全國社會物流總額196.9萬億元，按可比價格計算，增長8.3%，較上年同期回落1.3個百分點。而從近五年的情況來看，物流企業資產規模增速逐步放緩，物流企業經營效益偏弱。

在這種情況下，物流企業需要從價值延伸的角度提供超過客戶預期的服務，以高效物流+增值服務的思路發展，而大數據是物流企業提供增值服務的基礎要素。另外，隨著眾多專業化物流模式的興起，降低供應鏈成本的核心將是數據資產的運用，大數據能夠有效地推進高效率的`物流模式變革，是降低物流成本費用的有效手段。

利用大數據，企業可以與中國氣象服務中心合作，收集高速公路信息，提供全國高速公路的天氣預報和道路實況服務，可以優化行車路線，並對車輛和貨物狀態進行實時監控、評估和預警，對產品的運輸進行智能追溯。

企業通過大數據，依據物流的時間、成本、服務、物流數據、客戶需要等決策因素，可以對風險進行有效預測和評估，制定出合理、准確和科學的決策。利用物流數據，企業可以進行詳細的區域和網店預測，幫助電商平台和快遞公司迅速做出決策。

例如，亞馬遜已經申請專利的「預測性物流」就是個利用大數據洞察用戶需求的典範。「預測性物流」會檢測用戶的滑鼠在商品上的停留時間，再綜合考慮用戶的購買歷史、搜索記錄、願望清單等。

從而根據這些海量數據預判用戶的購買行為，提前將這些商品運出倉庫，放到托運中心寄存，等到用戶真的下單了，就可以立即開始運送商品。通過利用大數據，亞馬遜大幅縮減了商品的送貨時間。

構建預測模式提高協同效應

根據大數據的分析，物流企業可以構建預測模式，實現對產品銷量的精準預測，進而實現對未來庫存量的精準計算，使工廠、區域市場、本地市場的庫存配置更加合理，從而提高協同效應。企業可以通過充分掌握供應鏈物流過程中的所有基礎數據，結合企業自身的資源、能力狀況，對整個供應鏈進行必要的控制和監督。

例如，神州租車的車輛租用率曾經在達到一定程度後出現了瓶頸，一部分車輛出現空置狀態。通過使用SAP推出的資料庫平台SAPHana，神州租車優化了流程，將車輛使用率再次提高了15%。

提供精準金融服務

通過大數據技術進行行業分析和價格波動分析，能夠盡早提出預警，規避信貸風險，可以對目標客戶進行資信評估、審批短期小額貸款，以及精準金融和物流服務貸款。

例如，為了實現銀行和中小外貿企業之間的對接、打破信息不對等的狀態，阿里巴巴旗下一達通公司運用自身的系統處理能力，將監管、申請、投放、還款、放貸等相關融資工作納入一個統一的信息化網路處理平台，通過全程掌控交易流程。

獲取交易環節的詳細數據和信息，以第三方服務平台的角色驗證企業貿易真實性，實現各方信息交互、業務協同、交易透明，從而為解決中小企業融資難問題找到可行的方案。

在供應鏈金融中，大數據還可以提供諸多的增值服務。利用大數據，從源頭獲取用戶需求信息，洞察潛在需求，為供應鏈提供信息咨詢;可以對供應鏈金融上下遊客戶進行全方位信用管理，形成互動的監管和控制機制，降低交易成本和風險;對供應鏈績效進行分析與預測，指導供應鏈管理，尤其是供應鏈協同數據的運營。

⑶ 大數據平台金融模式與大數據供應鏈金融模式是如何運用大數據來提

大數據平台金融模式與大數據供應鏈金融模式運用瞎謹敬亮大數據體現方法：
1、匹配用戶需求，設計個性化金融服務。
2、完善交易徵信，降低信息不對稱。
3、實現量化授信，精準把控風險。
4、建立授信主體磨稿基資料庫，完善數據交互。
5、提煉多維數據源，輔助參考決策。
6、判斷預期交易量，精準渠道分配。
7、優化風控技術，實現高效自動化。