预测供应商提前期，优化供应链运营

通过数据驱动的更准确的提前期预测应对供应链挑战

新冠疫情改变了人们的消费习惯。货物短缺迫使人们开始尝试新的品牌，尤其是在食品杂货行业，消费者购物频率减少，但每次买的更多了。这导致商店库存快速清空，增大了供应链和财务模型的压力，并导致毛利下降。

同时，缺货成本也有所增加，补货问题可能会影响盈利能力和企业的整体发展。为了满足消费者需求，越来越多的竞争对手开始通过多种渠道提供服务和产品，消费者几乎可以即时获得产品定价和库存信息，这也导致消费者对缺货的容忍度大大降低。事实上，有 29% 的消费者表示，他们会在出现缺货时选择其它品牌。

因此，零售商面临的挑战是如何始终如一地满足客户需求，在客户需要的时间和地点为客户提供需要的产品数量。要成功完成财务目标，零售商必须以战略思维管理供应链中每个环节的库存，并确保补货流程始终顺畅高效。

预测供应商提前期 — 即供应商在客户下单后交付产品或服务所需的时间 — 帮助零售商制定生产计划和管理库存水平，在有效满足客户需求的同时尽可能减少库存积压及相关成本。

供应商提前期取决于多种因素，其中包括供应商与产品目的地的距离、产品复杂性、原材料可用性、生产能力和运输时间等。由于变量过多，零售商需要通过一个数据平台集中访问多个企业系统、业务记录和技术输入中的历史和实时数据，然后使用这些数据来训练机器学习模型，根据采购订单事务处理预测提前期。

使用高级分析和机器学习降低供应链运营风险，改善库存管理

在该使用场景中，我们将展示 Oracle Data Platform 的架构如何帮助零售商使用高级分析和预测方法（包括统计建模、趋势分析和历史数据分析）以及机器学习来准确预测货物的预期交付日期。利用这些信息，零售商可以优化库存计划，有效管理变量影响，例如

• 提前期和运输 — 包括协调货源可用性、发运计划、行程时间和成本
• 多样化的产品组合 — 包括管理数百家供应商的各种产品、可用性、包装配置、订购条款和成本等方面的挑战
• 当地市场复杂性 — 包括需求模式和影响，如季节性和促销
• 财务和物理限制 — 包括预算、存储限制和所需周转
• 履行地点的库存压力 — 包括库存积压和降价带来的财务影响，持续提供优质客户服务的压力以及通过保证库存可用性防止销售损失和客户忠诚度下降

下图展示了面向零售业的 Oracle Data Platform 如何用于预测供应商提前期和优化供应链运营，从而帮助零售商保持市场地位，提高盈利能力。该平台包括以下五个支柱：

1. 1. 数据源、探索
2. 2. 摄取、转换
3. 3. 持久保存、整理、创建
4. 4. 分析、学习、预测
5. 5. 评估、行动

“数据源、探索”支柱包括三类数据。

1. 1. 应用数据来自 Fusion Financials、Oracle E-Business Suite、SCM、EPM 和 eSourcing。
2. 2. 业务记录数据包括库存、SCM（控制台）、供应商绩效数据和供应商调查。
3. 3. 技术输入数据来自日志。

“摄取、转换”支柱包括三个功能。

1. 1. 批量摄取使用 OCI Data Integration、Oracle Data Integrator 和数据库工具。
2. 2. 批量传输使用 OCI FastConnect、OCI Data Transfer、MFT 和 OCI CLI。
3. 3. 更改数据捕获使用 OCI GoldenGate。

所有三种功能均单向连接到“持久保存、整理、创建”支柱中的云端存储功能。

“持久保存、整理、创建”支柱包括四个功能。

1. 1. 服务数据存储使用 Oracle Autonomous Data Warehouse 和 Exadata Cloud Service。
2. 2. 云端存储使用 OCI Object Storage。
3. 3. 批处理使用 OCI Data Flow。
4. 4. 治理使用 OCI Data Catalog。

这些功能在支柱内互联。云端存储不仅单向连接至服务数据存储，还双向连接至批处理。

一个功能连接至“分析、学习、预测”支柱：服务数据存储连接至分析和可视化功能以及机器学习功能。

“分析、学习和预测”支柱包括三个功能。

1. 1. 分析和可视化使用 Oracle Analytics Cloud、GraphStudio 和 ISV。
2. 2. 数据产品 API 使用 OCI API Gateway 和 OCI Functions
3. 3. 机器学习使用 OCI Data Science、Oracle ML 和 Oracle ML Notebooks。

