“这是**的时代，这是**糟的时代，这是理性的时代，这是困惑的时代，这是迷信的时代，这是怀疑的时代。这是希望之春，这是失望之冬。人们拥有一切，人们一无所有。由此将坠入地狱，由此将升上天堂。”

——狄更斯

物联网和工业软件的深度发展和广泛应用，我们每天产生和获取越来越海量的数据。让我们有机会可以对我们的市场，技术，产品，竞争对手，合作伙伴等经营环境有了越来越精准的描述和认知的可能。

数据是物理世界的DNA，精准、实时、多维度的场景化数据，转化精准、实时、多维度的信息，进而让我们可以快速做出精准的预测，并能够驱动企业的精准运营。

供应链中**大的麻烦就是不确定性。大数据技术可以依据深度，海量，颗粒度为一的数据做出精准预测，将对供应链的经营产生革命性的变革。

供应链的数字化转型，把供应链的中管理对象（供应商、价格、订单、物流、计划、采购策略、质量管理）数字化、网络化、智能化。从而打破时间、空间、知识、流程、信息和知识的限制，赋能企业高效精准运营，快速高质量的决策，提升企业的适应能力和应变能力。

制造业的传统的物流信息系统CRM、S&OP、APS、ERP、SCM、WMS和WCS等信息系统和现在广泛的物联网的部署和实时，让制造业有了来自各个销售营销、物料的长中短各时间维度的供应链计划，以及在订单执行过程中的排程，协同、监控和优化有了基于数据和对市场、技术、质量、制造和供应商的深度洞察基础上的精准运营管理的条件。进而深度优化企业的整个物流管理水准。

大数据预测是大数据**核心的应用，大数据预测将传统意义“预测”拓展到“现测”。大数据预测的优势体现在它把一个非常困难的预测问题，转化为一个相对简单的描述问题，而这是传统小数据集根本无法企及的。从预测的角度看，大数据预测所得出的结果不仅仅得到处理现实业务简单、客观的结论，更能用于帮助企业经营决策，收集起来的资料还可以被规划，引导开发更大的消费力量。

企业的竞争已经变成生态圈的竞争，如何精准寻源，优化自己的生态，是供应链管理的一个全新的视角。大数据可以帮我们精准给每一个合作伙伴和潜在合作伙伴画像。同时，也可以帮助企业精准描述出自己理想合作伙伴的画像。这样就可以快速匹配出企业理想的生态圈的蓝图。

大数据可以协助供应链各个伙伴间的高效精准协同。大幅减少响应时间和提升响应的精准度。从而提升整个供应链的效能。

基于基础设施智能化和物联网所获取的广泛全面实时的数据，企业可以基于大数据进行物流网络设计和和优化。

大数据将用于供应链从需求产生，产品设计到采购、制造、订单、物流以及协同的各个环节，**大数据的使用对其供应链进行翔实的掌控，更清晰地把握库存量、订单完成率、物料及产品配送情况等；**预先进行数据分析来调节供求；利用新的策划来优化供应链战略和网络，推动供应链成为企业发展的核心竞争力。

课程大纲

一、 必然——数字化转型是制造企业唯一出路

a) 数字化转型为企业带来的六大竞争力

i. 构建以客户为中心的更好的客户体验，得到更多，更忠心的客户

ii. 链接科技创新和客户体验，进行快速产品创新

iii. 精准的运营，得到速度，敏捷型，质量和成本的竞争优势

iv. 基于“长板哲学”快速构建良好生态

v. 服务创新，基于结果和体验的服务延伸，创造更大的价值，进而推进商业模式的创新。

vi. 充分发挥人的创造性、工匠精神实现人生价值，进而可以充分挖掘和吸引优秀的人才。

b) 数字化技术如何改变制造业

i. 泛在连接、数据驱动、AI赋能、智能硬件，实现数据的感知、采集加工、使用。

ii. 工业软件，大数据和云计算，AR/VR，微服务赋予的实时全面无缝，简单，易用知识泛在化，同步化；

iii. 数字化技术让客户、技术、企业和生态圈的资源高效协同，精准运作，实现产品和业务模式的快速迭代和创新。

c) 颠覆式、破坏式创新改造制造业版图，

d) 什么阻碍了的企业数字化转型

二、 供应链管理的数字化

a) 数字化寻源

b) 价格管理数字化

c) 采购策略数字化部署

d) 物联网和采购订单的数字化监控

e) APS中物料计划和采购计划

f) 供应链质量管理的数字化、网络化和智能化

三、 物联网技术在供应链、物流中的应用

a) 物联网技术简介

b) 物联网技术在需求预测，场外物流、仓储备料、车间物流作业中的应用实践。

四、 传统物流信息化系统精要和实践案例分享

a) 需求管理与S&OP、ERP、SCM、CRM信息系统原理和实践案例分享

b) 供应商订单协同、生产计划、仓储物流、质量管理和APS、SCM、MES、WMS、WCS、QMS信息系统原理和实践案例分享

五、 工业互联网和工业大数据

a) 工业软件深度应用和集成

i. 横向、纵向集成技术，打价值链上和企业内部通所有的系统和流程

ii. 端到端集成需求、设计、工艺、制造、物流和服务业务链上所有数据

b) 供应链的数据采集、存储和计算

i. 物联网，精准的数量，品种，人，地理位置

ii. 社交媒体，引导需求的事件和舆情

iii. 仓储、物流方式、路径、运费

四、物联网、互联网和移动互联网带来的需求大数据

a) 客户行为追踪、画像和需求预测

b) 精准营销、深度活动、机制客户体验

五、大数据预测技术

a) 大数据预测技术特征

i. 实样而非抽样

ii. 效率而非精准

iii. 相关而非因果

b) 大数据为基础的需求预测算法

i. 回归分析

ii. 向量机

iii. 时间序列法

iv. ARIMA模型

v. MTCA多层次因果分析

c) 大数据预测实战案例

i. 沃尔玛的供应链需求管理，数据驱动精准运营

ii. Target **购买记录精准营销、精准预测和精准备货

iii. GE**产品大数据精准预测产品故障，精准做备品备件管理

六、大数据应用于寻源和优化生态

a) 企业竞争2.0——生态圈的竞争

b) 数字化时代需要多维度的合作伙伴，企业依据蓝图整合社会各维度的能力（合作伙伴）

c) 实时、全面、精准的信息为每一个合作伙伴画像

d) 按图索骥，精准配对

七、大数据应用于网络规划和优化

a) 网络规划——无限动态寻优

b) 仓储、路径、运输费率、需求……多维数据多维约束的寻优

八、企业供应链数字化转型和大数据应用战略

a) 领导的意识和领导变革的能力

b) 人才储备和吸引

c) 大数据战略部署从数据采集开始

d) 构建数字化供应链战略

e) 大数据从简单到高级

f) 收获你的成果