大数据对采购与供应链的影响
如何在采购方案中应用大数据分析
如何在采购方案中应用大数据分析在当今数字化的商业环境中，大数据分析已成为企业提升竞争力和优化运营的重要工具。
采购作为企业供应链管理的关键环节，也可以从大数据分析中获得显著的收益。
通过有效地收集、整理和分析相关数据，企业能够制定更明智的采购决策，降低成本，提高效率，增强供应链的弹性和灵活性。
那么，如何在采购方案中应用大数据分析呢？首先，要明确大数据分析在采购中的作用和价值。
大数据分析能够为采购提供全面、准确和实时的信息，帮助采购人员更好地了解市场动态、供应商表现、产品需求趋势等。
例如，通过分析历史采购数据，企业可以发现采购周期的规律，预测未来的采购需求，从而提前规划采购活动，避免缺货或积压库存的情况发生。
其次，建立完善的数据收集机制是应用大数据分析的基础。
采购涉及到众多的数据来源，包括内部的企业资源规划（ERP）系统、销售数据、库存数据，以及外部的市场调研报告、供应商信息、行业数据等。
为了确保数据的质量和完整性，企业需要制定统一的数据标准和规范，明确数据的采集频率和方式。
同时，要运用先进的数据采集技术和工具，如自动化的数据抓取软件、传感器等，提高数据采集的效率和准确性。
在收集到大量数据后，数据的整理和清洗就显得尤为重要。
原始数据往往存在重复、错误、缺失等问题，需要进行清理和纠正。
此外，还需要将不同来源、格式的数据进行整合和标准化，以便于后续的分析和处理。
例如，将来自不同系统的供应商数据统一格式，包括名称、地址、联系方式、产品类别等，以便进行综合评估和比较。
接下来，选择合适的大数据分析方法和工具是关键。
常见的分析方法包括描述性分析、诊断性分析、预测性分析和规范性分析。
描述性分析用于总结和描述数据的特征，如采购金额的分布、供应商的地域分布等；诊断性分析旨在找出数据中的问题和原因，例如为什么某个供应商的交货延迟率较高；预测性分析利用历史数据预测未来的趋势，如产品价格的走势、市场需求的变化；规范性分析则为企业提供最优的决策方案，比如在给定的预算和需求条件下，如何选择最佳的供应商组合。
基于大数据的供应链分析模型
基于大数据的供应链分析模型在当今竞争激烈的商业环境中，供应链管理的效率和效益对于企业的成功至关重要。
大数据技术的出现为供应链分析带来了全新的视角和方法，使企业能够更准确地预测需求、优化库存管理、提高物流效率以及加强供应商关系。
一、大数据在供应链中的作用大数据为供应链提供了丰富的信息来源。
这些数据包括销售数据、库存数据、物流数据、市场趋势数据、客户反馈数据等等。
通过对这些海量数据的收集、整理和分析，企业能够获得前所未有的洞察力。
首先，大数据有助于更精准的需求预测。
以往，企业往往依靠经验和简单的统计方法来预测市场需求，但这种方式往往存在较大的误差。
而利用大数据技术，企业可以整合多渠道的数据，分析消费者的购买行为、市场动态以及宏观经济因素等，从而构建更为准确的需求预测模型。
其次，大数据能够优化库存管理。
通过实时监控库存水平和销售速度，企业可以精确地确定最佳的补货时机和数量，避免库存积压或缺货的情况发生，从而降低库存成本并提高客户满意度。
再者，大数据对于物流配送的优化也具有重要意义。
它可以帮助企业选择最佳的运输路线和方式，降低运输成本，提高物流效率，同时还能更好地应对突发事件和不确定性。
二、基于大数据的供应链分析模型的构成要素一个有效的基于大数据的供应链分析模型通常包含以下几个关键要素：1、数据收集系统这是模型的基础，需要能够从多个来源收集各种类型的数据，包括企业内部的 ERP 系统、CRM 系统、WMS 系统，以及外部的市场调研数据、社交媒体数据等。
