在供应链管理中，外部数据源比以往任何时候都更为重要
在供应链管理中，外部数据源比以往任何时候都更为重要。
贵公司的历史数据对于我们的COVID世界而言还不够充分。
首席运营官Danillo Pereira
2020年6月22日
COVID-19大流行对企业的影响已使全球供应链变得比我们意识到的更加脆弱。传统上，企业依靠自己的客户行为历史数据来确定他们存储库存的位置以及他们可能具有的需求水平。但是COVID-19告诉我们，在发生意外事件时，分析历史数据（您和您的竞争对手）将仅使您部分预测业务需求。您还需要能够反映世界动态的实时外部数据，以及预测最佳纠正措施的AI模型。
当预测全球供应链的变化时，跟踪政治动荡，社会情绪，围绕自然灾害的发展，实时天气等方面的全球新闻源将改变游戏规则。我们还了解到，社交媒体及其“公民记者”在发现热点和影响方面也起着越来越重要的作用。想一想公民已经“当场”拍摄的视频和照片，一旦大众传播这些图像和照片，就会对公众的问题意识产生影响。
如今，有许多数据公司提供全球新闻和事件的实时数据馈送。投资者，企业和政府使用这些提要来获取即将发生的事情的预警。实际上，看到城市应急服务公司报告他们在911呼叫进入之前通过Twitter提要了解了紧急情况已不再罕见。AI模式可以过滤数百万个Twitter提要并提取相关信息以特定业务的上下文智能。
有了来自这些来源和其他来源的事件的预警，供应链经理可以在问题流行之前采取行动。如今，存在避免库存不足，库存过多，不利的合同锁定和不良定价策略的技术。但是，大多数成功过渡到数据驱动的业务的企业仍然难以准确预测需求。  
那些每天在供应链领域工作的人也知道，有很多使用“胆量”的感觉或未经检验的假设做出的供应链决策。这种决定的多米诺骨牌效应可能是巨大的。通过以数据流的形式使用外部条件和市场中事件的传感器，供应链经理有机会重新调整他们的骨牌。
AI模型将总是比缺乏数据的直觉更准确，因为它们是客观的，并且“考虑”了各种各样和大量的相关数据。自然语言处理使数据科学家可以获取新闻源，社交媒体文本和公开的业务报告，并将其转换为数据以供决策。通过训练AI模型以学习与特定行业有关的各种上下文数据中的模式，供应链经理可以识别将导致中断的事件。他们还能够规定采取最佳行动来避免其供应链或定价结构中的灾难。某些AI / ML模型可以自动执行适当的响应，也可以警告负责人做出必要的决定来避免干扰。这些可能涉及库存库存，移动库存，更改价格或其他操作。他们可能会向所有供应商发出警报，以协调对端到端供应链潜在威胁的响应。
COVID-19的说法很明确：如果供应链管理者尚未将外部数据集构建到其AI模型中，那将是明智的选择。通过与来自更广泛环境的数据进行持续交互，  AI模型可以预测可能危害您的供应链运营的行为，从而增加您采取纠正措施的机会。
Danillo Pereira是Analytics2Go，首席分析官。  我?除了在计算机科学的多个学位，他在分析，机器学习和人工智能领域广泛发表。他在A2Go上的主要工作是创建有助于业务规划和决策的现代分析模型。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！