信游平台:基于物流大数据的服装供应链运作模式分析

发布日期:2018-12-22 11:06 来源:

为了跟上市场变化并准确满足消费者的需求,外国服装和服装行业开始使用大数据为企业服务,例如使用客户问卷和他们自己的内部分析系统来预测客户需求。离线系统观察消费者行为增强数据分析。例如,作为Zara的物流供应商,百事可乐使用数据通过O_2O模型精确控制整个流程,其服装商品分销与消费者的在线订单相关联。消费者可以在不中断时间、的情况下享受专属服务。一方面,通过消费市场的大数据,准确锁定目标客户群,提高产品设计中的产品相关性,定位良好;另一方面,在大数据的支持下,企业可以在供应链中供应和供应。通过订购和快速库存货物,在链条之间纵向和横向协作,以改善流通,减少库存并提高行业竞争力。目前,随着云计算的变化和物联网的另一种颠覆性技术的发展,大数据对现代企业、的业务管理和营销决策概念产生了巨大的影响。因此,业务管理决策可以依赖于数据分析而不是经验甚至是直觉。在过去的两年里,国内外知名公司(如淘宝、马宗等)。 (2)推出相应的大数据产品和平台,并进行了深入的业务分析和应用。例如,通过分析结构化和非结构化数据来促进业务创新和利润增长;基于大数据技术管理及其库存和供应链优化。随后,一些文献开始研究大数据在物流领域的应用。例如,Hinchunchen等。相信大数据在物流行业的应用表明了供应链的特点。数据供应链中有数据收集、数据处理和数据分析。数据值增强和数据值消耗以及其他链接相结合。戴定义提出,在物流业的基础上,可以生成大量的数据,实现在线分析和优化控制,可以找到规则和基础,并且可以提高每个活动的成本控制。值。姚安说,通过大数据技术,物流业产生了大量的数据,可以促进智能物流的发展。然而,这些研究仍局限于宏观层面,迫切需要研究和应用具有一定行业和微观层面的可达性研究和应用。此外,大多数现有的大数据研究都是基于信息科学,侧重于大数据结合、存储、处理和挖掘技术,从管理的角度来看,很少讨论现代企业大数据管理和业务决策。因此,本文以服装行业为背景,考虑物流大数据的可用性,从供应链的角度分析服装行业物流大数据的特点,研究服装企业的合作模式和策略。根据大数据。服装业通常通过形成集群供应链,以产业集群的形式参与市场竞争。服装供应链通常将服装作为最终产品,包括纤维的生产以及零件的??生产和最终销售,如、包装和服装生产,配件和其他配件。在这个链条中,业务形式多样化,节点和资源分散,因此服装行业的数据来源广泛分布。另外,各种信息平台、信息系统造成了大量复杂但不可分割的海量数据,使得大数据服装行业难以获得和准确分析。因此,考虑到服装行业在采购和分配、中产生了大量的物流活动,这些物流活动大部分是以第三方物流的形式进行的,并且存储了大量的物流数据。在第三方物流企业的信息平台上,非常方便。获取和分析。通过对物流大数据的分析,也可以反映服装业的供应链运作。根据这一思路,服装业物流大数据分为三类:

(1)采购物流大数据。参与购买化纤、丝、羊毛、棉、皮革、下来、亚麻等服装面料,以及面料、配件、真丝纱线、爆炸布等服装材料,包括原材料数量、和价格、需求时间、供应商分布、客户流量等大数据。

(2)生产物流大数据。根据企业物流信息系统或erp,原料和半成品库存在配送中心(仓库)、库存时间、库存消耗速度、周转率、货物丢失、库存频率等大数据,以及作为生产中心(车间)原材料和半成品使用、使用频率、使用比率、生产时间,并且生产过程数据很大。

(3)配送物流大数据。根据物流配送企业(或快递业)的信息平台,获取制造企业成品库存时间、批发大数据分配器数量、型号、时间和频率、数量交付给当地经销商、型号、时间和频率、销售量、库存、新产品上市时间、现货时间和其他零售大数据;个人消费构成、偏好、地理分布、年龄特征和其他客户大数据。2.1根据陈新春等人的数据,物流大数据的供应链特征。同时,公司可以使用大数据技术进行业务决策分析,以增强其竞争优势。就服装行业而言,在这个数据供应链中可以发挥许多作用:它可以是原始数据的供应商(主要是内部数据、结构化数据),或者是数据行业的投资者,消费者数据值。通过。具有强大数据供应链集成能力的公司将获得更大的竞争优势。