同时，要确保数据的准确性、完整性和及时性。
2、数据存储和管理平台由于大数据量的巨大，需要强大的存储和管理系统来处理和保存数据。
这可能包括传统的关系型数据库、数据仓库，以及新兴的大数据存储技术如 Hadoop 等。
3、数据分析工具和算法利用各种数据分析工具和算法，如统计分析、机器学习、数据挖掘等，对收集到的数据进行深入分析，提取有价值的信息和模式。
4、可视化展示平台将分析结果以直观、易懂的方式展示给决策者，帮助他们快速理解和做出决策。
大数据在物流上的运用
大数据在物流行业的应用正在改变传统的物流管理方式，提高效率和降低成本。
以下是大数据在物流中的几个主要应用领域：1. 货物追踪与监控：通过GPS定位、传感器等技术，实时收集货物的位置、状态和运输速度等信息。
大数据技术使得物流企业能够对运输过程进行实时监控和管理，提高了货物的可视性和透明度，增强了物流的可靠性和安全性。
2. 供应链优化：大数据可以帮助物流企业分析供应链中的各个环节，如客户需求、库存、订单、仓库流通等，从而更好地控制成本、提高效率、优化供应链质量。
通过对历史和实时数据的分析，企业可以预测市场需求，合理调配仓储和运输资源，减少浪费。
3. 运输路径规划与优化：利用大数据分析历史运输数据和实时交通信息，物流企业可以优化配送路线，减少运输成本和时间，提高交付效率。
智能调度系统可以根据实时交通情况和货物紧急程度，智能地调度运输车辆，优化运输路径。
4. 库存管理与需求预测：通过对市场需求和历史销售数据的分析，物流企业可以预测货物的需求量，并合理分配库存。
这有助于避免库存积压或缺货的情况，提高客户满意度和物流服务的响应速度。
5. 客户服务与反馈管理：大数据技术使得物流企业能够分析客户的需求和反馈数据，提供个性化服务，改善客户体验，增强客户忠诚度。
通过准确了解客户需求，企业可以及时调整服务方案，提高客户满意度和口碑。
6. 成本控制与费用分析：通过对各项物流活动的数据进行分析，物流企业可以找到成本高的环节并进行优化，降低运输成本。
同时，对物流费用进行分析和比较，可以找到合适的运输服务提供商，实现费用最小化。
大数据的应用使得物流企业能够更加智能化地处理物流业务，提高业务水平和利润，同时为客户提供更高效、更可靠的物流服务。
随着技术的不断发展，大数据在物流领域的应用将更加广泛和深入。
人工智能与大数据在供应链管理中的应用
人工智能与大数据在供应链管理中的应用随着技术的发展，人工智能和大数据已经成为越来越重要的概念，并且在不同的领域中被广泛运用。
供应链管理也不例外，人工智能和大数据的应用正在大大改善供应链的效率、可靠性和可见性。
让我们来看看人工智能和大数据在供应链管理中的应用。
一、智能料箱人工智能和大数据已经开始运用到供应链管理中的物流操作。
智能料箱可以精确控制库存管理、跟踪货物运输，以及在整个配送过程中监控货物的安全条件等。
智能料箱基于实时数据和物流信息，优化物流计划，以提高货物的可靠性和可见性。
智能料箱配备了温度、湿度、压力、震动、甚至更细致的传感器技术。
这些传感器将数据即时传回物流平台，实时监控货物的无人化管理。
如果温度规定出现异常，物流管理人员可以马上采取措施确保损失最小化。
因此，在物流过程中，智能料箱可以自动调整数量、卸货和发货时间，提高整个物流过程的效率。
二、大数据实时跟踪在供应链管理中，大数据的应用已经大大改变了我们的生产、制造和供货方式。
传统的供应链管理方法仅依靠经验和手动操作，但是这种方法不仅效率低下，而且容易出错。
在当今大数据时代，大数据实时追踪更加高效、准确，在物流管理中极为重要。
大数据的实时追踪可以帮助我们及时监控整个物流过程，包括原材料采购、供应商入厂、装卸货运、库存管理、货物分拣等。
