Внедрение Big Data Analytics в управление цепями поставок

Вахетова Анна Владимировна

Студент

Санкт-Петербургский государственный экономический университет,

г. Санкт-Петербург, Россия

Email:annvakhetova@gmail.com

Научный руководитель – Смирнова Елена Александровна

д.э.н., профессор

Санкт-Петербургский государственный экономический университет,

г. Санкт-Петербург, Россия

Email:smirnova-ea@list.ru

Implementation of the Big Data Analytics in supply chain management

Vakhetova Anna Vladimirovna

Student

St. Petersburg state University of Economics,

Saint-Petersburg, Russia

Scientific supervisor – Smirnova Elena Aleksandrovna

Ph.D. in Economics, professor

St. Petersburg state University of Economics,

Saint-Petersburg, Russia

В статье рассмотрены перспективные направления применения Big Data (BD) и Big Data Analytics(BDA) при управлении цепями поставок за счет внедрения технологий по сбору и анализу данных. Проанализированы возможности использования BDA в целях повышения эффективности таких процессов, как транспортировка, хранение, производство, закупки и сбыт.

Ключевые слова: управление цепями поставок, большие данные, аналитика больших данных, конкурентное преимущество

The article considers promising areas of application of Big Data (BD) and Big Data Analytics(BDA) in supply chain management through the introduction of technologies for collecting and analyzing data. The possibilities of using BDA to improve the efficiency of such processes as transportation, warehousing, production, sourcing and sales are analyzed.

Key words: supply chain management, Big Data, Big Data Analytics, competitive advantage

Бурное развитие электронной торговли на традиционных розничных рынках – это лишь один из ярких примеров настоящей информационной революции, которая охватывает сегодня многие отрасли. И причиной этой революции является постоянно увеличивающийся объем информации. На сегодняшний день не все компании до конца понимают важность изучения и внедрения на предприятии этой технологии сегодня, которая завтра может стать конкурентным преимуществом.

Так что же это такое аналитика больших данных в управлении цепями поставок?

Big Supply Chain Analytics (BSCA) использует данные и количественные методы для улучшения принятия решений по всем видам деятельности в рамках цепи поставок.[ REF _Ref4865317 \r \h  \* MERGEFORMAT 5 08D0C9EA79F9BACE118C8200AA004BA90B02000000080000000C0000005F0052006500660034003800360035003300310037000000 ] В частности, данная технология предоставляет компаниям две новые возможности. Во-первых, BSCA расширяет набор данных для анализа, которые находятся за пределами традиционных внутренних данных, хранящихся в системах планирования общеорганизационных ресурсов (ERP) и управления цепочками поставок (SCM). Во-вторых, BSCA применяет мощные статистические методы как к новым, так и к существующим источникам данных. Благодаря этому создаются новые возможности для улучшения процесса принятия решений в управлении цепями поставок, от улучшения операций на низшем уровне до стратегических решений, таких как выбор правильных операционных моделей управления цепями поставок.

Рассмотрим основные направления применения Big Data Analytics в цепях поставок:

1. Транспортировка. По данным экспертов на сегодняшний день около 81% опрошенных грузоотправителей и 86% опрошенных 3PL провайдеров заявили, что эффективное использование больших данных станет «основной компетенцией их организаций цепочки поставок»[ REF _Ref4865362 \r \h  \* MERGEFORMAT 1 08D0C9EA79F9BACE118C8200AA004BA90B02000000080000000C0000005F0052006500660034003800360035003300360032000000 ]. Уже сейчас возможно использование аналитики расхода топлива для повышения эффективности вождения, а также технологии GPS для сокращения времени ожидания, резервируя складские отсеки (только на High-Bay складах) в режиме онлайн. Курьерские компании начали организовывать в режиме реального времени маршрутизацию поставок клиентам на основе геолокации транспортных средств и данных трафика. Например, компания UPS потратила десять лет на разработку своей дорожной интегрированной системы навигации Orion для оптимизации 55 000 маршрутов в сети. По подсчетам экспертов новая система сэкономит организации от 300 до 400 миллионов долларов в год.[ REF _Ref4865133 \r \h  \* MERGEFORMAT 2 08D0C9EA79F9BACE118C8200AA004BA90B02000000080000000C0000005F0052006500660034003800360035003100330033000000 ] Но не только крупные компании могут пользоваться преимуществами BDA, такая возможность есть и у малого бизнеса. Например, Sylectus имеет 11000 грузовиков в своей системе и помогает компаниям с небольшим автопарком управлять грузами, продавать или находить свободное место в транспортных средствах, использовать близлежащий грузовой транспорт для срочной доставки.[ REF _Ref4865257 \r \h  \* MERGEFORMAT 3 08D0C9EA79F9BACE118C8200AA004BA90B02000000080000000C0000005F0052006500660034003800360035003200350037000000 ]

2. Хранение. Рассматривая хранение, как отдельную сферу применения BDA, стоит отметить, что уже существует ряд решений, основанных на использовании данных из системы ERP, которые позволяют эффективно использовать складские помещения и минимизировать расстояния перемещения персонала. Также на современных складах создаются возможности для применения роботизированного оборудования. Например, Amazon уже имеет достаточный уровень автоматизации на своих распределительных центрах и использует маленьких оранжевых роботов KIVA для захвата предметов с полок.[ REF _Ref4865362 \r \h  \* MERGEFORMAT 1 08D0C9EA79F9BACE118C8200AA004BA90B02000000080000000C0000005F0052006500660034003800360035003300360032000000 ] Walmart активно внедряет дронов на складах, которые перемещаясь, способны делать до 30 фотокадров в секунду. Это существенно облегчает процесс инвентаризации.[ REF _Ref4865301 \r \h  \* MERGEFORMAT 4 08D0C9EA79F9BACE118C8200AA004BA90B02000000080000000C0000005F0052006500660034003800360035003300300031000000 ]

