近期大量仿制我们网站案例,请客户认准博士论文网唯一官方地址:www.boshilunwen.com !
您现在所在的位置:职称论文 > 管理学论文 >

供应链管理论文范例参考

来源: 博士论文网 时间: 2017-12-15 14:46 阅读: 次 【加入收藏

  人类对资源的使用量急剧扩张,已经造成了对环境的破坏。以低能耗、低污染和可持续发展为理念的低碳经济正成为全球关注的热点,同时也对供应链管理提出了新的挑战。我们整理了一篇供应链管理论文,希望你能通过它获得灵感和启发。
  
  题目:大数据在通信供应链管理中的应用研究
  
  摘要:大数据指的是所涉及的规模巨大的数据。随着时代的不断进步以及科技的飞速发展,互联网、物联网、移动通讯、管理信息化、电子商务等技术不断相互渗透,并作用到国家、企业和民生的方方面面,对大数据的概念与特征进行阐述,详细分析了大数据在供应链中的应用。
  
  关键词:大数据;供应链管理;应用
  
  一、大数据概述
  
  大数据是一个较为抽象的概念,正如信息学领域大多数新兴概念,大数据至今尚无确切、统一的定义。当前,较为统一的认识是大数据有四个基本特征:数据规模大(Volume),数据种类多(Variety),数据要求处理速度快(Velocity),数据价值密度低(Value),即所谓的四V特性。这些特性使得大数据区别于传统的数据概念。大数据的概念与“海量数据”不同,后者只强调数据的量,而大数据不仅用来描述大量的数据,还更进一步指出数据的复杂形式、数据的快速时间特性以及对数据的分析、处理等专业化处理,最终获得有价值信息的能力。
  
  二、大数据的特征
  
  第一,数据量大的特征。大数据聚合在一起的数据量是非常大的,根据IDC的定义至少要有超过100TB的可供分析的数据,数据量大是大数据的基本属性。
  
  第二,数据类型多的特征。数据类型繁多,复杂多变是大数据的重要特性。以往的数据尽管数量庞大,但通常是事先定义好的结构化数据。随着互联网络与传感器的飞速发展,非结构化数据大量涌现,非结构化数据没有统一的结构属性,难以用表结构来表示,在记录数据数值的同时还需要存储数据的结构,增加了数据存储、处理的难度。
  
  结构复杂,种类多样,同时规模又很大的半结构化、非结构化数据逐渐成为主流数据。
  
  第三,数据处理速度快的特征。要求数据的快速处理,是大数据区别于传统海量数据处理的重要特性之一。随着各种传感器和互联网络等信息获取、传播技术的飞速发展普及,数据的产生、发布越来越容易,产生数据的途径增多,个人甚至成为了数据产生的主体之一,数据呈爆炸的形式快速增长,新数据不断涌现,快速增长的数据量要求数据处理的速度也要相应的提升,才能使得大量的数据得到有效的利用,否则不断激增的数据不但不能为解决问题带来优势,反而成了快速解决问题的负担。同时,数据不是静止不动的,而是在互联网络中不断流动,且通常这样的数据的价值是随着时间的推移而迅速降低的,如果数据尚未得到有效的处理,就失去了价值,大量的数据就没有意义。对不断激增的海量数据数据的实时处理要求,是大数据与传统海量数据处理技术的关键差别之一。
  
  第四,数据价值密度低的特征。数据价值密度低是大数据关注的非结构化数据的重要属性。传统的结构化数据,依据特定的应用,对事物进行了相应的抽象,每一条数据都包含该应用需要考量的信息,而大数据为了获取事物的全部细节,不对事物进行抽象、归纳等处理,直接采用原始的数据,保留了数据的原貌,且通常不对数据进行采样,直接采用全体数据,由于减少了采样和抽象,呈现所有数据和全部细节信息,可以分析更多的信息,但也引入了大量没有意义的信息,甚至是错误的信息,因此相对于特定的应用,大数据关注的非结构化数据的价值密度偏低。
  
  三、大数据在供应链管理中的应用
  
  大数据时代,消费者能够选择购买完全客户化的商品,或从一个可供选择的环境下自行定制商品,例如在网上购买计算机商品时,消费者可以根据自己的需要和喜好定制化购买;对于商家来说,为了扩大销售范围、增加市场份额,他们通常采用特殊的促销策略,将多种相关联的商品实行深度捆绑和关联销售。个性化驱使商品的生命周期越来越短、淘汰率不断增大,迫使新品推出越来越快、越来越多;在某些特定的时间点,电商们会采取大面积的降价销售手段,例如双十一、圣诞节等,引发消费者大规模的购买行为。
  
  通常,在社会与市场的新环境、新形式下会涌现出新的商业业态、模式和行为等,这些都为供应链上的需求与供给平衡匹配带来新的难题,使得企业更难以掌握市场需求与资源整合,导致需求与供给失衡,预测不准。当需求信号传递滞后使得采购与供给计划赶不上需求变化时,就会造成库存大量积压的同时还常常出现库存短缺的现象。这样一来,成本的上升吞噬了盈利。对于这些难题,企业可以充分利用大数据技术,基于已有的业务数据,运用商务智能BI和供应链管理SCM等信息化技术,对各项关键业务进行深度的挖掘与分析,掌握其特性与特征,发现改进的机会并对其进行优化,从而实现由粗放管理到精细管理的转变。对于改进的业务可以落实在采购与供给业务的各项工作和各个方面,目前应用较多或收获较大的环节主要表现在需求预测、采购战略和业务规则的制定、采购业务的分析与改善、供应商的管理、库存占有量的降低、日常业务可视化监控和预警等方面。
  
  四、结束语
  
  目前我国供应链大数据产业正处于起步期,未来几年将快速发展。有深度行业积累的供应链协同数据平台将是未来若干年资本主要进入的领域。大数据在通信供应链管理中的应用必然会推动通信行业的迅猛发展。

  参考文献

    [1]张东翔,成斌。基于供应链管理的大数据应用分析[J].物流技术。2015.34(16)
    [2]姜小建,解林超。大数据应用对供应链管理价值提升的分析[J].电子技术与软件工程。2016(9)
    [3]王娟。大数据应用对供应链管理价值提升的分析与研究[J].
  物流技术。2016.39(2)