基于大数据分析和物流信息平台，供应链管理人员可以准确看到运输过程中发生的任何问题。
例如，当乘客提出质疑时，快递公司可以在线路上调整路线，直接把包裹发到顾客家。
三、快速响应在现代供应链管理中，一项关键的任务是“快速响应”。
这包括快速调整产品和服务的生产和发布，以满足客户需求和市场需求。
人工智能和大数据应用提高了供应链系统的反应能力，因为它可以帮助监视市场变化并及时响应客户需求。
假设拥有足够的大数据，公司可以利用分析更好地预测市场需求，并自动调整生产线以满足这些需求。
这样一来，公司可以快速响应市场变化，避免出现过量和短缺，让供应链系统运作更为高效。
大数据分析在供应链管理中的应用案例
大数据分析在供应链管理中的应用案例供应链管理是指企业通过有效的物流、信息流和资金流的管理，以实现产品从原材料采购到最终消费者的流动，从而提高供应链效率和降低成本。
随着大数据技术的快速发展，越来越多的企业开始将大数据分析应用于供应链管理，以优化运营、降低风险，并获得更大的竞争优势。
以下将介绍几个大数据分析在供应链管理中的应用案例。
1. 预测需求供应链管理中最重要的一个环节就是准确预测市场需求。
通过收集和分析大量的市场数据、社交媒体数据和客户反馈数据，企业可以准确预测产品的需求量和变化趋势。
例如，某电子产品企业通过分析社交媒体上用户的评论和讨论，结合历史销售数据，成功预测了下一个季度手机销售的需求，从而合理安排生产和物流计划，避免了库存积压和缺货现象的发生。
2. 优化供应链设计大数据分析还可以帮助企业优化供应链的设计和网络布局。
通过分析供应商、仓库、物流运输等环节的数据，企业可以确定最佳的供应商网络和产品分配策略，以降低库存成本和运输成本。
例如，某零售企业利用大数据分析，发现其某些仓库位置和分配不合理，导致了运输时间过长和库存滞销等问题，经过优化布局，成功降低了物流成本，并提高了库存周转率。
3. 风险管理供应链管理中存在各种风险，如供应商延迟交货、天灾人祸等。
大数据分析可以帮助企业识别潜在的风险，并及时采取应对措施。
例如，某汽车制造企业通过实时监测供应商的生产数据和交货数据，结合天气预报等信息，准确判断供应链中可能出现的问题，并提前调整生产计划或寻找备用供应商，以防止延误生产和产能损失。
4. 产品追溯在供应链管理中，产品的追溯是非常重要的，尤其是在保证产品质量和安全方面。
大数据分析可以帮助企业追踪和监测产品在供应链中的流动情况。
例如，某食品生产企业通过在产品包装中标记二维码，并通过大数据分析系统，实时追踪产品的生产、加工、运输和销售情况，可以及时发现和解决潜在的质量问题，并保障产品的安全性。
5. 实时配送大数据分析还可以帮助企业实现实时配送，提高供应链的响应速度和灵活性。
大数据对物流行业的影响与应用
大数据对物流行业的影响与应用随着信息技术的飞速发展，大数据正逐渐成为各个行业的核心驱动力。
在物流行业中，大数据不仅仅是一种技术手段，更是一种战略资源。
本文将探讨大数据对物流行业的影响与应用，并分析其带来的机遇和挑战。
一、大数据对物流行业的影响1. 提升运输效率通过大数据的分析和挖掘，物流企业可以获得更准确的运输需求预测和路线规划。
这可以帮助企业实现优化车辆调度和货物配送，最大程度上减少空车和滞留，提高运输效率并降低成本。
2. 改善供应链管理大数据技术可以帮助物流企业实时监控供应链各个环节的运行情况，从而帮助企业及时调整计划、预测需求、优化库存管理和供应商选择等。
这样可以提高整个供应链的效率与灵活性，降低库存压力，减少资金占用和损失。
3. 提升客户服务通过大数据分析客户的需求和行为数据，物流企业可以更好地了解客户需求、个性化定制服务，并主动推荐相关产品。