3. Производство. В сфере производства BDA послужит драйвером для экономии ресурсов. Например, использование энергоемких производственных линий может быть запланировано в зависимости от колебаний цен на электроэнергию. В сельском хозяйстве стремительно набирает популярность идея использования «Интернета-вещей», в основе которой лежит анализ данных. Сельскохозяйственные компании, которые занимаются производством семян и других видов продукции, могут проводить анализ ее качества с помощью различных видов камер, работающих в режиме реального времени. Так, в России компания RUSAGRO осуществляет мониторинг состояния кагатов сахарной свёклы на базе сенсорной сети с применением технологий LPWAN.

4. Сбыт. При планировании многих процессов, в том числе, при управлении сбытом используется широкий диапазон входных данных от планирования общеорганизационных ресурсов (ERP) до инструментов планирования SCM, так как данный процесс уже является наиболее управляемым. В настоящее время происходит пересмотр процесса планирования с использованием новых внутренних и внешних источников данных, и уже сегодня ритейлеры могут использовать эти источники для улучшения процессов планирования и расширения своих возможностей по определению спроса. Например, компания Blue Yonder разработала методы интенсивного прогнозирования данных, которые теперь используются в розничной торговле, где 130 000 артикулов и 200 влияющих переменных генерируют 150 000 000 вероятностных распределений каждый день. Это значительно повысило точность прогнозов; позволило лучше оценить потребности компании в логистическом деятельности; уменьшило моральный износ оборудования, уровень запасов и остатки на складах. Недавний рост сторонних облачных сервисов, таких как Blue Yonder, делает такую деятельность более доступной и для других ритейлеров.

5. Закупки. В сфере закупок использование BDA также может обеспечить компаниям ряд преимуществ. Данные о закупках выходят за рамки классического анализа затрат и ежегодного обзора эффективности поставщиков. Процессы закупок могут рассматриваться в режиме реального времени для выявления различных отклонений от запланированных моделей поставок. Компании должны находить возможности для прогнозного управления рисками. Существует возможность в онлайн режиме анализировать внешнюю информацию, например, о стихийных бедствиях или же о вероятном банкротстве одного из партнеров. Также фокусная компания может отслеживать процесс закупок у поставщиков 2-го или 3-го уровня.

В настоящее время, когда ключевая стратегическая информация становится более доступной, некоторые компании создают свои базы данных потенциальных поставщиков. Например, производители фармацевтической продукции могут создать базу данных, в которой будут присутствовать все заявки, связанные с упаковкой этой фармацевтической продукции. Эти данные могут быть оценены с целью полного понимания структуры затрат поставщиков упаковки и создания подробных моделей затрат для различных ее типов. Обладая этой информацией, компании в дальнейшим могут сами решать производить ли упаковку самостоятельно или продолжать закупки, но уже на более выгодных условиях, так как в переговорах будут иметь сведения о структуре затрат поставщика.

Таким образом, большие данные и эра цифровизации меняют представление об управлении цепями поставок. Для внедрения BDA требуются специалисты, обладающие профессиональными компетенциями в сферах ERP/SCM систем, имеющие аналитические, математические и статистические навыки, а также большой опыт в разработке различных программ и алгоритмов в области больших данных. Изучение BDA позволяет повышать эффективность управления цепями поставок, так как предоставляет совершенно новые источники конкурентного преимущества.

Библиографический список:

1.     The datapine Blog. [Электронный ресурс]: 5 Examples of How Big Data in Logistics Can Transform The Supply Chain: [сайт]. URL: https://www.datapine.com/blog/how-big-data-logistics-transform-supply-chain/ (дата обращения 23.03.2019).

2.     The Conversation Journal. [Электронный ресурс]: Why UPS drivers don’t turn left and you probably shouldn’t either: [сайт]. URL: https://theconversation.com/why-ups-drivers-dont-turn-left-and-you-probably-shouldnt-either-71432(дата обращения 20.03.2019).

3.     PCWorld from IDG. [Электронный ресурс]:How small businesses can mine Big Data:[сайт]. URL: https://www.pcworld.com/article/2047486/how-small-businesses-can-mine-big-data.html(дата обращения 21.03.2019).

4.     Iot.ru.Новости Интернета вещей. [Электронный ресурс]: «Умные склады»: как сенсоры, роботы и дроны меняют логистику: [сайт]. URL: https://iot.ru/riteyl/umnye-sklady-kak-sensory-roboty-i-drony-menyayut-logistiku(дата обращения 23.03.2019).

5.     McKinsey & Company. [Электронный ресурс]: Big data and the supply chain: The big-supply-chain analytics landscape: [сайт]. URL: https://www.mckinsey.com/business-functions/operations/our-insights/big-data-and-the-supply-chain-the-big-supply-chain-analytics-landscape-part-1(дата обращения 15.03.2019).

Материал размещен кафедрой «Логистика и маркетинг в АПК» Красноярского ГАУ
Источник: материалы XIV Международной научно-практической конференции «Логистика – Евразийский мост» ЛЕМ - 2019