С момента появления домашнего принтера один вопрос ставит человечество в тупик: как предсказать точку, в которой качество напечатанной страницы снизится до такой степени, что любые остаточные чернила в картридже не стоит извлекать? Или, проще говоря, когда вам следует заменить чернила и, следовательно, когда вам нужно купить больше чернил? Сегодня самые современные принтеры могут заказывать тонер, когда его уровень низкий. Вам не нужно это предсказывать. На всякий случай не нужно иметь излишки под рукой. Вам даже не нужно нажимать кнопку заказа.
Примените ту же концепцию ко всей производственной линии. Производственное оборудование производителя оснащено датчиками, которые предсказывают, когда часть оборудования должна быть отключена для обслуживания. Это означает меньшее количество человеко-часов на проверки, меньшее количество преждевременного обслуживания, меньшее количество просроченного обслуживания и меньшее время простоя. Закупки могут помочь ограничить это время простоя, заказывая детали и расходные материалы заранее, оптимизируя, чтобы свести к минимуму риск нехватки средств, связанных с расходами, связанными с запасами.
Это возможно благодаря машинным данным, а это именно то, на что это похоже: данные, созданные машинами, выполняющими свою работу . Прямо сейчас ваш домашний интернет-модем производит данные с точностью до миллисекунды. Ваш автомобиль производит и хранит данные. Ваша Alexa генерирует свои собственные данные и записывает данные, которые вы создаете, когда она прослушивает, что происходит все время. Представьте себе огромный объем данных, которые ваши домашние устройства производят каждый день, а затем представьте, сколько устройств вашей организации производят каждый час.
Данные в темноте
Это создало проблему, которую специалисты в области технологий называют « темными данными »: все данные, которые есть у организации, но о которых она не знает, плюс все данные, о которых компания знает, но не может их использовать. Две трети ИТ- и бизнес-лидеров сообщили Splunk, поставщику платформы для анализа данных, что половина или более данных их организации скрыты . Почему? Из-за огромного объема данных, усугубленного другими факторами, такими как устаревшие устройства, которые не были разработаны с учетом сбора и аналитики данных. Все эти данные теряют ценность и возможности.
Подумайте еще раз об этом производственном оборудовании, способном предсказывать потребности в обслуживании. Если это оборудование подключено к системе закупок, оно может не только предсказать, когда ему потребуется техническое обслуживание, но и самостоятельно заказать расходные материалы. Это известно как клиент машины (требуется подписка), который существует некоторое время, но все еще находится в зачаточном состоянии. Это форма роботизированной автоматизации процессов, управляемая Интернетом вещей. Теоретически эта система закупок может использовать искусственный интеллект для сравнения поставщиков и выбора оптимальных затрат, скорости и любых других факторов, которые цепочка поставок хочет включить в это решение.
Когда эта машина совершает покупку, запись и связанные с ней метаданные будут введены вместе с данными о покупках, инициированных человеком, на вашей платформе покупок. При анализе будущих расходов, возможно, потребуется учитывать различия между покупками, совершаемыми людьми и машинами, выбором поставщиков людьми и машинами и т. д. Такой анализ расходов может привести к неизвестно каким изменениям в закупках, управлении контрактами, управлении запасами и т. д. Единственными ограничениями являются (1) то, как данные, сгенерированные различными действиями, объединяются для проведения различных анализов и (2) собираются ли эти данные для анализа вообще.
Задавайте новые вопросы
Что это означает для лидеров цепочки поставок? Аналитика в аналитике данных получает весь гламур. Мы естественным образом думаем о вопросах, на которые может ответить анализ, но наше воображение, как правило, ограничено тем, что мы можем видеть. Мы можем видеть данные, которые у нас есть, поэтому мы задаем вопросы об этих данных и планируем, что мы будем делать с ответами.
Сбору данных, однако, уделяется мало внимания не только в цепочке поставок, но и по функциям и отраслям. Цепочка поставок должна привыкнуть задавать некоторые новые вопросы себе и особенно своим партнерам по бизнесу, где генерируется подавляющее большинство данных:
Какие данные мы генерируем?
Какие данные мы собираем?
Что мы делаем с данными, которые у нас есть?
Что мы могли бы сделать с нашими темными данными, если бы только мы могли их зафиксировать?
Чем точнее оценка, тем лучше руководители цепочки поставок смогут ответить на вопросы, которые они уже постоянно задают:
Как получить максимальную отдачу от имеющихся у нас технологий?
Как должна выглядеть наша технологическая дорожная карта?
Какой должна быть наша технологическая стратегия?
Этот последний вопрос особенно выигрывает от более тщательного учета данных, которыми располагает организация. Стратегия — это согласование целей и средств, план того, как вы используете то, что имеете, для достижения желаемого. Данные — это средство, и отсутствие представления о том, какие данные существуют, ограничивает то, что мы воспринимаем как возможное, и приводит к упущенным возможностям для более легкого достижения и извлечения выгоды из этих возможностей. Цепочка поставок может быть не в состоянии решить проблему теневых данных, но она может подтолкнуть тех, кто может, убедиться, что ее собственные возможности максимально эффективно используют активы данных их организации на пути оцифровки.