2.2物流大数据服装供应链模式对服装辅料的需求,客户异质性偏好正在逐步增加,个性化的购买者市场正在迅速形成,促进了传统供应链向大规模定制模式的新供应链的转变。服装行业以产业集群的形式参与市场竞争,并以MTO生产和集群供应链合作的形式适应大规模定制。在大数据的背景下,服装公司可以根据集群供应链中产生的大量数据,在向供应商提供零件到定制产品的过程中分析关键物流信息,如物流周期、物流模型。物流路径、物流时间和其他数据产品可帮助公司做出明智的业务决策。因此,服装供应链从产品驱动模型到客户需求数据驱动模型。在该模型中,为了解决服装供应链中的灵活生产和快速响信游平台:应的问题,可以促进3D打印。已建立多条模块化小型生产线,以确保服装生产系统的动态组合和调整。其次,为了解决服装行业收集和处理整体信息能力不足的问题,有必要引入一个中间平台,以获得供应链中服装和服装的采购和生产。物流和其他方面的大数据和数据分析结果实时反馈给企业。

3.1传统服装行业供应链中服装辅料的季节性、时尚和个性化特征使服装公司采用MakeToOrder、MTO模式,延迟生产并以最低的总成本实现客户满意度。生产延迟必须基于快速的物流服务。在准确的物流服务保证下,企业可以利用生产延迟及时满足客户个性化需求,并且独特的产品可以创造价值。为客户带来额外收入。但是,随着个性化和定制化的市场需求,在处理这些大规模的、批量、紧急定制订单时,往往是由于超过本地采购(如某些尺寸、某些类型的服装材料)、生产负载(例如某种类型的衣服,例如类型、)。或者由于缺乏即时订单确认和分销系统以及快速的物流服务,甚至部分延迟,分配(如某一行、等),也会导致产品停留在供应链中,让客户等待延长交货时间,降低客户满意度。这个问题的原因是:许多服装公司在供应链中处于从属地位,其业务决策源于对主要供应链核心企业的市场需求的预测。一旦订单因客户需求波动而发生变化,公司很难及时制定合理的订单配置,以实现资源和能力的均衡利用。

(2)如果服装企业有选择地接受订单,可以保证最大的短期利润,但可能会失去客户;如果订单收到,它需要加班或外包,这将带来更高的固定成本,并可以成为这个。企业缺乏科学的决策依据来制定考虑短期效益和可持续发展的订单决策;

信游平台:基于物流大数据的服装供应链运作模式分析

(3)服装企业资源有限。面对突然的订单或突然下单,企业加班和外包很难(由于依赖延长工时和外包,成本增加和利润率下降)。甚至失去了外部资源的互补性和能力协调。

3.2订单客户订单驱动服装行业供应链合作策略是服装企业在MTO模式下生存和发展的前提。必须获得订单数量,并确保客户及时收到货物。其中,如何做出订单决策已成为亟待解决的问题。考虑到服装行业集群中存在许多供应链,每个链路中的、类似。、在地理上类似,不同的服装公司可以在供应链的上游和下游合作。因此,在客户订单的推动下,服装企业可以在物流大数据的基础上寻求供应链合作,以达到最佳的客户满意度和企业利润。这种交叉链协作策略可以描述如下:客户(直接订单)随机订购供应链中的公司(可以是供应商、生产商或销售公司),当订单进行最佳配置时,在大帮助下数据分析,企业考虑到供应链,公司自身因素和客户满意度相结合,拒绝某些订单。然后,订单的这一部分进入另一个供应链(交叉链订单)企业,并在物流大数据的帮助下,重新订单被优化配置和循环,直到充分利用供应链资源和能力。服装服饰行业的跨供应链合作战略包括四个方面:

(1)交叉链订单接受策略。考虑到客户因素,如交货时间、价格和其他因素,如、生产能力、生产利润和其他因素,以及不同供应链之间的合作和利润分配水平,供应链的三个维度已经在供应链上做出订单链。接受决定。并分析各种因素对订单接受的影响。

(2)跨链订单发布策略。考虑并分配并行供应链和供应链企业的生产能力。当供应链的容量达到满负荷时,订单被拒绝,以交??叉链订单的形式进入另一个供应链,或暂时保留预发布队列中的订单,直到备用容量开始生产。(3)交叉链订单生产调度策略。生产设备、的生产时间等因素已经形成了供应链和企业的生产能力。交叉链订单的生产需要根据生产设备的类型和生产时间的顺序进行分类。考虑两种特殊的生产模式(即一台机器只能生产一种产品)和灵活的生产模式(即一台机器可以生产多种产品)。基于订单完成时间和订单延迟时间形成订单调度策略。

(4)交叉链订单的生产能力计划。交叉链订单的生产计划基于生产链和企业的生产能力,并受生产资源和生产规模的限制。在接受交叉链订单后,公司需要合理规划生产能力,以确保订单完成符合生产能力。

服装供应链中产生的物流大数据为供应链合作中的客户订单决策提供了基础。在客户订单的推动下,服装公司可以根据物流大数据形成准确的跨供应链合作策略。通过订单接受策略、订单发布策略、订单调度策略和生产能力规划,寻求跨供应链合作的产业集群,优化资源配置,平衡运营能力。