对大数据应用感兴趣,希望开阔眼界、提升相关技能的供应链从业人员(生产、采购、物流、计划等领域)
课程背景:
在数字化时代,各种新技术正在颠覆传统的供应链模式,也深刻影响了供应链业者的工作方式。本次讲座将基于供应链大数据知识体系,解析业务流程、数据组织等IT架构维度之间的关系,让学员建立数字化转型的基本认知。在此基础上,将详解数据分析的主要工具(业务分析思维、Excel智能模块、数据可视化和BI、Python语言等),帮助学员快速上手,掌握相关技能。随后,会讲解行业先进的大数据应用案例,包括智能制造、新能源等领域的标杆企业案例,以及AI等技术给企业带来的提升。课程最后会介绍大数据领域的前沿信息来源和学习资源推荐。
课程目的:
学习供应链大数据体系,了解各方面知识在这个体系中的位置
学习企业信息化架构知识,掌握数字化转型的基本概念
掌握数据分析的基本步骤,以及数据分析师实用思维模式
学习供应链大数据分析的实用工具(Excel智能模块、BI、Python语言等)
了解人工智能等前沿技术对供应链大数据的影响
学习智能制造等领域的企业案例,借鉴其在数据分析和供应链提升方面的先进经验
了解可用于后续学习和工作的实用资源
授课形式:
知识讲解、案例分析讨论、角色演练、小组讨论、互动交流、游戏感悟、头脑风暴、强调学员参与。
课程大纲:
数字化时代的供应链大数据分析与应用 总两天- 第一天
1. 供应链大数据概述
a) 供应链管理的根本使命
b) 供应链管理的最新发展趋势:七大要点
c) 供应链大数据体系划分 -“获取数据”、“分析处理数据”、“为供应链增值”等
d) 您从本课程中可以获得的收获
2. 数字化企业架构:大数据分析的基础
a) 视频观看:工业4.0时代先进的供应链管理
b) 企业数字化体系介绍 -“前端”和“后端”的概念
c) 企业IT架构的类型 - 业务架构/应用架构/数据架构/技术架构
d) 数据管理原则 - 如何采集数据、分享数据、保障数据安全等
e) 案例分析:企业架构的变迁史 - 从传统运营时代到新零售时代
3. 数据分析的核心步骤
a) 五大分析步骤 - 数据的收集、清洗、规整、使用和更新
b) 数据分析师是什么样的人才? – 四大核心素质
c) 企业大数据应用的六个层次:从Excel到更高层次的工具应用
d) 实操教学:基于Excel的精益生产和精益物流分析模块
e) 实操教学:基于Excel的客户需求可视化模块
f) 实操教学:用Excel“运筹优化”模块来做采购最优决策
4. 数据可视化和BI工具应用
a) 如何让数据“看得见”?- 常用的12种可视化图表及适用场合
b) 让管理者决策更简单 – BI(商业智能)基本概念
c) 案例分析:基于BI工具作企业采购金额的可视化分析
d) 案例分析:基于BI工具作供应商质量管理的可视化分析
e) 实操教学:基于BI工具作BLM(业务领导力模型)可视化分析
f) 小组讨论:关于BI/数据可视化的落地应用
数字化时代的供应链大数据分析与应用 总两天- 第二天
5. Python数据分析
a) Python安装过程介绍;
b) Python语法简介
c) 实操教学:Python快速提取企业年报中的大量数据
d) Python与Excel、Power BI等分析工具的关系
e) Python和人工智能技术的关系
6. 大数据应用前沿案例
a) 案例分析:某先进制造企业的基础数据管理体系
b) 案例分析:数字化工厂的快速复制:”物联网技术+工业工程knowhow”如何在多个行业复制数字化工厂
c) 案例分析:某电器公司的工业大数据体系及其效果
d) 案例分析:某第三方物流企业如何打造跨运输方式、跨企业实体的数字化体系
e) 案例分析:新零售巨头基于大数据的运营优化和闭环管理
f) 案例分析:新能源领域的数字化供应链
g) 案例分析:人工智能(AI)大模型及其对供应链的意义
h) 小组讨论:供应链大数据应用落地的要点
7. 大数据分析相关资源
a) 行业前沿信息来源
b) 后续学习资源推荐
c) 讨论与答疑
Victor
目前在一家世界五百强企业下属的供应链物流板块担任供应链规划负责人。他是国际认证的CSCP供应链管理师和TOGAF企业IT架构师。
Victor毕业于清华大学,本科硕士和博士学历(电子工程和工业工程专业),曾在德国亚琛工业大学和美国威斯康星大学学习。他在西门子德国和中国总部工作多年,并曾为多家世界知名企业提供供应链管理咨询,对物流供应链系统的设计和优化有着深刻的理解。
Victor也是工业4.0和数字化转型方面的专家,曾在学术期刊和知名媒体上发表十余篇文章,并应邀在清华大学、上海财经大学、麻省理工科技评论、SCOM等机构授课,在业界有着广泛的影响。
老师的讲课风格:非常耐心、关注学员需求,并且能将丰富的知识体系(包括案例、视频等)和实操练习很好地结合在一起。