新闻资讯

被卡住的集装箱船如何显示公司为何需要加速其数字化转型

发布日期:2021-05-06 19:49:08浏览量:43

当一艘名为Ever Given的集装箱船被困在苏伊士运河中时,这是一个人类利益的故事,特别是当看起来像Tonka Trucks的普通大小的工程车辆试图将其挖掘出来时。但是Ever Ever的命运给产品无限期延迟的数百家公司带来了重大问题和后勤噩梦。例如,有供应链中断的警告,可能会导致卫生纸短缺。这些公司中的许多公司都难以实时管理运输时间表的更改,因为它们没有适当的数字基础架构来分析信号和有效地更改数据。突然变化的滚雪球效应给生产和维护计划增加了巨大的风险,使这些复杂网络中的需求计划呈螺旋式下降。

供应链和物料管理效率的提高依赖于数字化转型。进行数字转换的好处之一是能够准确预测结果并变得更具可持续性。为此,您需要拥有可以信任的,可以理解的并且可以快速分析的数据。有效数字化转型的关键是AI。

但是,AI可能会对那些初衷的人感到恐惧,他们可能会看到像IBM的Watson这样的平台,并认为这种出色的AI将会接管并接管。他们可能不了解,甚至Watson也必须对其执行的任务进行培训和条件调整,并且如果AI的培训不正确,验证不正确,您将获得不良的结果。频繁的不良结果最终使人们远离AI,这可以消除在数字化转型道路上所取得的进展。

从小开始

出于任何目的实施AI的步伐都很小。选择一个定义明确的问题,例如具有间接重复管理的区域,其中涉及很多重复。由于AI和ML已针对特定任务进行了培训,因此数据最终将能够提供结果,从而更好地进行库存管理。

人工智能不是魔杖。它不会充实您已经拥有的数据,也不会将不良数据变成良好数据。但是,AI可以更有效地理解数据,而无需进行冗长的数据清理。这样,您就知道必须使用哪些数据,以及如何更有效地使用该数据或根据收集的数据类型改变方向。

建立基础

为了在特定领域取得成果(而不是丰富一切),您需要为AI的使用奠定基础。在为特定任务训练AI之后,建立模型并继续添加新信号。

要建立基础,您需要引入专家。不仅是技术专家,而且是该领域的专家,以及熟悉特定任务和需求的人员。您需要一个熟悉供应链和需求计划的人,他们知道哪些数据至关重要,哪些信息可以消除繁琐的任务。监督验证可以教技术该技术在下一次类似情况出现时如何应用以及对所需结果进行必要的分析。

重点数据不是完美数据

由于AI和ML比手动处理可以更快,更有效地处理任务,因此可能倾向于追求完美的数据。但是,完美的数据(如果存在的话)不会为手头的任务提供重点……它的价值仅在于它可以带来的成果。创建一个清单,列出想要使用数据(如库存优化)完成的工作,并围绕该目标汇总一个数据集。如果您从小做起,请查看特定的业务部门或地理位置,例如北美,它可以作为您全球网络其余部分的培训集。

提防仅依赖于基于历史的数据分析。如果发生变化(例如,一艘船被困在运河中),仅历史数据就毫无价值。敏捷性很重要。您需要添加基于决策的知识和能够满足当前需求的外部信号,并且您的数据需要能够实时做出反应。

入门最佳做法

在您的数字转换过程中转向AI的原因之一就是将速度转化为价值。曾经花费数年的时间现在需要数月或更短的时间。但是,如果您不进行投资,人工智能将无法为您提供帮助。入门的一些最佳做法:

首先要定义业务中风险较小的部分,然后迅速得出结论,以了解AI如何为您工作,从而从小处着手并赢得大局。
请记住,不需要清理数据也不是完美的数据就可以满足您的需求。
从一开始就想大一点。即使您可能希望从小规模开始AI数字化转型,也要从大处着眼,以便按逻辑步骤进行构建。
从您的首席采购官和首席供应链官那里获得高管的支持。
企业AI并不是一种未来技术,它将迅速涌现并立即完成使供应链最优化的所有工作。相反,它是一个相关工具,可以使您的供应链更高效,因此您可以解决交货中遇到的障碍,例如Ever Given卡在苏伊士运河中。

相关推荐