Loading

Module 1: Introducción a la modelización y la analítica en las redes de suministro

Apuntes
Study Reminders
Support
Text Version

Introducción a la analítica en la cadena de suministro

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Buenas tardes, le damos la bienvenida a nuestro módulo cuatro, que se ocupa de la introducción a la analítica en la cadena de suministro de nuestro curso “ Modelling and Analytics for Supply Chain Management ". Hoy, vamos a cubrir los siguientes conceptos generales que cubren lo que es la analítica? Categoría de técnicas de análisis, analítica de la cadena de suministro en cada categoría; entonces haremos algo con lo que es Big Data? Vamos a discutir sobre las características de los grandes datos. Y luego, pasaremos algún tiempo en cómo se pueden aprovechar los grandes datos en la gestión de la cadena de suministro. ¿Ahora viene a este tema sobre qué es la analítica? Me gustaría decir que la analítica es el descubrimiento y la comunicación de patrones significativos en los datos. Especialmente la analítica es valiosa en áreas donde hay datos e información registrados y para analizar esta información para analizar estos datos, podemos requerir una gran cantidad de cómputo. La analítica se basa básicamente en la aplicación simultánea de estadísticas, programación informática, herramientas de análisis y la matemática de la investigación de operaciones para cuantificar y evaluar el rendimiento. Ahora, ¿por qué este fondo de análisis es necesario? ¿Debido a que la analítica de la cadena de suministro se basa principalmente en el análisis de los datos que habíamos discutido, que se recopilan en diferentes etapas de la cadena de suministro? Y descubriremos cierta verdad oculta por tal tipo de análisis. Así que, la analítica de la cadena de suministro cuando hablamos de que debemos saber primero, ¿qué es la analítica? ¿Cuáles son los diferentes tipos de análisis en uso y cómo se puede aprovechar para mejorar el rendimiento de la cadena de suministro? La analítica no es sólo un cálculo de números. También incluye la capacidad de presentación de la información porque una imagen es lo mucho más que las palabras, los responsables de la toma de decisiones, básicamente quieren gráficos, paneles de control, tarjetas de puntuación y visualización de datos que se utilizarán para comunicar cualquier información que se obtenga del análisis de estos datos. Las empresas, básicamente, aplican la analítica a los datos empresariales para describir, predecir y mejorar el rendimiento. La analítica utiliza modelos descriptivos, predictivos y prescriptivos para obtener conocimientos valiosos de los datos. Mientras que al mismo tiempo utiliza esta visión para recomendar la acción o para guiar la toma de decisiones de negocio. Ahora, puede preguntar, “ ¿Cuál es la diferencia entre los modelos descriptivos, predictivos y prescriptivos? ” que vamos a discutir ahora mismo después de algún momento. Las analíticas a menudo solicitan un gran cálculo de Big Data y aplica diferentes algoritmos y software para la optimización. La analítica no es solo una herramienta centrada en los pasos de análisis o análisis individuales. La analítica es todo acerca de la metodología general con un enfoque en las decisiones de negocio como el objetivo final y esto básicamente define el éxito en cualquier compromiso empresarial. Así que ahora, habiendo entendido-„ ¿qué es la analítica? "; hay una necesidad de entender primero el significado del término analítica de la cadena de suministro porque hay mucha confusión sobre este tema en particular la analítica de la cadena de suministro. La gente realmente no entiende cuál es el rol de la analítica en la cadena de suministro? Y lo confunden con la comprensión general de Supply Chain Management, mientras que es realmente necesario entender, ¿qué es la gestión de la cadena de suministro para aplicar la analítica para una mejor toma de decisiones? Pero la analítica de la cadena de suministro es algo diferente del tema típico como la gestión de la cadena de suministro. La analítica de la cadena de suministro se centra básicamente en el uso de técnicas analíticas y tecnología de la información para tomar mejores decisiones relacionadas con el flujo de material, dinero e información en la cadena de suministro. Supply Chain Management básicamente discutimos que es la gestión de flujos, flujo, flujos bidireccionales de dinero material e información para cumplir una solicitud de cliente al menor costo posible. Pero para poder asistir a ese objetivo particular de equilibrar la oferta y