TigerGraph 随身听第13期:利用高级图分析提高供应链可视化程度

TigerGraph 随身听第13期:利用高级图分析提高供应链可视化程度

大型制造业,供应链中断时有发生,导致高额成本

在大规模制造业中,供应链可能占公司成本的10%-20%。尽管企业投入了大量资金,但供应链中断却时有发生,从而导致一系列问题,比如:关键部件交付延迟;某些部件供应过剩,造成供应链堵塞;计划外物流费用;装配线全面闲置;供不应求造成销售损失;向供应商支付合同违约金等后果。

提高供应链可视化程度

如果供应链管理能够得以拓展延伸,提供整个价值链的集成视图,那么它能带来更高的商业价值和更大的竞争优势,而图分析是实现这一方案的唯一基础。今天我们就来说说如何利用高级图分析提高供应链可视化程度,从而帮助企业获取更高的商业价值。

尽管许多企业依赖供应链,但如何充分利用供应链仍是一个挑战。供应链管理包含运营管理、物流、采购和信息技术不同领域,其中每一个都有自身专业用途。

成功的供应链管理需要整合这些领域——整合得越紧密,运行就越顺畅。若是整合得当,可利用全球物流、同步供求,让企业能够在全球及本地范围内衡量绩效,从而为其创造净值,建立起具有竞争力的基础设施。

然而,在整合过程中存在诸多困难。每个领域由不同部门,甚至是不同国家的团队管理,并且涉及内部部门、供应商和第三方之间的协调问题。在此背景下,如何才能实现真正的整合?这就需要一套IT系统来整理和处理不同来源的数据,将其放在一个框架之中,对企业进行宏观把握。

可惜的是,大多数供应链缺乏管理工具。虽然有许多仓储和运输软件包,但其中很少能够成功跨域。供应链管理依赖庞大的数据集,但这些数据集往往分布在多个系统中。尽管存在数据间相互依存及对上游系统的依赖,一些公司依旧仅使用电子表格。

SAP和Oracle等ERP系统也得到了广泛应用。虽然这些系统已经较为完善,但用户从系统中提取所需数据时仍会遇到问题,最终只能通过IT报告或是自己建立的数据连接来获取所需信息,导致本地生成数百份或数千份独立的报告,每一份报告都是一个孤立的数据集,其中包含解决供应链难题的重要信息,而这在整个企业宏观管理中是不可见的。

供应链可视化案例

实现供应链可视化,能够收集供应链网络信息,并储存于数据库中,实现端到端的控制,这有许多优点,比如:有效降低运输成本。研究发现,若企业不是迫于采用高昂的空运方式,以补救可预见的延误,其运输预算可以减少30%。此外,提高可视化程度还有助于识别供应链瓶颈和风险,深入了解供应商及其上游,从而发现之前潜在的风险。比如企业是否与同一地区的多个供应商合作,如果是,是否容易受到当地运输系统故障的影响?或者,很可能从多个供应商采购关键部件,但这些部件都是由同一上游供应商提供的,从而破坏了弹性计划。

实现供应链可视化不仅仅是为了收集信息,也是为了能直接快速地记录信息,并让整个企业都能够获取这些信息,进行场景模拟。如果该核心供应商停工,会发生什么情况?从哪里采购这些材料?供应商能否供应?是否了解所需成本?这种情况是否需要签订合同?供应链复原力是什么?如何低成本地提高复原力?这些问题对企业来说都需要迅速决策响应。

图数据库有助于提高供应链可视化程度

如今,大型制造企业往往都拥有数GB甚至数TB的供应链相关数据,但这些数据分散广泛,不容易分析。而图数据库可以帮助企业直观展现供应链网络,可以很好地集合数据并实现可视化。此外,图分析可以进行深度而复杂的查询,不仅能了解单个数据点,还能掌握供应链中所有合作环节间的关系。

但这需要强大的计算能力。企业供应链既深又广,因此有效的分析需要在供应链中向上或向下计算10到20跳,这可能涉及数百万个场景。这也正是TigerGraph图数据库比其它任何数据分析方法做得更好的地方。

分析供应链数据需要汇集内外部多种类型的数据。通过关联数据,供应链管理者可以从图中获益。

图查询在供应链中的应用

供应链管理建立的基础是战略规划、需求规划、供应规划、采购、制造、仓储、订单履行和运输等专业领域。但是如何综合这些领域的数据却是令企业头疼的问题,而图数据库就能处理这些领域中所涉及的大量数据。

图赋能供应链管理的七项关键数据科学能力——深度关联分析、多维实体和模式匹配、关系共性发现和计算、中心&社区检测、地理位置相关的图分析、时间相关的(时序)图分析、机器学习特征生成&可解释的AI。

客户成功故事

那么企业将图应用到实际的供应链管理当中产生了什么样的效果呢?这就跟大家分享一家大型汽车制造商使用TigerGraph来提高其供应链的可视化程度以及分析、优化其供应链的案例。这家制造商的供应链遍布世界各地,而且产品十分复杂,需要花数年时间才能向市场投放新车型。

与其他大型制造商一样,该公司在卖出一辆车前,从预测需求、寻找零部件和供应商,到组织物流和安排准时交货等各个流程,都面临着一系列挑战。

比如,该公司现有的供应链报告难以整合其所有的数据孤岛。因此,协调供求关系,以及任何进度变化,都会对供应商产生不可避免的连锁反应,从而造成巨额损失。例如,不得不空运合金车轮,以避免生产线停工;或者因为没有消耗承诺的组装量而向供应商支付最低违约金。这些费用一年可达数亿美元。

该公司最后选择TigerGraph来解决这一系列的挑战。他们惊喜地发现,使用TigerGraph可以跨越数千条供应线和数百万个组件,对这些非常复杂的需求、组件和产品交互进行建模。使用超过20跳深度的多跳分析,供应链解决方案持续实时更新供应链视图,确保业务各部门的员工都能获得准确的最新信息。同时,计划人员也能运用工具预测整个业务的供需,以应对不断变化的市场。

此外,TigerGraph还具备先进的网络模拟、分析和机器学习/人工智能优化能力,能够找到最有效的投资领域,从而在任意场景下满足成本、复原力和效率的整体目标。

该公司认识到,之前所用工具不够强大、敏捷,无法提供现代供应链管理系统所需的商业智能。而TigerGraph的大规模并行、深度链接分析能力为下一代供应链解决方案奠定了基础,这将有助于降低成本,简化生产,并使其在竞争中具有优势。

这就是今天和大家分享的如何利用图技术优化供应链管理系统的内容,完整版的白皮书可以关注TigerGraph公众号输入“供应链” 即可获得下载链接。也可以点击本期播客微信文章的底部“阅读原文”直接下载。您也可以在本期文章底部的相关资源里找到白皮书的下载链接。

Graph+AI 2022 全球峰会已闭幕,免费回放已开启

本届峰会我们邀请了90位演讲嘉宾,为大家带来51场主题分享和6场圆桌讨论。目前峰会已正式闭幕,感兴趣的小伙伴可以点击下方”Graph+AI峰会”按钮,查看活动官网,观看你感兴趣的话题。

风控系列第3期直播:风险识别和信用评估 – 6月9日

风险管理系列研讨会共包含三期,分别围绕团伙反欺诈、反洗钱、风险识别和信用评估。每期都会结合实际业务场景,由浅入深,并利用Graph Studio可视化分析工具为大家在线demo。如果你感兴趣,点击下方的按钮查看直播介绍和报名吧。

相关资源