同时，物流企业还可以通过大数据技术提供准确的货物跟踪与信息查询服务，提高客户满意度，并增加客户粘性和忠诚度。
4. 降低风险预测与控制大数据技术可以帮助物流企业通过对海量数据的分析，准确预测和评估各种风险，如交通堵塞、天气变化、设备故障等，从而及时采取应对措施。
通过降低风险，物流企业可以提高运输的安全性和可靠性，保障货物的安全和顺利运输。
二、大数据在物流行业的应用1. 路线优化物流企业可以通过大数据分析历史运输数据、交通流量数据以及天气数据等，来寻找最佳运输路线。
通过避开高峰期和拥堵路段，优化车辆调度和行驶路线，物流企业可以节省时间和燃料成本，提高送货效率。
2. 库存管理大数据可以帮助物流企业分析历史销售数据、供应链信息和市场需求等，做出准确的货物需求预测。
基于预测结果，物流企业可以合理调整库存水平，避免积压或断货的情况发生，同时降低资金占用和处理过期产品的成本。
3. 货物跟踪与安全管理通过大数据技术，物流企业可以实现对货物的全程跟踪，并及时获取货物的实时位置和状态信息。
大数据对物流的影响
大数据对物流的影响一、引言随着信息技术的迅猛发展，大数据已经成为当今社会的热门话题之一。
大数据的应用已经渗透到各个行业，其中物流行业也受益匪浅。
本文将详细探讨大数据对物流行业的影响，包括提升效率、优化运输路径、改进供应链管理等方面。
二、提升效率1. 数据采集与分析大数据技术可以帮助物流企业实时采集和分析海量的物流数据，包括订单信息、运输信息、仓储信息等。
通过对这些数据进行深度挖掘和分析，物流企业可以了解客户需求、货物流向、运输瓶颈等关键信息，从而优化运营流程，提升物流效率。
2. 预测需求通过大数据分析，物流企业可以预测客户需求，合理安排运输资源，避免资源浪费和运输延误。
例如，根据历史数据和市场趋势，物流企业可以预测某个地区在特定时间段的货物需求量，提前调配货车和仓储资源，以满足客户需求。
3. 自动化处理大数据技术可以实现物流流程的自动化处理，减少人工干预，提高处理速度和准确性。
例如，物流企业可以利用大数据技术实现自动化的货物分拣和装卸，减少人力成本和错误率。
三、优化运输路径1. 路线规划大数据技术可以通过分析历史运输数据、交通状况和天气情况等因素，为物流企业提供最佳的运输路线规划。
物流企业可以根据实时数据调整运输路线，避开拥堵路段和恶劣天气，提高货物运输的安全性和效率。
2. 车辆调度通过大数据分析，物流企业可以实时监控车辆位置、运输状态和运力利用率等信息。
根据这些数据，物流企业可以合理调度车辆，减少空载率，提高运输效率。
此外，物流企业还可以根据车辆运行数据进行维修和保养计划，提前预防故障，减少运输中断。
3. 货物追踪大数据技术可以实现对货物的实时追踪和监控。
物流企业可以通过物联网技术将传感器安装在货物上，实时获取货物的位置、温度、湿度等信息。
通过大数据分析，物流企业可以提供准确的货物追踪服务，提高货物安全性和可靠性。
四、改进供应链管理1. 供应链可视化大数据技术可以帮助物流企业实现供应链的可视化管理。
采购与数字化转型如何应对数字化时代的采购挑战
采购与数字化转型如何应对数字化时代的采购挑战在数字化时代，企业面临着越来越多的采购挑战。
如何应对这些挑战，并实现数字化转型成为了许多企业亟需解决的问题。
本文将从采购的角度出发，探讨采购与数字化转型的关系，并提出应对数字化时代采购挑战的解决方案。
一、数字化时代的采购挑战数字化时代带来了采购领域的诸多挑战，主要体现在以下几个方面：1. 大数据的应用：数字化时代，大数据已经成为采购决策的重要依据。
然而，海量的数据如何进行整理和分析，成为了采购人员面临的一个问题。