la demanda y gestionar este flujo bidireccional, necesitamos utilizar técnicas analíticas. Tenemos que analizar los datos recogidos en cada etapa. Por lo tanto, la analítica de la cadena de suministro es un conjunto de enfoques que consta de todas estas estadísticas, la investigación de operaciones, las metodologías para tomar decisiones que mejor coinciden con la oferta con la demanda y la analítica de la cadena de suministro contribuyen directamente a la línea de fondo mediante la reducción, el abastecimiento, el transporte, el almacenamiento, el stock y el coste de eliminación. Todo esto trata de la analítica de la cadena de suministro. Y este tema se ha vuelto más popular con la llegada de los sistemas de planificación de recursos empresariales ERP en el año 1990. Y más recientemente, con el advenimiento de los grandes datos y aplicaciones relacionadas, la cadena de suministro se ha vuelto muy popular y se utiliza ampliamente en varias multinacionales y también en las organizaciones nacionales para mejorar su línea de fondo y otros indicadores de rendimiento de otras personas. Por lo tanto, cuando hablamos de la categoría de técnicas de análisis, ya hemos mencionado que la analítica básicamente se ocupa de tres clases de técnicas. Una es la analítica descriptiva, el número dos de análisis predictivo y el número tres de análisis prescriptivos. Ahora, usted podría preguntarme, así que ¿cuáles son las diferencias entre todas estas tres técnicas? Por lo tanto, empezamos con el análisis descriptivo. El análisis descriptivo es una ciencia de describir datos pasados y averiguar lo que ha sucedido. Eso significa que estamos tratando de descubrir patrones ocultos en la riqueza de datos que se están acumulando en nuestra base de datos corporativa o empresarial, de acuerdo. Gran cantidad de datos debido al procesamiento de transacciones, muchos datos se han acumulado a lo largo de los años y en su mayoría organizaciones, que se utilizan para tomar decisiones basadas en ciertos informes y el tipo de MIS de las aplicaciones del sistema de información de gestión típica del gestor. Pero cuando hablamos de analítica, básicamente estamos interesados en encontrar patrones o tendencias en esos datos. Por lo tanto, implica el resumen de datos, la visualización de datos y el análisis basado en consultas para información procesable porque no hay ningún punto en el resumen de datos, la producción de un montón de informes y la búsqueda de esos informes hasta y a menos que como gestores, somos capaces de tomar acciones basadas en los conocimientos que obtenemos de los datos. Este tipo de aplicación de técnicas no tiene significado. Por lo tanto, el análisis descriptivo trata de la creación de informes y paneles de instrumentos empresariales para decisiones empresariales eficaces y los paneles de instrumentos empresariales le dirán dónde está el rendimiento en retraso, ¿qué se debe hacer? Por lo tanto, con base en eso, las acciones pueden ser tomadas por los gerentes. La analítica descriptiva cuando se habla de entonces, básicamente también estamos hablando de analizar la información en tiempo real. Una información en tiempo real sobre la ubicación y las cantidades de bienes en la cadena de suministro proporciona a los gerentes herramientas para hacer ajustes a los horarios de entrega, colocar órdenes de reposición, colocar órdenes de emergencia y cambiar los modos de transporte, y así sucesivamente. Son aplicaciones típicas de la analítica descriptiva. Ahora, cada vez que hablamos de analíticas descriptivas, también necesitamos saber de dónde estamos obteniendo estos datos. Por lo tanto, las fuentes de datos tradicionales incluyen Sistemas de Posicionamiento Global como los datos de GPS, que ahora son estos sistemas GPS ahora están incrustados dentro de los camiones. Por lo tanto, los datos de GPS se pueden encontrar en la ubicación de camiones y barcos que contienen existencias de materiales. Datos de identificación de radiofrecuencia procedentes de las etiquetas pasivas incluidas en las paletas, incluso a nivel de producto. Y también la analítica descriptiva habla o trata de analizar los datos de transacciones que involucran códigos de barras. Por lo tanto, en la analítica descriptiva, la información se deriva de la gran cantidad de datos que se recopilan de las fuentes que acabamos de mencionar y este análisis se realiza a través de la visualización de datos, a menudo con la ayuda de un sistema de mapeo geoespacial. La RFID es una mejora significativa respecto a los códigos de barras porque no requiere una línea de visión directa. Y