根据“福布斯”调查研究，64%的供应链管理人员预计，大数据在未来几年的库存管理策略中将发挥重要作用。企业应该了解供应链管理中采用的角色以及采用最佳分析方法。

大数据和供应链管理的常见错误

一些分析方法对于基于大数据的即时库存管理策略而言是可行的。分析中的指令性是一个很好的例子。

规范分析从数千个已知数据集中创建回归分析。企业试图使用规范分析来根据价格点和其他因素预测未来需求。

虽然规定性分析对于设定收入目标很有价值，但你不必使用即时库存管理策略。你只需要一个及时的库存管理策略，实时跟踪库存即可。每个规范分析模型都有一个误差幅度，这可能会导致你的库存过剩，或意味着你没有足够的库存来满足需求。

JDA 软件集团分析部主管Suresh Acharya表示，更有效的供应链分析模型侧重于规范性和预测性分析。

Acharya 说，“我们要做的是获得更多预测性的见解，它们让我们看到将要发生的事情，未来发展和规定，现在我们知道是什么，我们该怎么做?无论我们怎么称呼它，使用数据来改进我们的业务是我们一直想做的事，也是我们的客户一直需要的东西。当然，有些客户比其他客户更了解数据驱动分析可以提供哪些价值。”

大数据与供应商建立更为复杂的关系

在上世纪，供应商和零售商之间的关系非常简单。供应商试图尽快增加零售商订单。

在大数据时代，供应商和零售商之间的关系比较复杂，这创造了更丰富和更有利可图的关系。双方可以将彼此的数据纳入他们的供应链管理算法，从而提高效率。

大数据有助于预测基于预计到达时间(ETA)的运输物流

即使是最好的物流公司，也一定会遇到某些地区运输货物的问题。当企业必须预测天气趋势，不同地形因素，季节性流量模式和其他复杂变量时，难以实施即时库存管理策略。企业也可以使用大数据更好地跟踪他们的车队，并知道何时投资购买新的卡车。

大数据使企业更容易考虑这些因素，并设置更准确的预计到达时间(ETA)。

大数据打破了供应链管理流程，使其更易于管理

供应链管理战略似乎压倒一切，但大数据使企业能够突破这一过程。Silvon 软件公司解释说，“在管理供应链时，很容易陷入困境。供应链通常有许多不同的组成部分，当最终结果按计划进行时，供应链管理人员将会很高兴。大数据在整体和细粒度的层面看待供应链，这有助于确定需要改进的领域或整个供应链的进步机会，从而提高效率和产出。”