供应链备受关注AI致传统数据清洗的亲爱的约翰信

在一个完美的世界中，数据应使组织能够在整个供应链中具有可见性，从而确保在正确的时间将正确的产品和材料放置在正确的位置。但这不是一个完美的世界，供应链中的大数据(通常在企业内部收集了数十年)对人类而言已经变得太笨拙而无法有效解密，并且对数据的缺乏信心使其从根本上变得毫无用处。

为了解决该问题，传统上，公司转向数据清理项目，即修复或删除错误语法或无效文件的过程，以缩减为仅可用于可行和/或运营用途的数据。数据清理过程通常包括无休止的一系列汇总，组织，分析和集成脏的和重复的材料。在每个制造工厂或工厂中，这已经足够困难，而在不连续的工厂网络中则困难得多。

轻描淡写地说，清理不干净的数据非常昂贵，需要花费大量时间，太多资源或外部顾问，太多投资而无法获得可观的回报，而且事实证明这种做法不可持续...然而，我们都知道这是必要的。挑战就在这里。您必须使用改进的数据来做某事，以改变业务结果，无论是流程改进还是直接节省成本。

如果流行病有一线希望，那就是技术发展和采用被迫加速。对供应链产生重大积极影响的一个领域是，利用AI和ML的力量来跨越传统数据清理的繁琐过程。

需要更好的业务成果：无需传统的数据清理

在世界中运作供应链表明，数据处于混乱状态。供应链组织无法花费数月的时间来清理数据以确保产品的生产和交付能够满足当前的需求。由于无法控制数据，制造商无法快速转变以识别商店和仓库的迫切需求，而无法调整库存和交付流程。

这些类型的供应链故障仍在发生，并且在三个级别上发生。首先，存在数据问题。数据脏，冗余且质量低下。有孤立的孤岛设施，无法彼此“讲话”。由于它不灵活，因此会对生产率产生负面影响。

其次，传统的数据清除过程是手动的，无法跟上实时变化。实际上，组织总体上采用供应链技术的步伐很慢，导致库存成本增加和库存无法满足当前消费者的需求。多个业务部门具有不同的目标和动机，因此，对于简化的供应链流程，需要什么数据总体上是脱节的。

这导致了第三个层次-巨大的成本。供应链数据管理不善每年可能会浪费数百万美元的营运资金。

AI消除数据清除的功能：速度和规模

Gartner预测：“到2024年底，将有75%的企业从试验性AI转变为可操作性AI，这将推动流数据和分析基础架构的增长五倍。”

这就是AI和ML的用武之地。尽管在制造和供应链行业中仍存在将AI视为新事物的趋势，但它已经存在了很长的时间，以至于它在功能上有一定的熟悉度和舒适度。就其对供应链的好处而言，人工智能和机器学习能够消除大数据带来的噪音。AI技术现在可以检查和分类接收到的需求信号，并根据实时信息进行磨练。数据分析过程是主动的，可以切入脏数据并响应即时需求。数据清理可能需要长达9到18个月的时间，并且仍可能需要将数据插入电子表格，而AI的正确应用将清理时间从2年缩短为2个月。费时费力的数据变得快速理解，可用，智能，

对于一直处于困境的公司来说，现在是时候决定采用AI了，并且它在数据可见性，消除重复和优化库存方面已证明的优势已成为决定。最重要的是，人工智能可以更好地做出有关数据的决策，同时实时创建可操作的情报。鉴于对供应链的关注以及我们在过去几个月中所获得的见解，您能承受得起不进行评估和创新的能力吗?

标签： 供应链