探索工业大数据降低企业成本

某制造企业年产值80亿元左右，年度库存资金占用20亿元左右，采用定期采购，采购周期45天以上。希望能够缩短采购周期15天，减少库存占用30％，降低企业采购和仓储成本。

通过对业务进行分析，了解到该企业的物资采购人员是通过ERP系统的企业物料安全库存值、物料消耗计划经过MRP运算得到物料采购计划，但计算得到的物料采购计划与实际偏差较大，无法直接使用，只能作为参考。其中安全库存值的设定依赖采购人员经验，一经设定长期不变。且影响安全库存值的因素有客户满意度、月度平均消耗、订购成本等十几项难以定量分析，只能依靠采购人员经验。采购物料种类超过万种，无法一一制定安全库存值，一般按照最大库存设置，这种无差别设定造成仓储成本高，且存在某些物料长期不用，而某些物料无法提供的问题。

通过上面的分析采用大数据的方式进行物料需求预测和安全库存设置实现按需生产。通过ERP、财务系统、PDM等系统历史物料数据进行分析，建立物料消耗需求预测模型和安全库存设置筛选模型，最终给出客户某一种物料的采购方案，整体思路如下：

首先根据企业需求梳理影响库存决策相关影响因素，组织业务专家进行头脑风暴识别了包括采购需求、采购周期、采购交付率、订货周期、库存账龄、资金占用等十几种关键影响因素，但每种影响因素的关系无法定量，下一步要得到影响因素的定量关系并建立数据模型。

其次根据相关关键影响因素进行数据收集和处理，从各业务系统或者离线数据包中获取相关数据，并进行数据收集和异常数据处理。对异常业务数据的识别本身就利用到数据挖掘方法。例如采购周期样本数据，按照拉依达准则（3δ准则），即样本值落在［L-3δ，L+3δ］范围内认为是有效样本，否则删除。其中δ为样本数据的标准差，L为样本数据的平均值。(www.xing528.com)

再次考虑到需要采购的物料有十几万种，每种都进行安全库存设置和采购方案制定是不合理的，所以根据80／20原则要识别出那些影响程度最大的物料进行重点管理。为了定量分析物料适合做安全库存的程度，根据业务梳理的结果，结合客户实际情况，从物料消耗量、物料消耗波动、物料消耗覆盖月份数三个维度建立评价指标模型。其中度量规则为：①物料消耗越多越适合做安全库存。②物料消耗波动越小越适合做安全库存。③物料消耗覆盖月份越多越适合做安全库存。针对现有的物料，按照这几个维度进行分析，形成的分布图如下：

最后针对某一种物料建立物料消耗预测模型和安全库存筛选模型，并利用历史数据进行模型优化和验证。通过分析模型我们得到以下结果：

实际应用效果：通过物供业务优化，针对关键物料分别制定安全库存和采购策略，采购周期平均缩短10天至15天，基本实现将采购周期平均缩短至1个月左右的目标；大幅降低关键物料的库存，企业资金占用减少超过30％以上。

该案例有几点启示：一是大数据思维就是利用数据驱动业务，通过数据优化业务；二是大数据与传统BI的区别在于，大数据不但能发现问题还能给出解决方案，而BI只能发现问题；三是企业要将数据资源当成数据资产，要通过大数据手段让数据增值，最终提高企业运营效率。