课程背景

在数字化时代，各种新技术正在颠覆传统的供应链模式，也深刻影响了供应链业者的工作方式。本次讲座将基于供应链大数据知识体系，按“数据从何而来”、“如何分析和处理数据” 、“如何提升供应链水平”三个方面把相关知识串联起来。针对转型升级的实际需求，讲座会解析业务流程、数据组织等IT架构维度之间的关系，让学员懂得企业架构（EA）是大数据应用的必要前提。讲师也会讲解近年出台的数据相关法律法规，让学员能更好地帮助企业规避风险。在此基础上，将详解数据分析的主要工具（业务分析思维、数据可视化和BI、SQL语言等），帮助学员快速上手。随后，会讲解云计算、人工智能等领域的知识要点，结合案例阐释它们对供应链的潜在影响。讲座的**后会结合汽车、快消等行业的标杆企业案例，详细展示AI等技术给供应链带来的真实提升。课程**后会介绍大数据领域的前沿工具和学习资源。

课程目的

■ 学习供应链大数据体系，了解各方面知识在这个体系中的位置

■ 关于“数据从何而来”：学习数字化系统的“前端”、”后端”等基本概念，以及企业架构知识

■ 了解**新出台的大数据相关法律法规，树立数据合规意识

■ 掌握数据分析的基本步骤，以及数据分析师实用思维模式

■ 学习大数据应用的实用工具（数据可视化、BI、SQL语言）

■ 了解区块链、人工智能等前沿技术对供应链大数据的影响

■ 学习汽车、新零售等行业的企业案例，借鉴其在数据分析和供应链提升方面的先进经验

■ 了解可用于后续学习和工作的实用资源。

课程大纲

一、供应链大数据概述

■ 供应链和采购管理的根本使命

■ 供应链管理的**新发展趋势：七大要点

■ 供应链大数据体系划分 -“获取数据”、“分析处理数据”、“为供应链增值”

■ 您从本课程中可以获得的五点收获

二、数字化企业架构：大数据分析的基础

■ 视频观看：工业4.0时代先进的供应链管理

■ 企业数字化体系介绍 -“前端”和“后端”的概念

■ 企业IT架构的类型 - 业务架构/应用架构/数据架构/技术架构

■ 数据管理六大原则 - 如何采集数据、分享数据、保障数据安全等

■ 企业架构的变迁史 - 从传统运营时代到“新零售”时代

■ 大数据相关的**新法律法规

三、数据分析的核心步骤

■ 五大分析步骤 - 数据的收集、清洗、规整、使用和更新

■ 数据分析师是什么样的人才？ – 四大核心素质

■ 企业大数据应用的六个层次：从Excel到更高层次的工具应用  

■ 实操教学：基于Excel的精益生产和精益物流分析模块  

■ 实操教学：基于Excel的客户需求可视化模块

■ 实操教学：用Excel“运筹优化”模块来做采购**优决策

四、数据可视化和BI工具应用

■ 如何让数据“看得见”？- 常用的12种可视化图表及适用场合

■ 让管理者决策更简单 – BI（商业智能）基本概念

■ 案例分析：基于BI工具作企业采购金额的可视化分析        

■ 案例分析：基于BI工具作供应商质量管理的可视化分析        

■ 实操教学：基于BI工具作BLM（业务领导力模型）可视化分析

■ 小组讨论：关于BI/数据可视化的落地应用

五、Python数据分析

■ Python安装过程介绍；                      

■ Python语法简介                

■ 实操教学：Python快速提取企业年报中的大量数据    

■ Python与Excel、Power BI等分析工具的关系

■ Python和人工智能技术的关系

六、大数据应用前沿案例

■ 案例分析：某先进制造企业的基础数据管理体系

■ 案例分析：数字化工厂的快速复制”物联网技术 工业工程knowhow”如何在多个行业复制数字化工厂  

■ 案例分析：某电器公司的工业大数据体系及其效果  

■ 案例分析：某第三方物流企业如何打造跨运输方式、跨企业实体的数字化体系      

■ 案例分析：新零售巨头基于大数据的运营优化和闭环管理

■ 案例分析：新能源领域的数字化供应链  

■ 案例分析：人工智能（AI）大模型及其对供应链的意义  

■ 小组讨论：供应链大数据应用落地的要点

七、大数据分析相关资源

■ 行业前沿信息来源

■ 后续学习资源推荐

■ 讨论与答疑