企业如何最好地利用数据分析来增强其供应链管理(scm)工作？行业专家分享了一些最佳实践。

网络服务提供商Extreme Networks的首席信息官约翰·阿贝尔(John Abel)表示，大多数企业都有大量的数据，这些数据通常存储在不同的系统和数据库中。他补充说，供应链的复杂性增加了，因为外包、物流和分销业务等延伸合作伙伴将产生额外的数据源。

阿贝尔说，“因此，许多人很难利用这些数据产生超越顶级指标和描述性统计的有意义的见解。数据分析工具可以提供更深入和可操作的见解，并提高这些见解的准确性。”

阿贝尔说，供应链数据分析策略的成功基础包括确保内部和外部数据以结构化格式汇集在一起；将数据项的结果集中于需要采取什么行动来促进业绩指标；并确保结果易于理解。

他说，“最后也是最重要的一点，通常是关注使用的模型而不是输出。因为许多技术领导者希望将人工智能纳入他们的流程。但更重要的目标是专注于产生清晰、可解释且易于业务用户消化的见解。”

跨职能团队共享的任何报告或仪表板都必须能够清晰地讲述一个易于理解的故事。阿贝尔说，“否则，数据分析的好处可能会因为召开冗长的会议来解释其价值而黯然失色。”

亚伯说，“这反过来起作用。尽管大多数数据分析专家对产生这些数据的业务流程和系统没有深入的了解，但他们通常对上游和下游流程和系统有广泛的了解。成功的供应链分析项目从‘数据告诉我们什么’的角度出发，然后深入了解业务流程。”

他说，分析团队和业务用户之间的合作有助于开发这些可解释的见解，这些见解可以很容易地在整个企业中传达。