a través de RFID nuestros registros de inventario son mucho más precisos en comparación con lo que fue en años de yester. Los registros de inventario precisos son críticos en las cadenas de suministro, ya que desencadenan órdenes de reposición regulares y órdenes de emergencia cuando los niveles de inventario son demasiado bajos. Ahora, ¿hemos conocido un poco de lo que es la analítica descriptiva? Intentemos averiguar qué hay en la analítica predictiva? Predictive Analytics trata principalmente de predecir la probabilidad o la probabilidad de ocurrencia de un evento futuro. Por lo tanto, mientras que la analítica descriptiva trata de lo que ha sucedido? La analítica predictiva se ocupará de lo que va a pasar o de lo que pasará? La analítica predictiva en las cadenas de suministro deriva una previsión de demanda de datos pasados. ¿Y responde preguntas como lo que estará sucediendo en el futuro? Entonces, ahí radica la diferencia. La analítica descriptiva se ocupa de lo que ya ha pasado y la analítica predictiva le va a decir lo que sucederá en el futuro. Por lo tanto, la analítica predictiva puede revelar relaciones que no se conocían previamente de acuerdo. La analítica prescriptiva encuentra soluciones óptimas a los problemas. Por lo tanto, básicamente, la analítica prescriptiva en la cadena de suministro deriva recomendaciones de decisión basadas en modelos de análisis descriptivos y predictivos y así como técnicas de optimización matemática. Por lo tanto, hay algo de diferencia entre la analítica descriptiva y la analítica predictiva con analítica prescriptiva. La analítica prescriptiva es un área donde existe una amplia aplicación de modelos de investigación estadística y de operaciones para encontrar soluciones óptimas y la base de la analítica prescriptiva depende básicamente de estas técnicas que se deben aplicar después de visualizar los datos y filtrar los datos a través de análisis descriptivos, y también obtener cierta visión de la analítica predictiva. Por lo tanto, la analítica prescriptiva es algo a un nivel superior, básicamente tratando con técnicas de optimización. Responde a la pregunta de lo que debería estar sucediendo. Por lo tanto, la analítica descriptiva básicamente habla de lo que ha sucedido. El análisis predictivo básicamente te va a decir lo que va a pasar y la analítica prescriptiva te dirá básicamente lo que debería estar sucediendo. Podría decirse que el grueso de la investigación académica en software o en cualquier otra práctica, particularmente en la analítica de la cadena de suministro, se centra en la analítica prescriptiva. Actualmente se está trabajando mucho en el ámbito de la analítica prescriptiva en el contexto de las redes de suministro. Ahora, nos gustaría tratar un poco, poco en lo que es big data? Ahora, según Thomas Devonport cuando hablamos de big data, contiene las siguientes características. Consta de tres V – Volumen, variedad y velocidad. Volumen, porque los datos son de tamaño enorme y muy-muy difíciles de encajar en un único servidor y son datos continuos, flujos de datos que fluyen. Por lo que los datos están creciendo exponencialmente en tamaño. La mayoría de los datos son no estructurados o en medio de datos semi estructurados y difíciles de ajustar en una base de datos regular. Por lo tanto, se trata de volumen y velocidad. Es constantemente que ustedes saben, estamos reuniendo datos y variedad viene en términos de diferente estructura. Por lo tanto, en el entorno de Big Data, los datos fluyen continuamente para adaptarse a una base de datos estática o decir despensa de datos o depósito de datos, independientemente de lo que pueda decir. Y el aspecto más importante con respecto a los grandes datos es la falta de estructura y no el tamaño. El punto es que necesitamos analizar estos datos y convertir estos datos en insights, innovación y valor empresarial. Existe el desafío de los grandes datos en el contexto de la analítica de la cadena de suministro. Ahora, podríamos preguntar – “ cuáles son las fuentes de estos grandes datos en las cadenas de suministro ”. Si miramos los datos que se generan a través de dispositivos, como por ejemplo, datos generados en el punto de ventas, punto de datos de ventas, RFID, datos de GPS y todos estos datos son datos no estructurados, fuentes de datos no estructurados, por ejemplo, los flujos de clics digitales, las imágenes, imágenes, publicaciones en redes sociales, entradas de blog y wiki, así como discusiones de foro. Otras fuentes de big data en las cadenas de suministro básicamente, podemos mencionar datos en tiempo