Subscribe to the Teradata Blog

Get the latest industry news, technology trends, and data science insights each week.



I consent that Teradata Corporation, as provider of this website, may occasionally send me Teradata Marketing Communications emails with information regarding products, data analytics, and event and webinar invitations. I understand that I may unsubscribe at any time by following the unsubscribe link at the bottom of any email I receive.

Your privacy is important. Your personal information will be collected, stored, and processed in accordance with the Teradata Global Privacy Policy.

공급망 전반에 걸친 유연성과 탄력성

공급망 전반에 걸친 유연성과 탄력성

전체 공급망을 어떻게 최적화하나요? 각 조직마다 목표와 방안이 다르고 종종 자체 애플리케이션과 데이터를 유지하는 경우, 조직 전체에서 수요와 공급 이행비용의 균형을 경제적으로 맞추고 있는지 어떻게 알 수 있나요? 이 게시물은 비즈니스에 대한 이러한 질문에 생각하고 대답하는 데 도움이 될 것입니다.

공급망은 강과 같아서 가장 흐르기 쉬운 내리막 길을 찾아 바위 위를 흘러 굽은 곳을 따라 내려가곤 합니다. 하나의 바위를 제거하거나 강의 가지를 변경하면 주어진 지점에서 강이 흐르는 것을 개선할 수 있지만, 물이 처리할 수 있는 것보다 더 빨리 하류 지점에 도달하여 강의 다른 지역에서 종종 문제가 발생할 수 있습니다. 전체 디자인과 프로세스를 고려하지 않고 공급망의 한 부분만 최적화하면, 강에서 바위를 꺼내는 것과 같이 종종 공급망의 위아래로 파급 효과를 쫓게 되는 경우가 발생합니다. 바위를 제거하거나 강의 수위를 줄이는 영향을 사전에 평가하거나 예측할 수 있다면 어떨까요? 디지털 스레드는 현대 공급망의 중요한 구성 요소이며 조직이 이러한 기능을 갖추도록 지원합니다.

디지털화로 인해 공급망 일부에서는 데이터 가용성이 증가했지만, 기존 트랜잭션 소스와 연결이 끊긴 경우가 많습니다. 이러한 단절은 광범위한 공급망과 연결되지 않아 종종 발전의 전반적인 재정적 이점을 감소시키는 최적화 상태에 미치지 못하는 결과를 초래합니다. 글로벌 펜데믹 시기에서 모든 유형의 공급망은 그들의 탄력성과 빠르게 변화하는 환경에서 문제를 해결할 수 있는 조직의 능력에 대한 테스트를 받았습니다. 경제적 결정을 내리고 공급과 수요를 지원하는 기능 전반에 미치는 영향을 파악함으로써 공급망 실무자들에 대한 기대가 그 어느 때보다 높아지고 있습니다.

공급망의 위아래로 사람과 프로세스를 지원하는 키 인에이블러는, 강력한 통합 데이터의 기반이며 아키텍처인 디지털 스레드입니다Supply chain ecosystem with the various types of data enabling measures and analytics

이것은 애플리케이션의 패싱 데이터 모음이 아니라 공급망 전반에서 방안 및 애널리틱스를 수행하도록, 수십에서 수백 개의 트랜잭션 및 자동화된 소스에서 다양한 유형의 데이터를 모델링 및 통합하는 에코시스템입니다. 디지털 스레드는 데이터 수집, 통합, 세부 정보(단순한 집계가 아님), 애널리틱스, BI 도구를 통합하고, 새로운 데이터, 구조, 애플리케이션, 사용 사례 및 변화하는 프로세스를 통합하여 적응 가능한 유연성을 통합합니다. 사용 사례를 지원하고 조치를 취할 준비가 된 조직을 지원하려면, 양질의 데이터 품질이 필요하므로 경영진은 결과를 측정하고 프로세스를 지속적으로 개선해야 합니다. 각 사용 사례(화살표)의 데이터 및 결과 집합은 기능, 조직 및 조치 간의 인과 관계를 평가할 수 있도록 디지털 스레드에 통합되어야 합니다. 여기서 Machine Learning 기술은 다양한 기능에서 변경 사항과 이상 현상을 식별하여 프로세스를 향상시킬 수 있습니다. 디지털 스레드는 단순히 KPI 및 측정값을 보고하는 것 이상으로 조직이 근본 원인, 예측 및 규범적 애널리틱스를 활용할 준비가 됨에 따라 이러한 기능을 활성화하는 데 사용됩니다. 일기예보가 변경되었을 때 공급업체 납품에 미치는 영향과, 공급 부족이 판매 수익 및 고객 경험에 미치는 영향과 같은 교차기능분석이 활성화되고 더 광범위한 결정이 적용됩니다.

공급망은 종종 서로 경쟁적인 목표를 가지고 공급자에서 소비자에 이르는 수많은 활동으로 구성되어 있기 때문에 쉽게 답할 수 있는 문제가 아닙니다. 관련된 조직은 영업, 마케팅, 운송, 창고 보관, 물류, 제조, 조달/소싱, 공급망에 이르기까지 다양합니다. 조직 및 프로세스 책임에 대한 이 스파게티 차트는 종종 소규모의 수익을 개선하는 방안 및 목표로 이어지지만, 전체 공급망을 최적화하지는 못합니다. 잘 설계된 프로세스와 에코시스템을 갖추고 100%의 데이터를 제공하며 조직, 프로세스 및 시스템 경계 내부 및 전반에 걸친 보기를 가능하게 하지 않으면, 빠르고 유연한 공급망을 보장하는 것이 거의 불가능합니다. 조직에서 응집력 있는 공급망 솔루션이 나올 때까지 기능 개선을 기다리고 연기할 것을 제안하는 것이 아니라, 디지털 스레드의 이점을 살릴 수 있는 전략의 필요성을 강조합니다.

수익 증대, 고객 만족도 향상, 낭비 감소의 형태로 조직에 대한 기하급수적인 가치는 사일로화된 데이터와 기능을 제거하는 데서 비롯됩니다. 종속성 평가, 예외적 비용 이해, 우선 순위 지정 및 수요 변화에 신속하게 대응하는 것에 대해 더 넓은 시야를 가지는 것은 기업이 비즈니스에서 살아 남을 수 있는 경쟁 우위를 창출하는 것 만큼 중요합니다. 강을 비유했던 것으로 다시 돌아가 봅시다. 수위를 낮추면(보통 재고 및 기타 유휴 자원을 줄이는 것으로 간주됨) 바위가 노출되고 공급망 전체에서 기능 간 프로세스를 개선할 기회를 발견할 수 있습니다.


Portrait of Greg Sloyer

(Author):
Greg Sloyer

Greg is a Sr. Industry Consultant working with customers across a variety of industries on supply chain and related topics. Prior to joining Teradata 13 years ago, he spent nearly 20 years in the chemical industry in functions ranging from IT, Logistics and Supply Chain Operations. Greg has undergraduate degrees in Mathematics and Computer Science, a Masters in Statistics and a Ph.D. in Operations Research from the University of Delaware. View all posts by Greg Sloyer

Teradata Vantage를 통해 복잡한 데이터와 분석을 해답으로 전환하십시오.

Contact us