课程大纲

一、供应链大数据概述

■ 供应链和采购管理的根本使命

■ 供应链管理的最新发展趋势：七大要点

■ 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”

■ 您从本课程中可以获得的五点收获

二、数字化企业架构：大数据分析的基础

■ 视频观看：工业4.0时代先进的供应链管理

■ 企业数字化体系介绍 -“前端”和“后端”的概念

■ 企业IT架构的类型 - 业务架构/应用架构/数据架构/技术架构

■ 数据管理六大原则 - 如何采集数据、分享数据、保障数据安全等

■ 企业架构的变迁史 - 从传统运营时代到“新零售”时代

■ 大数据相关的最新法律法规

三、数据分析的核心步骤

■ 五大分析步骤 - 数据的收集、清洗、规整、使用和更新

■ 数据分析师是什么样的人才？ – 四大核心素质

■ 企业大数据应用的六个层次：从Excel到更高层次的工具应用  

■ 实操教学：基于Excel的精益生产和精益物流分析模块  

■ 实操教学：基于Excel的客户需求可视化模块

■ 实操教学：用Excel“运筹优化”模块来做采购最优决策

四、数据可视化和BI工具应用

■ 如何让数据“看得见”？- 常用的12种可视化图表及适用场合

■ 让管理者决策更简单 – BI（商业智能）基本概念

■ 案例分析：基于BI工具作企业采购金额的可视化分析        

■ 案例分析：基于BI工具作供应商质量管理的可视化分析        

■ 实操教学：基于BI工具作BLM（业务领导力模型）可视化分析

■ 小组讨论：关于BI/数据可视化的落地应用

五、Python数据分析

■ Python安装过程介绍；                      

■ Python语法简介                

■ 实操教学：Python快速提取企业年报中的大量数据    

■ Python与Excel、Power BI等分析工具的关系

■ Python和人工智能技术的关系

六、大数据应用前沿案例

■ 案例分析：某先进制造企业的基础数据管理体系

■ 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  

■ 案例分析：某电器公司的工业大数据体系及其效果  

■ 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      

■ 案例分析：新零售巨头基于大数据的运营优化和闭环管理

■ 案例分析：新能源领域的数字化供应链  

■ 案例分析：人工智能（AI）大模型及其对供应链的意义  

■ 小组讨论：供应链大数据应用落地的要点

七、大数据分析相关资源

■ 行业前沿信息来源

■ 后续学习资源推荐

■ 讨论与答疑