の管理において、 サプライチェーンへの重大な影響を説明するには、データとその具体的な分析が必要です。 サプライチェーン。 頻繁に遅延する材料や製品、あるいはそれらの需要と在庫の動きは何ですか?
ただし、複雑な分析にさまざまなソースからのデータを使用する場合は、まずデータを収集して分析の準備をする必要があります。 このためには、さまざまなシステムからのデータが必要です。 ほとんどの場合、これらのシステムは相互に分離されているだけでなく、異なるデータ ストレージ システム、異なる種類のデータベース、構造、フラット ファイル、およびデータを 1 つの重要なイメージに結合するプロセスを備えています。
しかし、正確には何ですかサプライチェーン」社内のデータは？
準備
ほとんどの企業はERPやCRMなどのさまざまなシステムで利用可能な大量のデータを保有しており、そのデータ量はデジタル化の進展によりすでに膨大になっています。 データを準備することから始めましょう。データは通常、いわゆる ETLプロセスETL プロセスには、いくつかの個別のステップが含まれます。 これらの手順を通じて、さまざまなソースからのデータを統合できます。 データウェアハウス 抽出と準備によって。
ここで説明するプロセスは、情報管理においてますます必要とされるように、ビジネス インテリジェンス環境でビッグ データを処理するために一般的に使用されます。 サプライチェーン。 ETL は、Extract、Transform、Load の 3 つの用語の頭字語です。 目的は、さらなる処理のために統合データを準備して提供することです。 大量のデータの処理には、構造化 ETL アプローチが特に役立ちます。 ETL プロセスのアプリケーションは、情報が異なるサブシステムに分散されている場合、冗長である場合、または異なる構造を持っている場合に役立ちます。 このプロセス中に、さまざまなソースからの異種の構造化データがマージされ、準備されます。 データの品質が保証され、データ ウェアハウス内でその一貫性が確立されます。 データウェアハウスの重要性 サプライチェーン データについてはこの記事で後ほど説明します。
ETL プロセスは 3 つの異なるフェーズに分かれています。 これらのフェーズは次のとおりです。
エキス： 最初のステップは、さまざまなデータ ソースからデータを抽出することです。 これには、複数のソース システムにわたるデータをキュレーションし、変換フェーズに向けて準備することが含まれます。 ほとんどの場合、このプロセスでは各ソース データベースから部分的な領域のみが抽出されます。 抽出は定期的に行われ、最新のデータをデータ ウェアハウスに継続的に提供します。 イベントベースまたはリクエストベースの抽出も可能です。
変身： 提供されるデータは、ターゲット データベースの形式とスキーマに準拠しています。 変換プロセスはいくつかの個別のステップを経ます。 これらの個々の手順には、たとえば、書式設定の基本的な側面の定義、不良データのクリーンアップ、類似データや重複データのチェック、その後の削除と除外が含まれます。
重荷： ETL プロセスの最後のステップは、変換されたデータを宛先データベースまたはデータ ウェアハウスにロードすることです。 このステップでは、ターゲット データベースまたはデータ ウェアハウスへの実際の統合を実行します。 データは、ロード中に長時間データベースをロックアップすることなく、宛先に物理的に移動されます。 ターゲット システムに対するすべての変更は、詳細なログとともに文書化されます。
画像: (C) Getty Images – vaeenma
選ぶ企業が増えています ELT戦略 (抽出、ロード、変換、または読み取り時のスキーマ) は、クエリ中に変換を実行し、構造化データと非構造化データを生の形式で保存します。 ここでは、アップロードと変換の手順が入れ替わりました。 これは、3 つの個別の手順が必ずしも記載された順序で実行されるわけではないためです。 ELT プロセスは、データを最初に変換せずに宛先データベースにロードします。 収集されたすべてのデータは生の形式で利用できます。 これにより、さまざまな形式のデータで構成される、いわゆるデータ レイクが作成されます。 変換は、実行される評価専用の特別な手順とアルゴリズムを使用して、ターゲット システム上で実行されます。 この手順には、最初にターゲット システム上でデータを収集し、評価に使用できるという利点があります。
データウェアハウス
データ ウェアハウスは、すべてが 1 つにまとめられ、データが転送される場所です。 データ ウェアハウス アーキテクチャの主な問題は、データ ウェアハウス システムにデータを追加するための ETL パスを作成して操作するのに多大な労力がかかることです。 ソース システムに変更が加えられると、ダウンストリーム システムで大量のアクティビティとプログラミング作業が発生します。 ただし、データ ウェアハウス自動化ツールは、変更されたデータ キャプチャ プロセスを使用して、データ マートを自動的に作成し、ライブ データをクラウドに移動できます。 これにより、ETL ルートの作成と維持にかかる手動の労力が大幅に軽減されます。
経営におけるデータ分析 サプライチェーン 通常は非常に機敏です。 新しい要件や答えが必要な新しい質問が常に存在します。 最悪の場合、ETL プロセスを変更するか、新しいプロセスを作成する必要があります。 ここでデータ ウェアハウスが活躍します。 ここでも、ソース システムからデータ ウェアハウスにデータを転送するには ETL プロセスが必要です。 ただし、これらのプロセスが確立されれば、それを適応させる必要はほとんどありません。 データはデータ ウェアハウスに収集されたままになり、そこからモデル化して、接続されたデータ分析ソリューションに使用できます。 その結果、重要なイベントと潜在的な変化のリアルタイムの概要を示す明確な主要な数値が得られます。 たとえば、機械学習を利用してデータ品質を向上させるデータ サイエンス ソリューションもこれに基づいて構築できます。
最終的には
データは企業経営において安全かつ確実な意思決定を行うための最も重要な指標です。 サプライチェーン。 ただし、準備をせずにそのままでは使用できません。 データには、ソース システムから各評価までのサプライ チェーンもあります。 データがビジネスの長期的な成功につながるためには、このデータ管理に適切なタイミングで取り組む必要があります。 私の意見では、企業はデータに基づいて適切な意思決定を下す場合にのみ成功することができます。
このトピックにさらに興味がある場合は、 情報に基づいたデータラボ。
画像出典: (c) Getty Images – Ioops7
データ データ サプライ チェーン データ ウェアハウス ETL プロセス ETL 戦略 サプライ チェーン 大規模な倉庫 サプライ チェーン