2. 供应链的复杂性增加：数字化时代的供应链变得越来越复杂，不仅包括全球化的供应商网络，还涉及到了各种新兴技术的应用，如物联网、人工智能等。
这给采购带来了更多的挑战，如供应商管理、交付风险控制等。
3. 业务流程的数字化转型：数字化时代，许多企业正在进行业务流程的数字化转型，而采购作为企业核心的业务之一，也需要跟随企业数字化转型的步伐，进行相应的调整和优化。
二、采购与数字化转型的关系数字化转型对采购领域的影响是显而易见的。
采购作为企业业务的重要环节，需要借助数字化技术来提高采购效率和准确性。
1. 数据驱动的采购决策：数字化时代，采购决策需要依靠大数据分析和挖掘，通过对供应商、市场和消费者行为等数据的分析，可以更准确地制定采购计划和策略。
2. 供应链智能化管理：采购人员可以借助物联网、人工智能等技术手段，实现对供应链的实时监控和智能化管理。
通过建立数字化供应链平台，可以更好地管理供应链风险，提高供应链的透明度和灵活性。
3. 业务流程的数字化优化：数字化转型可以帮助采购业务流程的优化和标准化。
通过引入电子采购系统、供应商门户等数字化工具，可以实现采购流程的自动化、信息共享和协同工作，提高采购效率。
三、应对数字化时代采购挑战的解决方案为了应对数字化时代的采购挑战，企业可以采取以下几个方面的解决方案：1. 加强数字化技术的应用能力：企业需要加强对数字化技术的了解和应用，培养和吸纳专业的数字化人才，提高采购团队的数字化技术应用能力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大数据对采购与供应链的影响 字号：T|T 2015年01月06日11:45 中物联采购委 • 大数据(Big Data)是指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，今天，人们用大数据来描述和定义信息爆炸时代产生的海量数据，以及在合理时间内达到撷取、管理、处理、并整理成为帮助人们处理事务和决策等更积极目的的资讯与知识。
一、大数据时代对采购和供应链带来的挑战和机遇 1. 大数据时代及其特征 大数据(Big Data)是指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，今天，人们用大数据来描述和定义信息爆炸时代产生的海量数据，以及在合理时间内达到撷取、管理、处理、并整理成为帮助人们处理事务和决策等更积极目的的资讯与知识。
美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番，而目前世界上90%以上的数据都是最近几年才产生的。2020年，全世界所产生的数据规模将达到今天的44倍。从这些数据每天增加的数量来看，世界目前已进入大数据时代。
大数据时代凸显了数据资源的重要意义。2012年奥巴马政府宣布投资2亿美元拉动大数据相关产业的发展，将“大数据战略”上升为国家战略，将大数据定义为“未来的新石油”，把对数据的占有和控制视为陆权、海权、空权之外的另一种国家核心资产。2013年，法国政府发布了其《数字化路线图》，列出了将会大力支持的5项战略性高新技术，“大数据”就是其中一项。2012年，日本总务省发布2013年行动计划，明确提出“通过大数据和开放数据开创新市场”。联合国在2012年发布的大数据政务白皮书中指出，大数据对于联合国和各国政府来说是一个历史性的机遇。我国也将大数据产业看作为战略性产业，成立了“大数据专家委员会”。在“大数据”2014年十大趋势预测中，包括了数据商品化与数据共享联盟化，大数据生态环境逐步发展等内容。同时，大数据专家委员会预测，2014年大数据在互联网和电子商务、金融(股市预测、金融分析)、健康医疗(流行病监控和预测等)、生物信息、制药等方面将会有令人瞩目的应用。