“评估、行动”支柱包括三个使用者：仪表盘和报告、应用以及模型。

仪表盘和报告由下列要素构成：人员和合作伙伴、供应商协作和数据共享、历史供应商绩效、需求分析以及缺货和库存积压。

应用包括高级库存管理以及需求计划。

模型包括供应商运营。/p>

“摄取、转换”、“持久保存、整理、创建”及“分析、学习、预测”这三大核心支柱由基础设施、网络、安全和 IAM 提供支持。

我们通过三种主要方法将数据注入架构中，帮助零售商有效预测供应商提前期。

• 首先，我们需要了解整体库存状况，确保产品不会出现库存积压或不足。为此，我们使用 Oracle Cloud Infrastructure (OCI) GoldenGate 来启用更改数据捕获，从运营数据库中摄取所有产品或部分产品线近乎实时的仓库库存数据。然后，我们可以根据这些数据调整定价、移动库存或避免缺货。
• 为了准确预测供应商绩效，我们还需要了解历史绩效、趋势和模式。这通常需要使用批量传输方法和服务（如 OCI Data Transfer 服务）从本地部署数据存储加载大量事务数据（包括采购、开票、供应链和物流数据等 ERP 数据）和其它运营指标和数据集（如库存消耗、库存和热交换数据）。
• 我们现在可以使用批量摄取来添加与供应商相关的数据集（例如在特定时间段内向供应商下达的订单），包括订单日期、订购数量和交货日期。这些数据集通常包含大量本地数据，在大多数情况下，批量摄取通常是较为有效且够用的。对于供应商数据，我们将使用 Oracle Data Integrator 以天为周期进行摄取。这些数据主要来自运营事务处理系统，通常以高度结构化的关系形式建模。这些数据包括采购订单事务信息，包括供应商详细信息（如供应商名称、ID、登记和联系人信息）、原产地和目的地、议定交货日期、实际交货日期、合同项和价格、发运方法等。也可以摄取供应商绩效数据（包括交货可靠性、货物或服务的质量以及过去发生的任意延迟或其它问题），但这些数据通常结构化程度不高，需要进行加工处理。
• 通过计算先前向该供应商下达的每个订单的提前期，我们可以计算出平均提前期，发现趋势和变动。这些趋势和变动可能与影响供应商提前期的外部因素相关，例如运输延误、供应商生产能力变化、环境事件（如恶劣天气）或社会政治事件（如冲突或工业行动）。也可以使用其它数据来监视市场趋势和需求模式，预测可能影响供应商提前期的需求高峰。

数据持久性和处理建立在三个组件之上。

• 从所有来源摄取的原始数据均存储在云端存储中。我们将使用 OCI Data Flow 对当前持久保存的数据、库存水平、地理映射数据和产品参考数据进行批处理。批处理将重新处理数据并删除任何可能影响分析的重复项、缺失值或异常值。这些处理过的数据集被返回到云端存储，以进行后续持久化、整理和分析，并最终以优化的形式加载到服务数据存储中，以轻松进行分析。
• 现在，我们创建了一个经过处理的数据集，这个数据集以经过优化的关系格式持久保存，可提高 Oracle Autonomous Data Warehouse 提供的服务数据存储的整理效率和查询性能。这使我们能够按价格、需求曲线、库存水平和地理位置识别和退回产品。

分析、学习和预测能力建立在三种技术方法之上。

• 借助分析和可视化服务，我们可以利用统计技术（如回归分析和时间序列分析）以及机器学习算法来识别数据中的模式和趋势。通过这些分析结果，我们可以开发一个预测模型来准确预测供应商提前期，然后通过对比一组订单的实际提前期与预测提前期来持续验证模型的准确性。该验证结果将用于改进模型，提高模型准确性。我们的分析和可视化服务包括下列功能：
  
  
  • 描述性分析使用直方图和图表描述当前趋势，可用于支持开发定价算法，使用预定义规则根据特定标准（例如销售绩效、库存水平或竞争对手定价）调整定价。举例来说，零售商可以设置一条规则，如果产品库存超过 30 天，则将其价格降低 10% 并延迟采购新库存，或根据提前期预测确定合适的交货时间，协商之后的交货价格。
  • 预测性分析可以预测未来事件，识别趋势，并确定不确定结果的概率。借助预测性分析，零售商可以使用历史销售数据来确定价格和需求之间的关联，然后使用该分析来预测消费者行为变化对需求的影响并相应地调整库存计划，利用预测提前期来帮助确保在需要时有足够的现有库存，同时尽可能减少库存积压及关联成本。此外，预测性分析还可以提供价格弹性模型，使用统计模型来评估敏感需求如何影响价格变动。零售商可以利用此分析来确定最佳库存水平点，从而充分提高销售和盈利能力，并相应地调整库存采购时间。
  • 规范性分析不仅可提供适当的行动建议，为明智决策提供支持，还可用于提前期预测，以尽可能降低库存和缺货成本。通过根据供应商提前期安排采购和生产活动，零售商可以减少超额库存、库存成本和加急发运费用，并通过准确的提前期预测更好地与供应商协商定价和条款。
• 除了使用高级分析之外，我们还开发、训练并部署了机器学习模型。这些模型使用人工智能来分析大量数据，从中识别可用于优化库存采购和库存水平的模式和趋势。零售商可以使用机器学习算法来预测客户行为，确定何时采购库存以及从哪些供应商处采购库存，并优化多个产品和市场的价格。
• 您可以对经过整理、测试的高质量数据和模型应用治理规则和策略，并将其作为数据网格架构中的“数据产品” (API) 公开，以便在整个零售企业中分发。

利用零售数据平台改善库存管理和客户满意度

通过准确预测供应商提前期，零售商可以更高效地制定库存水平和生产计划，确保提供合适数量的适当产品来满足客户需求，即便需求受季节性、促销和其它因素影响而发生波动。因此，他们能够

• 确定何时采购库存以及从哪些供应商处采购
• 在正确的时间点订购正确数量的产品，尽可能降低库存成本，避免库存不足导致的销售损失和客户满意度下降
• 通过制定采购和供应商付款计划来管理现金流，以此帮助优化营运资本，避免现金流短缺
• 更好地沟通提前期和其它绩效指标，从而提高绩效、优化定价并制定更可靠的交付计划，与供应商建立更牢固的关系