虽然诸如Zoom、Teladoc和亚马逊这样科技公司的业绩大幅增长,或者是因为它们属于必不可少的业务,或者是因为它们是一场突然加快的数字革命的一部分,但许多公司的运营都经历了严重的中断。制造业和快速消费品行业是受到疫情影响最严重的行业之一。他们的供应链断裂有多种原因:
1. 生产中断
在疫情持续蔓延期间,全球一些国家的制造厂停止生产,并且出现紧迫的问题,也就是基于健康安全和需求不足这两个因素,应该关闭多长时间,何时才是重新开放工厂的适当时机。
为了减轻历史数据对需求预测的影响,调研机构开始针对可能相关的特定行业利用外部经济/财务指标,以量化它们与产品需求之间的因果关系,并将其用于需求预测机器学习模型。
2. 客户需求的不确定性
造成这种困难的因素有很多:
- 很难预测冠状病毒疫情何时会结束或放缓。有许多预测模型试图解决这个问题,但是这些模型提供估算的方式各不相同,并且也提供了范围宽泛的预测。
- 消费者的信心在今年4月达到了自从2008年以来的最低点,目前尚不清楚其恢复程度以及未来几个月会有多大变化。
- 人们需要的产品类别发生了明显的变化(人们肯定对数字产品或支持数字世界的产品有更高的需求)。
- 历史数据对于预测需求已变得无关紧要,并且由于市场条件不同,试图从先前的危机中寻找合适的数据并不完全有效。
·供应商风险。供应商对全球供应链产生巨大影响,许多供应商在经营中面临着极其严峻的条件。在这种前所未有的环境下,一些供应商可能会违约;而对于手头没有足够现金和没有流动资金的小型供应商来说,情况可能尤其如此。
- 货运物流。在疫情发生的最初几个月中,全球各地的一些港口被关闭,运输方式和路线都发生了变化,并需要定期进行调整。
- 疫情政策变化。世卫组织和各国政府执行的防疫措施以及人们严格遵守这些准则的方式决定了冠状病毒的传播速度,从而决定了对行业发展的影响。
尽管企业在疫情期间面临许多挑战,但还是可以使用数据分析方法来有效地应对大多数挑战。例如,可以在计划恢复时开发仪表板,该仪表板能够使企业在全球各地工厂的位置实现可视化,跟踪每天发生的疫情,估计特定地区病例数量是在峰值阶段、平稳状态还是下降,并遵循当地政府的指导,并建议首先重新开放哪些工厂。
除了安全健康方面,还要结合疫情期间的库存信息,考虑特定工厂在此期间生产的产品需求发生了多大变化。如果对特定产品的需求消失,重新开通工厂或产品线可能不合逻辑。为了减轻不相关的历史数据对需求预测的影响,针对特定行业利用其外部经济/财务指标,以量化它们与产品需求之间的因果关系,并使用它们预测机器学习模型。
尽管这只是制造厂商如何改进其数据驱动型决策的一个例子,但在疫情持续蔓延期间,数据分析还可以提供许多机会。根据不断变化的需求,更改销售和营销渠道以及更好地了解客户来优化产品组合,这些只是一些分析用例,可能会在组织内产生巨大影响。
归根结底,不同的行业厂商的运营将随着不同的时间表而得以复苏,但是在疫情期间,许多公司加快了其数字化转型的步伐。显而易见的是,大数据分析将在这一转型中发挥关键作用。