大数据时代是大数据价值充分发挥的时代。据赛门铁克公司的调研报告，全球企业的信息存储总量已达2.2ZB（1ZB=1024EB，1EB=1024PB），年增67％。世界上每分钟产生1700TB 的数据，但是吸引我们的不仅仅是这个庞大的数字本身，而是我们如何利用这些数据做些什么。大数据可以运用到各行各业，在宏观经济方面，IBM日本公司建立经济指标预测系统，从互联网新闻中搜索影响制造业的480项经济数据，计算采购经理人指数的预测值；印第安纳大学利用谷歌公司提供的心情分析工具，从近千万条网民留言中归纳出六种心情，进而对道琼斯工业指数的变化进行预测，准确率达到87%；在制造业方面，华尔街对冲基金依据购物网站的顾客评论，分析企业产品销售状况；一些企业利用大数据分析实现对采购和合理库存量的管理，通过分析网上数据了解客户需求、掌握市场动向，等等。据麦肯锡公司测算：大数据将给美国医疗服务业带来3000亿美元的价值，使美国零售业净利润增长达到60%，使制造业产品开发、组装成本下降50%，而大数据所带来的新需求，将推动整个信息产业的创新发展；根据经济与商业研究中心的最新研究，大数据将为英国经济增加2160亿英镑（约合3467亿美元）以上的潜在收益。
2. 大数据时代对采购和供应链带来的挑战和机遇 首先，商务环境和商务模式变得越来越复杂，且更加动荡、多样和个性化。其二，电子商务业务模式的飞速发展打破了国家疆界，使得跨境业务速增、商业活动频繁，同时伴随着数据量的剧增。。其三，大数据应用处理成为企业和社会竞争发展的重要焦点。其四，有效挖掘大数据成为时代面临的重要课题。最后，许多企业对大数据的重要性认识不足，没有充分了解其价值。
下面是一些机构对大数据的调研、认知和应用研究，从不同的方面展示了其发展现状。
1）Gartner公司2013年一份名为《2013年大数据普及程度背后的炒作》的报告（见图1）指出：在受访企业中，有64%正在或是即将进行大数据工作，但实际的状况却不尽人意，其中很多企业并不知道他们能够使用大数据做些什么。2012年，有27%的企业开始从事大数据相关的工作，有31%计划于两年内展开大数据项目。而2013年，有30%的企业已经引入了大数据，计划参与的企业比例也增至34%。造成这一现象的原因是不少企业都认为大数据能够帮助他们提升用户体验、改进企业效率或是发现新的商业模式或产品。56%的企业不知道如何从数据中获取价值；41%的企业无法将这项技术与公司战略结合起来；34%的企业缺乏大数据的处理能力；33%的企业难以整合多样的数据资源；29%企业的基础架构遭遇挑战；27%的企业面临隐私和数据安全问题；26%的企业在对大数据项目投资上存在疑惑；甚至还有23%的公司不知大数据究竟为何物。
2）Supply Chain Insights Research Firm 2012年对有关大数据与供应链管理的研究表明：企业已经意识到对大数据及其技术缺乏理解。调查发现： ①正在进行的大数据项目中，有36%的组织目前有一个跨职能的团队来为其供应链评估大数据的潜在价值；
②项目通常由首席信息官CIO负责。评估供应链大数据使用和分析技术的团队领导是CIO的占47%，是业务部门领导的占21%，具有一个跨业务职能管理团队的占21%。
③企业的信息管理系统的复杂度高，通常有多个系统支持他们的供应链，因此数据量巨大并且整合困难。（见图2）。
④数据增长快。8%的受访者在单个数据库里具有PB（千万亿字节）级别的数据，47%的受访者预计未来五年内在其数据库里具有PB级别的数据。而且在那些正在进行大数据项目的企业中, 有68%预计在五年内其数据库里具有PB级别的数据。
