**天 9：00-16：30

**部分 何谓大数据，大数据在哪里 （9:00-10:30）

主题：大数据

目的：**对本部分内容的了解，让学员清楚我们企业供应链的数据到底沉淀在哪里，他们的作用什么，如何更好**什么样的载体把数据利用起来。

要点：

1.大数据其实我们企业身边的企业行为产生的数据积淀，任何公司都存在，但数据到底在哪里

2.何谓云计算，互联网＋的运营让数据集中于云计算的麾下，如何利用ERP的优势把数据运营起来

3.数据运用如何让供应链变得更加敏捷与精益

教学方法：教师讲解；学员互动为主；案例分析

第二部分 大数据的获取--采购成本部分

（10:45-14:45/12:00-13:00午餐）

主题：采购成本数据的载体-模版、及模版数据填充

目的：引导学员设计成本数据的模版

一． 成本数据模版的设计

1.以产品制造工艺为模版的数据基础

2.建立人、机、料、法、环的数据模型

3.这样工作的瓶颈是什么

   注意企业文化

   注意工作环境和上司的重视程度

教学方法：教师讲解；学员互动为主，自主提问；案例分析

二． 成本控制依然是现在供应链时代下头等大事，成本控制

从成本数据开始,我们要从份利用数据技术（DT:DATA TECHNOLOGY），

瀑布流数据的应用

1.供应链成本体系一：采购成本数据--从供应商得报价

 模版中得数据开始介入

   如何建立bench marketing（标杆数据），如何甄别

    供应商报价的合理性

   如何汲取数据以便于形成bench marketing（标杆数据）

   子数据模块的形成

2. 数据共享及数据分配

   如何共享至合同

   税、费的调整内容

   团队的合作体系建设

   KPI考核对数据建设的影响

3.互联网＋ 的运用，电子报价平台与ERP

教学方法：教师讲解；学员互动为主，自主提问；案例分析

第三部分：供应商管理数据体系建设与应用 （15:00-16:30）

主题：管理供应商的数据库内容及利用数据管理供应商

目的：学会获取供应商管理数据及利用数据管理供应商

一 供应商数据的获取，从开发入手

1.开发时，我们的参与部门有哪些

2.开发时，我们都获取些什么样的数据

二 合作过程中，我们如何对供应商的评估体系

1.评估指标的设立

2.权重分配

3.供应商评估结果数据的应用

   订单份额的二次分配

   对供应商结账的模式

   对供应商结账的帐期

教学方法：教师讲解；学员互动为主，自主提问；案例分析

第二天 9：00-16：30

第四部分：大数据应用下的预测、计划与紧急插单

（9:00-12:00/12:00-13:00午餐）

主题：大数据与大计划

目的：**学习，使学员掌握如何**数据模型进行数据过滤，

而避免用传统的办法来解决计划的顽疾。

一 生产形式的分类

1. MTS与MTO（注意非标部件）

2.MTS的预测与MTO的预测有何区别

二 过滤体系的建设及数据流转

1.绝不能拷贝销售预测用作生产计划和采购计划的数据来源

2.数据过滤的模型及全面应用

   如何从销售预测数据到生产计划数据

   如何从生产计划数据到采购的PO

三 紧急插单的数据及数据流转

   如何引导使其健康循环，否则可能会导致插单后每个计划都是插单。

四 互联网＋的运用，手机APP的使用让数据实现无缝对接

教学方法：教师讲解；学员互动为主，自主提问；案例分析、数据分析与数据使用

第五部分：库存数据模型及仓库周转 （13:00-16:30）

主题：提高库存周转率及仓库的二维码数据库建设

目的：利用数据库提高对呆货的防范体系并**大限

度地防止呆货：

1.技术变更会引起的库存变化，那吗对技术工程师

 的变更行为的数据模型是什么，如何跟其沟通

   个人偏好设置数据报告

   边际成本分析数据报告

2.杜邦分析的库存模型

3.灵活分析模型——对库存**大的帮助

4.仓库二维码的数据库建立--区别条形码与二维码数据差别

5.打造可视化仓库的基础--异常报告数据的读取

教学方法：教师讲解；学员互动为主，自主提问；

案例分析

第六部分：国际运输与国内运输体系的成本数据

与周期数据模型

主题：打造真正的运输成本数据管理体系

与运输周期管理体系

目的：使我们对运输途中的货物做到了如指掌

1.国内运输成本数据模版

2.国内运输路线规划数据--三维数据的使用

3.车辆数据管理－比如返程车辆的充分利用

4.国际运输成本数据模版及周期模版--以EXW为主

5.国际承运商选择依据的数据管理

熏蒸要素

   船公司要素

   收费要素（比如像BAF等）

   HS CODE要素……

教学方法：教师讲解；学员互动为主，自主提问；

案例分析，数据讲解