real que se generan a través de tecnologías de redes avanzadas, como sensores, etiquetas y pistas y otros dispositivos inteligentes. Todos estos son básicamente habilitadores para el fin de la oferta final y la visibilidad de la demanda que conduce a la reducción de costes y la mayor disponibilidad del producto. Por lo tanto, miremos a las grandes fuentes de datos de la cadena de suministro si el tipo de datos es de las ventas de la naturaleza, los datos de ventas. Ahora, dijimos que principalmente hay tres características relacionadas con el gran volumen de datos, velocidad y variedad. Ahora, los grandes datos con respecto a las ventas normalmente se generan dos puntos de transacciones de ventas y otros lo que había mencionado. Ahora, cuando se mira el volumen de datos, obtenemos información más detallada relacionada con el precio, la cantidad, ¿cuáles son los diferentes artículos que se han vendido? A qué hora del día, y qué fecha, qué cliente lo compró, todos estos datos, toda esta información se acumula en un tipo de datos de ventas en big data. Ahora, voy a hablar de velocidad. En el pasado, sólo obtuvimos datos mensuales o datos de ventas semanales. Pero hoy, con la ayuda de estos grandes datos, podemos llegar de forma mensual y semanal a diaria y por hora incluso en un minuto. Podemos obtener toda esta información relacionada con las ventas. Y si hablamos de variedad, ventas directas, ventas de distribuidores, ventas por internet, ventas internacionales, ventas de competidores, se acumulan todos estos diferentes tipos de datos. Se pueden analizar para obtener información. Si hablamos de tipo de datos de consumo, obtenemos más detalles correspondientes a los artículos examinados por el consumidor. ¿Cuáles son los artículos que ha comprado el consumidor? ¿A qué frecuencia está comprando el cliente? ¿Cuál es el valor del dólar? ¿A qué hora? Toda esta información que podemos obtener cuando hablamos de volumen. Con respecto a la velocidad, el alcance es desde el clic hasta el uso de la tarjeta. Y cuando hablamos de variedad, básicamente podemos mencionar sobre identificación de compradores, detección de emociones, likes, tweets y reseñas de productos, todo esto. Volvamos a los datos de inventario. Cuando miramos el volumen de datos, podemos tener acceso a datos de inventario perpetuo de forma continua, inventario perpetuo por estilo, color, tamaño del producto. Y aquí también de las actualizaciones mensuales a las actualizaciones por hora. Variedad, podemos tener acceso a datos de inventario de almacén, inventario de tiendas, datos de tiendas de Internet, inventarios de proveedores, todo esto con respecto a la ubicación y el tipo de tiempo de la información. Tenemos los datos del sensor para detectar la ubicación, mejor control de inventario, velocidad, actualizaciones frecuentes dentro de la tienda y en tránsito y variedad. No solo donde sino lo que su cierre, que movió los datos, a través de la cual parte se han movido los datos, ¿cuál es el camino futuro? Incluso todas las evidencias de dispositivos móviles pueden ser capturadas. Las oportunidades de mejora de los grandes datos radican en el área de la previsión de la demanda donde los datos basados en sensores de tiempo real están vinculados a algoritmos de aprendizaje automático. Tenemos código de barras en la caja y las chips de RFID de Wal-Mart ya han existido ese tipo para facilitar y permite una respuesta en tiempo real. Tenemos datos de diseño y ubicación de almacén. Podemos mejorar todo esto a través de big data. Las oportunidades de mejora de los grandes datos radican en la evaluación y selección del proveedor. Y es probablemente la función de cadena de suministro más comúnmente investigada. La selección del modo de transporte también es otra área de aplicación donde se ha obtenido mucha mejora a partir de grandes datos. Big data, en el contexto de la analítica de la cadena de suministro, se ha utilizado ampliamente para la planificación de inventarios, el diseño de la distribución de instalaciones, para el desarrollo de nuevos productos, para minimizar las incertidumbres ambientales, el diseño de rutas de vehículos para reducir los efectos negativos de las emisiones de carbono, mejorar los esfuerzos de ayuda por desastre y así sucesivamente. Y hoy en día la investigación académica o incluso la investigación en la industria está allí en progreso para el uso de big data y la analítica predictiva para la mejora de la previsión de la demanda bajo incertidumbres principalmente en una situación de reacción de lectura. Mejora del rendimiento colaborativo