⑤在企业自我评价使用不同的数据类型的能力方面，应用最好的数据来源于传统供应链的事务处理数据（有58%的受访者使用该类型数据，说明该类数据仍是企业最熟悉的）、新型的地理与地图数据（有47%的受访者使用该类型数据）和产品的可追溯性数据（有42%的受访者使用该类型数据）；其次是物联网上的各种设备数据（有28%的受访者使用该类型数据）和运动应用数据（有26%的受访者使用该类型数据）。调研显示受访者对结构化数据类型的掌握程度更高。（见图3）
⑥大数据举措当前的重点是对供应链的可视性，但未来却是投向需求数据。预期的收益越大，现行绩效评级就越低，这一点体现在需求数据的领域。由于更加熟悉交易数据和供应系统，具有较长供应链和跨多个边界的零售商表示，着重于供应链的可视性被认为是最为重要的。
2013年7月，Supply Chain Insights Research Firm又做了进一步的量化研究，目的是了解和研究供应链的领导者们正在构建的驾驭大数据的能力。这个研究是基于123家制造商（占受访企业的59%），零售商（占受访企业的26%），批发商/分销商/合作商（占受访企业的12%）和第三方物流提供商（占受访企业的2%）的一项在线调查。
受访者中31%是供应链团队（是团队成员的占15%，是负责人的占 12%，是其他岗位的占2%，是支持人员的占1%）；25%是IT团队（是IT总监的占15%，是首席信息官的占3%，是负责人的占3%，是经理的占2%，是系统管理员的占1%）；44%为其他团队（是销售团队的占16%，跨职能业务领导的占10%，是财务的占7%，是BI分析员的占3%，是市场人员的占2%，是其他的占6%），(见图4)。
调研显示出大数据的应用更多的是一个机会，而不是一个问题。认为有机会的占76％，毫无概念的为11%，而在大数据方面存在问题的有12%(见图5)。尽管数据库在不断增长，但可以被管理，然而，最大的数据库不是企业资源规划（ERP）数据库，而是在产品的可追溯性数据的领域。
受访者中已经启动一个大数据应用项目的占28％，另外37％的受访者有计划开展大数据项目，其余20%没有开展大数据活动的计划（见图6）。那些认为有机会应用大数据的受访者认为，大数据应用的最大机会在于对相关新型数据的管理，而不是对数据的体量或速度的管理。
在那些打算开展大数据项目的受访者中，准备当年就开展的占9%，1-2年内开展的占53%，3-5年内开展的占31%，不知道何时开展的占7%。
关于供应链重点要素中，目前排在前3位的分别是：需求与供给的易变性（51%），应用大数据的能力（43%），人才问题（34%）与业务增长速度（34%）。见图7。到2020年，驱动供应链成为卓越的前3个趋势的分别是：数据可视化（46%），增强供应链的可视性（39%）和大数据（37%）见图8。
目前大数据的应用还是处于起步阶段，未来更多的机会与应用是出现在“需求”领域。需求计划、订单管理和价格管理位列前3位，是目前从大数据中获益最高的领域，见图9。
深蓝色的柱形代表数据类型的价值，浅蓝色的柱形代表数据类型绩效，白色柱形里的数据是二者的差距，数值越大说明企业在该数据类型上远没有达到应该获得的价值，还存在着很大的空间去努力获取该类型数据的最大价值。从图10中可以看出，在供应链可视性与产品的可追溯性数据源方面，无论是价值还是差距都排列在前2位，有较大的潜力可以挖掘。
目前在供应链上应用大数据的重心更多的是靠近市场的需求端和营销领域，相对于采购与供应领域，市场需求领域更多地首先开展了大数据的应用，许多企业也已经收获颇丰。因此，在采购与供应领域应该努力迎头赶上时代的步伐，利用大数据为企业和供应链的供应