entre socios en la red de suministro, mejora de la calidad del producto y eliminación de defectos. Y los grandes datos también se utilizan en la mejora de la agilidad de la cadena de suministro; hemos hablado de “ ¿qué es la cadena de suministro ágil? ” porque las cadenas de suministro ágiles protegen contra la interrupción en el suministro. Además, este tipo de cadenas de suministro también responden a las necesidades del cliente. La mejora de la adaptabilidad y la alineación de la cadena de suministro, particularmente los grandes datos se utilizan actualmente en la alineación de las estrategias de las diferentes entidades. Son o incluso estrategias funcionales, todos ahora se están volviendo coherentes entre sí porque en cualquier cadena de suministro mencionamos que el objetivo es básicamente mejorar la rentabilidad general de la cadena de suministro, para maximizar el valor generado valor de la cadena de suministro o lo que también se llama superávit de la cadena de suministro. En este contexto, todas las funciones dentro de una organización que está básicamente en la intra-organización. Y también las diferentes organizaciones o las entidades de la cadena deben tener estrategias consistentes para que la rentabilidad general de la cadena de suministro se pueda maximizar, esto también conocido como ajuste de la cadena de suministro. Y eso también se puede lograr analizando Big Data, que donde la estrategia de alguien o los indicadores clave de desempeño de alguien no estén alineados con el resto de la cadena. Ahora, lo último que necesitamos saber en esta sesión en particular es que estamos hablando de la analítica de la cadena de suministro; acabamos de entender o tenemos alguna exposición de lo que queremos decir por la analítica de la cadena de suministro pero ¿por qué la analítica de la cadena de suministro no se utiliza ampliamente en todas las organizaciones? Sí, se está utilizando, pero no en la medida en que debería haberse utilizado. Por lo tanto, hay ciertos factores de éxito para obtener ventajas competitivas a través de la analítica. Se mencionan cinco o seis de ellas. En primer lugar, en cualquier organización, si tienen que aplicar la analítica de la cadena de suministro de una manera muy exitosa, el apoyo de la alta dirección en palabra y escritura para crear una cultura de análisis es absolutamente esencial. El mandato principal es muy necesario para establecer una cultura de análisis en cualquier organización. Los profesionales de la analítica deben ser capaces de desarrollar e implementar modelos sencillos, a fin de explicar los conocimientos y las técnicas en términos que cualquier persona de la organización puede entender. No tiene sentido desarrollar un modelo complejo, que la gente no entiende. Porque sólo se puede obtener buy-in mediante el desarrollo de modelos simples, cuyos resultados se pueden explicar a cualquiera en la organización de una manera, lo cual es comprensible por él. A veces puede ser curioso saber que a través de qué técnica o cuál es la base de llegar a estos resultados? Los modelos sencillos ayudarán a los profesionales de la analítica a explicarles que cómo han obtenido tales conocimientos y que es muy importante para el éxito de la analítica de la cadena de suministro. A continuación, un final completo y completo para poner fin a la comprensión de los procesos empresariales clave y su efecto en la línea de fondo es fundamental para el éxito de la analítica de la cadena de suministro. Y además, la organización debería tener confianza en estos números generados a través de modelos y técnicas analíticas. Y las organizaciones requieren el tipo adecuado de infraestructura y mecanismos que ayuden a los profesionales analíticos o a todos los profesionales que se dedican a esta área a desarrollar el conocimiento del dominio. Los profesionales de la analítica deben obtener una exposición y un conocimiento adecuados a las complejidades de las funciones empresariales como la gestión de la oferta, que también se conoce como la compra, la distribución, la comercialización y las ventas, para la aplicación exitosa de la analítica de la cadena de suministro y obtener una ventaja competitiva. Las empresas, en primer lugar, deben tratar de reducir el tiempo que se necesita para identificar un problema o oportunidad de la cadena de suministro, realizar el análisis apropiado y transformar los conocimientos en acción a través de un tiempo de ciclo de visión más corto que abarque todos los aspectos de la gestión de la cadena de suministro. Gracias por hoy y nos reuniremos la próxima vez.